APOSTILA - Sistemas A Eventos Discretos (SED) - UFRGS

ENG 04048
Sistemas a Eventos Discretos
Prof. Marcelo Götz
Departamento de Engenharia Elétrica

UFRGS
Apresentação da Disciplina
1
Página da Disciplina
Moodle Institucional
Sistemas a Eventos Discretos ENG04048
Espaço para receber e trocar informações,

trocar arquivos, submeter trabalhos, entre
outras atividades
Programação da Disciplina
Dividida em Três Partes:
Redes de Petri
Teoria dos Autômatos
Sistemas de Supervisão
Teoria do Controle Supervisório
Plano de Ensino disponível no MOODLE
2
Introdução aos
Sistemas a Eventos Discretos (SED)
Sistema
Conjunto de elementos que interagem para a

realização de uma função não realizável por
nenhuma dos elementos individuais;
(IEEE Standard Dictionary of Electrical and
Electronic Terms)
Definição bastante geral, sistema pode ser:

Automóvel, fábrica, amplificador, corpo humando,
etc..
3
Modelagem
Na engenharia, analise quantitativa:

Design;
Controle;
Medida de performance do sistema;
Critérios bem definidos para comparação e avaliação;
Para tanto, é necessário um “modelo” para o

sistema, geralmente utilizando-se modelo
matemático;
Modelagem do sistema estático
Modelo Estático
4
Modelagem do sistema dinâmicos
Modelo Dinâmico
Conceito de Estado:
A saída depende da entrada atual e de informação
adicional (estado atual) para prever o futuro;
Outras Classificações
Modelos Invariantes no Tempo x Modelos Variantes no

Tempo
Modelos Lineares x Modelos Não-Lineares
Porém, na engenharia geralmente os casos são modelados

como sendo
Lineares; Invariantes no Tempo; e Dinâmicos
5
Exemplo: Sistema Massa-Mola
Onde:
x1 é o deslocamento da massa;
x2 é a velocidade (derivada de 1° ordem de x1)
Exemplo: Circuito RC
1 1
,

1, 1
6
Outra Classificação
Sistemas a Eventos Discretos - SED
Quando os estados assumem valores discretos;
A troca de estado ocorre instantaneamente em

instantes de tempo discretos;
Os valores dos estados seguintes podem ser calculados

diretamente a partir da entrada e dos estados
precedentes sem ter que considerar o tempo entre
estes dois instantes;
Estes são: Sistemas a Eventos Discretos - SED
7
Conceitos de SED
Eventos
São os instantes que causam a mudança dos estados;
O intervalo de tempo entre os eventos pode ser
indeterminado;
Estados
O espaço de estados é um conjunto discreto de
valores;
A evolução dos estados depende exclusivamente da
ocorrência dos eventos no tempo;
Comparação SED x
Sistema de variáveis de espaço contínuo
Dinâmica:
,
Dinâmica:
´ ,
8
Exemplos de SED (1)
Sistemas baseados em Filas (Queueing Systems)

Programas executando em um computador compartilhando a
CPU e outros recursos;
Mensagens esperando para serem enviadas por um roteador;
Pessoas esperando em filas de banco ou supermercados;
Produtos em uma linha de manufatura;
Sistema de tráfego aéreo ou terrestre;
Modelo Básico:
Exemplos de SED (2)
Sistema Computacional
D1, D2, ..., Dn são “agentes” que controlam o

acesso a recursos limitados; ex.: comunicação
serial, conversor A/D, Display, Impressora, etc...
9
Exemplos de SED (3)
Sistema de Estocagem
A variável de estado x = valor atual dos

produtos estocados;
x possui valores discretos {0, 1, 2, ... }
Modelagem de SED: Conceitos Básicos
10
Modelagem subsistemas
Sistema de triagem automatizado
Sistemas Híbridos
Subsistemas de variáveis contínuas +

Subsistema de variáveis discretas
Exemplo: Sistema de envase, fechamento e

rotulação de garrafas:
SED para o controle ON/OFF da esteira, da válvula
para encher, etc..
Sistema contínuo para controlar o nível dos tanques;
a temperatura, mistura, etc..(controles P, PI, PD,
PID, ...).
11
Arquitetura Híbrida Conceitual
Principais Modelos Para SED
Redes de Petri;
Com e sem temporização;
Teoria de Linguagem e Autômatos;
base para a Teoria de Controle Supervisório – TCS;
Cadeias de Markov;
Teoria de Filas;
Álgebra de Processos;
Álgebra Max-Plus;
Lógica Temporal e Lógica Temporal de Tempo-Real;
12
Questões para reflexão
Como é o controle para SED ???
Sistemas supervisórios ???
Controladores Lógicos Programáveis ???
Bibliografia
CASSANDRAS, C. G.; LAFORTUNE, S.; Introduction to

Discrete Event Systems. 2nd Edition. Springer
MIYAGI, P. E.; Controle Programável: fundamentos do

controle de sistemas a eventos discretos. Editora
Blücher
CARDOSO, J.; VALETTE, R.; Redes de Petri: Disponível

online em
http://homepages.laas.fr/robert/indexRP.html
13
14/03/2011
ENG 04048
Prof. Marcelo Götz

Prof. Murilo Fonseca

UFRGS
Introdução à redes de Petri
1
14/03/2011
Histórico
Criadas a partir da tese de Carl Adam Petri,

intitulada Kommunication mit Automaten
(Comunicação com autômatos) apresentada em
1962
O objetivo era a modelagem de sistemas com
componentes concorrentes
Primeiras aplicações em 1968, indicando como
poderiam ser aplicadas na análise e modelagem
de sistemas com componentes concorrentes
Histórico
Forte desenvolvimento na década de 70

Surgem as redes temporizadas
Reconhecimento como uma das mais adequadas
ferramentas para descrição e análise da
sincronização, comunicação e fonte de
compartilhamento entre processos concorrentes
Redes de alto nível surgem na década de 80
Segunda versão das redes coloridas surge na
década de 90
2
14/03/2011
Histórico
Inicio da padronização internacional em 1995

ISO/IEC-15909
High-level Petri Nets – Concepts, Definitions and
Graphical Notation
High-level Petri Nets – Transfer Format
High-level Petri Nets - Extensions
Características
Técnica de especificação formal bem estabelecida:

Capturam relações de precedência e vínculos estruturais
de sistemas reais
Modelagem de sistemas que tenham atividades paralelas,
concorrentes, assíncronas, não determinísticas
Modelo matemático com representação gráfica
Uso em diversos niveis de abstração
Possuem bons mecanismos de análise
Conjunto único de ferramentas para especificação,
modelagem, análise, avaliação de desempenho e
implementação
3
14/03/2011
Algumas Aplicações
Avaliação de desempenho
Análise e verificação formal em sistemas discretos
Protocolos de comunicação
Controle de sistemas de fabricação
Concepção de software tempo real e/ou distribuído
Sistemas de informação – (Processos de empresas)
Sistemas de transporte, logística
Gerenciamento de base de dados
Elementos Básicos
Lugar: Condição, estado parcial, espera,

estoque, procedimento, conjunto de recursos
Transição: Evento que ocorre no sistema
Ficha: Indicador que a condição associada ao
lugar é verdadeira, existência de recurso
4
14/03/2011
Comportamento Dinâmico
Estado do sistema é dado pela repartição de

fichas nos lugares da rede
A ocorrência de um evento é representado pelo
disparo da transição associada
Retira-se as fichas dos lugares de entrada
Deposita-se fichas em cada lugar de saída
Comportamento Dinâmico
O disparo t corresponde a um evento real

O Estado Ei é representado na rede pela
distribuição de fichas nos lugares: Marcação Mi
O sistema atinge o estado Ei+1 se estiver no
estado Ei e se a transição t for disparada
5
14/03/2011
Modelagem de Interações
Processos podem evoluir em:

Cooperação
Competição
Em paralelo
Sequência
De forma repetida
Sequência
Sequência de um processo de fabricação:

P1, P2, P3: Fases de operação
t1, t2, t3: Eventos de passagem de fase
Fichas: Correspondem a peças
6
14/03/2011
Sequência
Trecho do itinerário de um sistema de

transporte:
Lugares descrevem as seções
Transições a passagem de uma seção a outra
(sensor de solo, GPS)
Fichas representam os veículos
Mesma rede do exemplo anterior
(Encadeamento de eventos e atividades), muda
apenas a abstração dos detalhes
Evolução assíncrona
No exemplo anterior, dois veículos estão

simultaneamente na mesma rota em seções
diferentes
Não há correlação entre a saída de um veículo
de uma seção e a saída do outro veículo de
outra seção
A evolução das fichas ocorre de maneira
independente e assíncrona
7
14/03/2011
Evolução síncrona
Procedimento de Separação:
Fim P1: J1 é separada em J2 e J3
J2 e J3 são criadas simultaneamente de modo
síncrono
Na criação são dependentes, na evolução são
independentes
Evolução síncrona
Procedimento de Montagem:
t3 requer uma ficha em P2 e outra em P4
O desaparecimento dessas duas fichas é síncrono e
criará uma ficha no processo seguinte
A passagem de duas evoluções assíncronas para
uma síncrona implica em uma espera
8
14/03/2011
Caminhos Alternativos
Após P1:
Caminho P2-P3-P6 se ocorrer t2
Caminho P4-P5-P6 se ocorrer t3
Apenas uma transição pode ocorrer,
pois a ficha é retirada de P1 no disparo
Rede não informa o mecanismo de
decisão, apenas indica que a
informação deve estar disponível
Observações
Lugar com mais de um arco de saída: Início de

um conjunto de caminhos alternativos
Transição com mais de um arco de saída: Início

de evoluções paralelas
9
14/03/2011
Repetição
Após P1:
P2-P3 um certo número de vezes enquanto a condição
que dispara t3 for verdadeira antes de excutar P4
Não há indicação sobre a decisão de repetição ou
finalização da sequência
Alocação de Recursos
Após P1 é necessário executar P3

O recurso Pr deve estar disponível
Para a modelagem correta, coloca-se o lugar P2,
indicando a espera por P3, sem isso haveria um
bloqueio do fim de P1
10
14/03/2011
Cada utilização do recurso corresponde a uma

malha, que inicia com a ocupação do recurso e
termina com sua liberação
Existem tantas malhas diferentes passando pelo
lugar Pr quantas utilizações possíveis do recurso
11
14/03/2011
Sistema de triagem automatizado
Exemplo
Modelar o sistema abaixo por rede de Petri

Produto Pr1 pode ser produzido em R1 ou R2 e deve
ser armazenado antes em B1 ou B2
Produto Pr2 pode ser produzido apenas por R2, sendo
carregado diretamente
R1 e R2 processam apenas um produto por vez e
ficam livres ao terminar
12
14/03/2011
Exemplo
Resposta:
Exemplo
Modelar o mesmo sistema por uma máquina de

estados finitos global em que:
E0: Pr1 e Pr2 esperando, reatores livres
E1: Pr1 em B1, Pr2 esperando, reatores livres
E2: Pr1 em B2, Pr2 esperando, reatores livres
E3: Pr1 esperando, R2 processando Pr2, R1 livre
E4: R1 processando Pr1, Pr2 esperando, R2 livre
E5: R2 processando Pr1, Pr2 esperando, R1 livre
E6: Pr1 em B2, R2 processando Pr2, R1 livre
E7: Pr1 em B1, R2 processando Pr2, R1 livre
E8: R1 processando Pr1, R2 processando Pr2
13
14/03/2011
Exemplo
Resposta:
Exemplo: Comparação
Ao modelar por uma máquina de estados a

estrutura do sistema foi perdida
Dois arcos saindo de um nó podem representar uma
decisão sobre duas opções ou dois eventos
independentes
Arcos de E1 (eb e eg) podem ocorrer
simultaneamente, arcos de E0 (ea e ed) não podem,
mas a representação é igual
A rede de Petri indica na própria estrutura
quando há paralelismo ou concorrência entre
eventos
14
14/03/2011
Exercício
Considere o itinerário de um sistema de

transporte:
Os veículos seguem automaticamente rotas pré-
traçadas e suas localizações são conhecidas nos
pontos Ci (Contatos)
Os comandos de parar, continuar, mudar rota são
enviados somente quando estão sobre os contatos
Somente pode haver um veículo por seção, para
evitar colisões
A seção aparece tracejada e tem o mesmo nome do
contato
Exercício
Fazer a modelagem desse sistema usando redes

de Petri e considerando o seguinte itinerário:
C3
C4
C1
C2
C5
15
14/03/2011
Exercício
Resposta:
Bibliografia
CARDOSO, J.; VALETTE, R.; Redes de Petri. Editora da

UFSC, 1997. Disponível online em
16
11/03/2012
ENG 04048
Prof. Marcelo Götz


UFRGS
Revisão
1
11/03/2012
Estrutura e dinâmica
t1 t1 t1
Separação
t1 t1
2
11/03/2012
Montagem
t1 t1
Caminhos alternativos
t2
t1
t1 t2
t2
t1
3
11/03/2012
Repetição
t3
t2
t2
t2
t1
t1
t3
Alocação de recursos
t2
t1 t2 t1
t3
t3
4
11/03/2012
Erros comuns
Errado Errado Errado
Apresentação Formal das

Redes de Petri
5
11/03/2012
Introdução
Apresentação das propriedades gerais e

estruturais das redes de Petri
Através da análise das propriedades da rede, é
possível obter informações sobre o
comportamento do sistema modelado;
Métodos de análise destas propriedades são

apresentadas no futuro
Tipos de representações
Um grafo com dois tipos de nós e um

comportamento dinâmico
Um conjunto de matrizes de inteiros positivos
ou nulos cujo comportamento dinâmico é
descrito por um sistema linear
Um sistema de regras baseado em uma
representação do conhecimento sob a forma de
condição → ação
6
11/03/2012
Tipos de representações
As representações gráfica e matricial

diferenciam-se apenas pela forma de
representação
O grafo é utilizado pelo projetista que pode
fazer análises, verificações e ter uma idéia
global do sistema modelado mais facilmente
A representação matricial é utilizada
principalmente por computadores para a
verificação automática
Definições
Rede de Petri é uma quádrula

R = <P,T,Pre,Post>
P é um conjunto finito de lugares de dimensão n
T é um conjunto finito de transições de dimensão m
Pre: P x T → ℕ é a aplicação de entrada, onde ℕ é o
conjunto de números naturais
Post: P x T → ℕ é a aplicação de saída
7
11/03/2012
Definições
Exemplo: Encontrar P, T, Pre, Post da rede

abaixo
Definições
Resposta:
P = {p1, p2, p3}
T ={a,b,c,d}
Pre(p2,c) = 3
Pre(p1,b) = Pre(p2,a) = Pre(p3,d) = 1
Post(p2,d)= 3
Post(p1,a) = Post(p2,b) = Post(p3,c) = 1
8
11/03/2012
Definições
Uma rede marcada N é uma dupla

N = <R, M>
R é uma rede de Petri
M é a marcação inicial M: P → ℕ
M(p) é o número de fichas no lugar p
No exemplo anterior, M={0,3,0}
Representação por Grafo
Associa-se a uma rede de Petri um grafo com

dois tipos de nós: Lugares e Transições
Um arco liga um lugar p a uma transição t se e
somente se Pre(p, t) ≠ 0
Um arco liga uma transição t a um lugar p se e
somente se Post(p, t) ≠ 0
9
11/03/2012
Representação Matricial
Define-se uma matriz Pre e outra Post de

dimensão nxm
n é o numero de lugares
m é o numero de transições
Define-se uma matriz de incidência, que fornece
o balanço das fichas após o disparo de
transições:
C = Post - Pre
A marcação M é representada por um vetor
coluna cuja dimensão é o número de lugares
Exemplo: Encontrar Pre, Post, C e M da rede

abaixo
10
11/03/2012
a b c d a b c d
0 1 0 0 p1 1 0 0 0 p1
Pre = 1 0 3 0 p 2 Post = 0 1 0 3 p 2
0 0 0 1 p 3 0 0 1 0 p 3
a b c d
 1 −1 0 0  p1 0 p1
C = − 1 1 − 3 3  p 2
 M = 3 p 2
 0 0 1 − 1 p 3 0 p 3
Rede de Petri Pura
É pura se e somente se:

Nenhuma transição possui um mesmo lugar como
entrada e saída ao mesmo tempo
∀p ∈ P ∀t ∈ T Pre(p, t)Post(p, t) = 0
11
11/03/2012
Transição Sensibilizada
Uma transição está habilitada se o número de

fichas em cada um dos lugares de entrada for
maior ou igual ao peso do arco que liga este
lugar à transição
∀p ∈ P, M(p) ≥ Pre(p, t) ou M ≥ Pre(., t)
Pre(.,t): Vetor coluna da matriz Pre referente à

transição t
M: Vetor marcação inicial
Transição Sensibilizada
Transições a e c estão sensibilizadas
0  0  0 
M = 3 Pre(., a) = 1 Pre(., c) = 3
0 0 0
M ≥ Pre(., a) e M = Pre(., c)
12
11/03/2012
Disparo de uma transição
Caso t seja sensibilizada por uma marcação M,

uma nova marcação M’ é obtida através do
disparo de t, tal que:
∀p ∈ P, M ' ( p) = M ( p) − Pre( p, t ) + Post ( p, t )
A nova marcação M’ é dada por:

M ' = M − Pre(., t ) + Post (., t ) = M + C (., t )
O vetor Pre(.,ti), referente à transição ti da

matriz Pre pode ser escrito como Pre[1] i:
Produto da matriz Pre pelo vetor coluna[1] i
vetor coluna[1] i é um vetor com todos os
elementos nulos, exceto na linha i
Podemos reescrever a equação como:
M ' = M − Pre[1]i + Post [1]i = M + C [1]i
13
11/03/2012
O disparo de t é uma operação que consiste em

retirar Pre(p,t) fichas de cada lugar precedente
p e colocal Post(p,t) fichas em cada lugar
seguinte p
O disparo representa a mudança de estado no
sistema devido ao evento t
Após o disparo de a, a partir da marcação inicial

M, obtém-se a marcação M’:
1  0   1 
2 = 3 + − 1
     
0 0  0 
A matriz C indica quantas fichas são retiradas e

colocadas em cada lugar após o disparo t
 1 −1 0 0
C = − 1 1 − 3 3 
 0 0 1 − 1
14
11/03/2012
Conflito e Paralelismo
Conflito estrutural: Duas transições tem ao

menos um lugar de entrada em comum
∃p ∈ P, Pre( p, t1)Pre( p, t 2) ≠ 0
Conflito efetivo: Duas transições em conflito

estrutural e sensibilizadas por uma marcação M
M ≥ Pre(., t1) e M ≥ Pre(., t 2)
Paralelismo estrutural: Duas transições que não

possuem nenhum lugar de entrada em comum
∀p ∈ P, Pre( p, t1) Pre( p, t 2) = 0
Paralelismo efetivo: Duas transições que são

paralelas estruturalmente e sensibilizadas por
uma marcação M:
M ≥ Pre(., t1) e M ≥ Pre(., t 2)
15
11/03/2012
a e c estão em conflito estrutural

Para a marcação inicial M, a e c estão em
conflito efetivo
b e d são paralelas estruturalmente
Para uma marcação M’, b e d são efetivamente
paralelas
1
M ' = 0
1
Sequência de Disparo
A transição t1 está sensibilizada por

M0=[1 0 0 0] e pode disparar levando à
M1=[0 1 0 0] e após t2 pode disparar levando à
M2=[0 0 1 0]
Essa sequência de disparo (s = t1t2), é
disparável a partir de M0 com a seguinte
notação: tt
M 0 →
1 2
M2
16
11/03/2012
Vetor característico da sequência s: Vetor onde

cada componente s(t) representa o número de
ocorrências da transição t em uma sequência de
disparo s.
Sua dimensão é igual ao número de transições
da rede de Petri
0  1   2 1   2 a
 3      1  b
a
  → 2 
a
→ 1  → 2
b
s= 
0 0 0 0  0 c
 
M0 M1 M2 M1  0 d
aab
M 0 → M1
Aplicando a equação:
M ' = M − Pre[1]i + Post[1]i = M + C [1]i
A evolução da marcação de uma rede de Petri,

dada a marcação inicial M, para uma sequência
s=t i t j ... t l é:
M ' = ( M + C [1]i + C [1] j + ... + C [1]l )

= M + C ([1]i + [1] j + ... + [1]l )
17
11/03/2012
A soma: [1]i + [1] j + ... + [1]l corresponde ao vetor

característico da sequência s, indicando quantas
vezes cada sequência foi disparada
Têm-se então a equação fundamental da rede
de Petri:
M ' = M + Cs com M ≥ 0, s ≥ 0
Essa equação permite determinar a evolução da

rede
A representação de uma sequência através do

vetor s não considera a ordem de disparo das
transições
Ocorre uma perda de informação a respeito da
evolução da rede
A existência de um vetor característico s, que
leva a solução da equação fundamental, não
garante que a sequência s possa ser realmente
disparada e que exista aquele M’
18
11/03/2012
Considere a rede de Petri abaixo e a matriz C

dessa rede. Descubra se a sequência s = abcd é
disparável a partir da marcação inicial
− 1 − 1 1 1 
 1 −1 0 0 
C= 
 0 1 −1 0 
 
 0 0 1 − 1
Embora M’ seja positivo ( M '= [1 0 0 0]t ) essa

sequência não pode disparar, pois fica
bloqueada na transição a
Seria necessário a marcação M = [2 0 0 0]t
para tornar essa sequência possível, que ainda
deveria acontecer em ordem
19
11/03/2012
Dada uma marcação inicial M e uma sequência

s:
Se M '≤ 0 não existe tal sequência
Se M '≥ 0 não é possível afirmar se existe s
Dada uma marcação inicial M e uma marcação
qualquer M’:
Se s ≤ 0 não existe tal sequência
Se s ≥ 0 não é possível afirmar se existe s
Considerando todas as sequências possíveis de

uma sequência s (a partir da permutação de
disparos) pode-se dizer que a partir de uma
dada marcação, algumas podem existir e outras
não
Utilizando a lógica linear é possível obter uma
caracterização mais precisa de uma sequência
20
11/03/2012
Conjunto de marcações acessíveis
O conjunto de marcações acessíveis A(R,M) é o

conjunto das marcações que podem ser
atingidas a partir de uma marcação inicial
através de uma sequência de disparo:
s
A( R, M ) = {M , ∃s M 
→ M }
i i
Se esse conjunto for finito, pode ser

representado por um grafo, cujos nós são as
marcações acessíveis e os arcos indicam as
transições que permitem trocar de marcação
Esse grafo é a máquina de estados equivalente
à rede de Petri
Nele desaparece a noção de processo, não
sendo possível diferencial transições paralelas e
em conflito para uma dada marcação
21
11/03/2012
22
11/03/2012
Representação por sistema de regras
Formado por:
Uma base de fatos: Representa o conhecimento
disponível sobre o sistema
Uma base de regras: Permite deduzir novos fatos
Um mecanismos de inferência: Permite realizar novas
deduções, aplicando regras e fatos
Se condição então ação
O mecanismo de inferência mais simples,

consiste em colocar as regras em uma lista e
percorrê-las sequêncialmente e se a regra é
verdadeira no contexto atual, é aplicada
Pode haver um conflito de regras, quando
várias regras podem ser aplicadas no mesmo
contexto
23
11/03/2012
Esses sistemas permitem a representação de

sistemas baseados em conhecimento e obter
resultados quando não existe um algoritmo
conhecido (ex: sistemas peritos para
diagnóstico médico)
Um sistema de regras não permite a verificação
formal
Ao usar redes de Petri para representar esses
sistemas é possível fazer uma análise formal
A relação de redes de Petri com esses sistemas:

O conjunto de transições da rede, com suas
condições e ações (Pre(.,t) e Post(.,t)) são a base de
regras
A marcação corresponde à base de fatos
O controle é dado pela estrutura da rede (Transições
paralelas e em conflito)
24
11/03/2012
Sistema de regras - Gramática
Uma gramática é um sistema de reescrita de

palavras de um dado alfabeto
Se G=<K,Q> a gramática da rede de Petri
K o alfabeto cujos simbolos são os lugares p ∈ P
Q o conjunto de regras reescritas:
t : µ ( Pre(., t )) → µ ( Post (., t ))

µ (M ) o axioma da gramática a partir do qual novas
palavras podem ser derivadas
*
A aplicação µ : M → K associa uma palavra de
K* para M
K* é o conjunto de sequências finitas de
elementos de K
25
11/03/2012
P1
Exemplo:
a
Alfabeto K={p1,p2,p3}
Conjunto de regras P2
2
b
 a : p1 → p2 
Q= 2  P3
b : p2 → p3 
2
Para a marcação inicial: µ ( M ) = p1
A aplicação de Q(a), leva a µ ( M ) = p1 p2
Uma transição t está sensibilizada por uma

marcação M se e somente se:
µ (Pre(., t )) ⊆ µ ( M )
O disparo leva a:
µ ( M ' ) = µ ( M ) ∪ µ ( Post (., t )) / µ (Pre(., t ))
Onde ∪ indica a concatenação de palavras

Onde / indica a exclusão de palavras
26
11/03/2012
2 P1
Para µ ( M ) = p1 apenas a está
sensibilizada, pois µ (Pre(., a )) = p1 ⊆ µ ( M ) a
Para µ ( M ) = p1 p2 apenas a está P2

2
sensibilizada, pois µ (Pre(., a )) = p1 ⊆ µ ( M ) b
2
Para µ ( M ) = p2 apenas b está P3
2
sensibilizada, pois µ (Pre(., b)) = p2 ⊆ µ ( M )
2
No disparo de a, com µ ( M ) = p1
µ ( M ' ) = p12 ∪ p2 / p1
µ ( M ' ) = p1 p2
Utilizando-se sucessivamente a equação de

disparo é possível obter o conjunto de
marcações acessíveis
Uma sequência de disparo também pode ser
apresentada como uma palavra de um
vocabulário T*, formado a partir de um alfabeto
de transições T
A ordem das letras dessa palavra indica a
ordem de disparo das transições na sequência s
27
11/03/2012
Exercícios
Dada a rede abaixo, determinar:

A representação matricial
A representação gramatical
A existência de conflitos e paralelismos para M=[2 0 0 0]
O conjunto de marcações acessíveis para M=[2 0 0 0]
O conjunto de sequências disparáveis para M=[2 0 0 0] e
M= [2 0 0 1]
t2
P2
t1
P4
P1
P3 t3
Bibliografia


28
14/03/2012
ENG 04048
Prof. Marcelo Götz


UFRGS
Revisão
Representações
Gráfica, Matricial, Sistema de regras
Conflitos e paralelismo
Sequência de disparo
1
14/03/2012
Propriedades das redes de Petri
Propriedades conceituais
Rede K-limitada
2
14/03/2012
Lugar k-limitado
Um lugar p é k-limitado se e somente se:

∀M '∈ A( R, M ), M' (p) ≤ k
Se k=1, o lugar é binário

Para M=p23
p3 é binário
p1 e p2 são 3-limitados
Rede marcada k-limitada
Uma rede marcada é k-limitada se e somente se

todos os seus lugares são k-limitados
Uma rede marcada é binária se e somente se
todos os seus lugares são binários
Para M=p23 a rede é 3-limitada
Para M=p2 a rede é binária
3
14/03/2012
Rede marcada k-limitada
Nas redes binárias, os lugares representam

condições lógicas e a presença de mais de uma
ficha em um lugar significa que uma incoerência
foi introduzida no modelo
Assim, trazem um aspecto de segurança
intrínseco ao modelo
Exemplo
Classifique a rede abaixo quanto a limitabilidade
2
b
3 4
f g
5
c 2
4
14/03/2012
Resposta
9-limitada
2
b
3 4
f g
5
c 2
Exemplo

a foi alterada
a
2
b
3 4
f g
5
c 2
5
14/03/2012
Resposta
Ilimitada
A transição a pode disparar infinitas vezes,
colocando infinitas fichas no lugar de sua saída
a a a a
a
Exemplo
6
14/03/2012
Resposta
Com M = p1, toda vez que a sequência s=ab é

disparada uma ficha é introduzida em p3
A rede é ilimitada
Rede viva / quase-viva
7
14/03/2012
Transição quase viva
Uma transição é quase viva se é possível

sensibilizá-la por uma marcação M’ do grafo de
marcações acessíveis a partir da marcação
inicial M
Se e somente se existe uma sequência de

disparo s tal que:
s t
∃s | M 
→ M ' e M' 
→
Transição viva
A transição deve poder ser sensibilizada a partir

de qualquer marcação M’ do grafo de
marcações acessíveis através de uma sequência
s de disparo:
st
∀M'∈ A(R, M), ∃s | M' 
→
8
14/03/2012
Exemplo
Classifique as transições quanto à vivacidade
Resposta
Transição d é quase viva, pois pode ser

disparada uma vez, mas depois fica bloqueada,
não sendo sensibilizada por nenhuma marcação
Transições a,b,c,e,f são vivas, pois para
qualquer marcação acessível a partir de M é
possível encontrar uma sequência s que leva a
uma marcação que as sensibiliza
9
14/03/2012
Exemplo
Classifique a transição g quanto à vivacidade
Resposta
A transição g pode sempre ser disparada, até

que d seja disparada
É portanto quase viva
10
14/03/2012
Rede marcada viva
Uma rede marcada será viva, se e somente se

todas as suas transições são vivas
st
∀t ∈ T , ∀M '∈ A(R, M), ∃s | M' 
→
Uma rede viva garante que nenhum bloqueio
pode ser provocado pela sua estrutura e que há
ausência de partes nunca atingidas
A interação da rede como o seu ambiente
externo ainda pode provocar bloqueios e zonas
mortas (Ploblemas de interpretação)
Rede Marcada Reiniciável
11
14/03/2012
Rede marcada reiniciável
A partir de qualquer marcação acessível é

possível encontrar uma sequência s que leve a
rede de volta à marcação inicial
s
∀M '∈ A(R, M), ∃s | M' 
→ M
Exemplo
Classifique a rede quanto à reiniciabilidade
12
14/03/2012
Resposta
Rede reiniciável
Exemplo
Classifique a rede quanto à reiniciabilidade
13
14/03/2012
Resposta
Rede não reiniciável
Exercícios
Classifique a rede quanto à limitabilidade,

vivacidade, reiniciabilidade para:
M=[10100]
M=[10110]
M=[10000]
14
14/03/2012
Resposta
M = [10100]: Binária, viva, reiniciável

M = [10110]: Ilimitada, viva, não reiniciável
M = [10000]: Binária, Não viva, não reiniciável
Propriedades estruturais
15
14/03/2012
Propriedades a partir da estrutura da rede e

que não dependem de sua marcação inicial
Componentes conservativos de lugar
Componentes repetitivos estacionários
A partir desses elementos juntamente com as
informações sobre marcação é possível definir:
Invariantes de lugar
Invariantes de transição
Invariantes de Lugar
16
14/03/2012
É quando a soma das fichas de alguns lugares

se conserva independente dos disparos
∀M ∈ A( R, M 0 ), M ( p1) + M ( p 2) = M 0 ( p1) + M 0 ( p 2)
A forma M ( p1) + M ( p 2) = M 0 ( p1) + M 0 ( p 2) é

chamada invariante linear de lugar
Na rede abaixo, a soma M(p1) + M(p2) é

sempre igual a 1:
17
14/03/2012
Um invariante de lugar é uma função da

marcação dos lugares cujo valor é uma
constante que depende apenas da marcação
inicial da rede
É uma restrição sobre os estados e as
atividades do sistema que será sempre
verificada em quaisquer que sejam as evoluções
Componentes conservativos
18
14/03/2012
O conjunto de lugares que fazem parte de uma

invariante de lugar, formam um componente
conservativo da rede
Nessa rede:
p1 e p2 é um componente conservativo pois M(p1)+M(p2) = 1
p4 e p5 é um componente conservativo pois M(p4)+M(p5) = 1
p2, p3, p4 é um componente conservativo pois
M(p2)+M(p3)+3M(p4)=3
Do ponto de vista gráfico, um componente

conservativo define uma sub-rede de Petri
Uma rede de Petri é dita conservativa se todos

os lugares da rede pertencem a um
componente conservativo
19
14/03/2012
Vamos multiplicar a equação fundamental por fT

para obter uma soma ponderada das marcações
fTM’=fTM + fTCs
Para tornar a equação independente das
sequências de disparo, o produto fTC deve ser
anulado
Um componente conservativo é o conjunto de
lugares pi ∈ P correspondentes aos elementos
não nulos fi do vetor coluna f, solução da
equação: fTC = 0 com f > 0
Se f é a solução de FTC, então o invariante de

lugar correspondente é
f T M = f T Mo = cte, ∀M ∈ A(R, Mo)
20
14/03/2012
Exemplo
− 1 1 0 0
 1 −1 0 0 

C = − 1 1 − 3 3 
 
0 0 1 − 1
 0 0 − 1 1 
Exemplo
− 1 1 0 0
 1 −1 0 0 

C = − 1 1 − 3 3 
 
0 0 1 − 1
 0 0 − 1 1 
Usando fTC = 0 com f>0:
f1 = [11000]T f 2 = [00011]T f 3 = [01130]T
21
14/03/2012
Exemplo
Substituindo f1, f2 e f3 em
f T M = f T Mo ∀M ∈ A(R, Mo)
para a marcação inicial Mo = [1 0 3 0 1]T
encontra-se os invariantes de lugar:
I1 : M(p1 ) + M(p 2 ) = M 0 (p1 ) + M 0 (p 2 ) = 1
I 2 : M(p 4 ) + M(p 5 ) = M 0 (p 4 ) + M 0 (p 5 ) = 1
I3 : M(p 2 ) + M(p3 ) + 3M(p 4 ) = M 0 (p 2 ) + M 0 (p 3 ) + 3M 0 (p 4 ) = 3
Exemplo
− 1 1 0 0
 1 −1 0 0 

C = − 1 1 − 3 3 
 
0 0 1 − 1
 0 0 − 1 1 
f 1 = [11000]T f 3 = [01130]T f 5 = [-10130]T
f 2 = [00011]T f 4 = [0110 - 3]T f 6 = [-1010 - 3]T
22
14/03/2012
Exemplo
I1 : M(p1 ) + M(p 2 ) = M 0 (p1 ) + M 0 (p 2 ) = 1

I 2 : M(p 4 ) + M(p 5 ) = M 0 (p 4 ) + M 0 (p 5 ) = 1
I3 : M(p 2 ) + M(p3 ) + 3M(p 4 ) = M 0 (p 2 ) + M 0 (p3 ) + 3M 0 (p 4 ) = 3
I 4 : M(p 2 ) + M(p3 ) − 3M(p5 ) = M 0 (p 2 ) + M 0 (p3 ) − 3M 0 (p5 ) = 0
I5 : - M(p1 ) + M(p3 ) + 3M(p 4 ) = - M 0 (p1 ) + M 0 (p3 ) + 3M 0 (p 4 ) = 2
I 6 : - M(p1 ) + M(p3 ) − 3M(p5 ) = - M 0 (p1 ) + M 0 (p3 ) − 3M 0 (p5 ) = -1
Determinação de f
O conjunto de soluções de fTC = 0 com f > 0,

formam um espaço vetorial e o que interessa é
encontrar uma base para esse espaço
A dimensão desse espaço é dado por:
dim = n − r
n é o número de lugares
r é o posto (número de linhas ou colunas LI) da
matriz
23
14/03/2012
Determinação de f
Para essa rede, a dimensão é igual a 3

Necessita-se apenas de 3 vetores f
Para efeitos de análise, é melhor que os
invariantes de lugar sejam todos positivos,
nesse caso a solução seria:
f 1 = [11000]T f 2 = [00011]T f 3 = [01130]T
Determinação de f
Resolver pelo método de triangularização de

Gauss
f inicialmente é uma matriz identidade
As operações nas linhas de C, também são
realizadas nas colunas de f
24
14/03/2012
Determinação de f
− 1 1 0 0 1 0 0 0 0
 1 −1 0 0  0 1 0 0 0
 
C 0 = − 1 1 − 3 3  F0 = 0 0 1 0 0
   
0 0 1 − 1 0 0 0 1 0
 0 0 − 1 1  0 0 0 0 1
Determinação de f
1 − 1 0 0 − 1 1 − 1 0 0
0 0 0 0  0 1 0 0 0
 
C1 = 0 0 − 3 3  F1 =  0 0 1 0 0
   
0 0 1 − 1 0 0 0 1 0
0 0 − 1 1   0 0 0 0 1
25
14/03/2012
Determinação de f
1 0 0 − 1 − 1 0 − 1 0 1
0 1 − 1 0  0 0 0 0 1
  
C 2 = 0 3 − 3 0  F2 =  0 0 1 0 0
   
0 − 1 1 0 0 0 0 1 0
0 0 0 0   0 1 0 0 0
Determinação de f
1 0 0 − 1 − 1 0 − 1 0 1
0 1 − 1 0  0 0 0 0 1
 
C 3 = 0 0 0 0 F3 =  0 0 1 0 0
   
0 0 0 0 0 0 0 1 0
0 0 0 0   0 1 − 3 1 0
26
14/03/2012
Determinação de f
− 1 0 − 1 0 1
0 0 0 0 1

F3 =  0 0 1 0 0
 
0 0 0 1 0
 0 1 − 3 1 0
 − 1 0  1 
0 0  1 
     
f1 =  1  f 2 = 0  f 3 = 0
     
0 1 0
− 3 1 0
Determinação de f
Esse método, pode levar a soluções em que as

invariantes de lugar são não positivas
A seguir é apresentado um algoritmo para
utilizar com esse método para obter soluções
que levem a invariantes positivos
27
14/03/2012
Cálculo de f
A ideia é calcular apenas as colunas da matriz F

que correspondem às n-r componentes da base
das soluções de f
As operações efetuadas sobre as linhas de C
são memorizadas sob a forma de somas formais
em F
1 2  f1 1 2  f1 
C=   C=  
1 4 f2 0 2 f2 - f1
Cálculo de f: Passo 1
Procurar uma coluna que possua um só termo

diferente de zero:
Apagar a linha e a coluna associada a esta
variável
Repetir enquanto possível
28
14/03/2012
Procurar uma coluna tendo apenas um

componente não nulo com um determinado
sinal, sendo que os outros devem ser nulos ou
terem sinal contrário
Efetuar combinações positivas de linhas de modo
a provocar o aparecimento de zeros na coluna
considerada
Voltar ao passo 1
Se não encontrar essa coluna, ir para 3
Procurar uma coluna tendo i ≥ 2 componentes

não nulos positivos e j ≥ 2 componentes não
nulos negativos
Anular j − 1 componentes negativos com a ajuda
dos componentes positivos
Voltar ao passo 2 para eliminar a variável que
corresponde a um único componente negativo não
anulado
Se nenhuma coluna corresponder a esse
critério, ir para o passo 4
29
14/03/2012
Se existe uma coluna tendo todos os

componentes de mesmo sinal
A base não possuirá apenas soluções positivas
Eliminar essa coluna por Gauss
Voltar ao passo 1
Ou todas as colunas são nulas, ou a matriz não
possui mais nenhum elemento e o algoritmo
termina
As combinações não apagadas de F fornecem
os vetores da base
Cálculo de f: Exemplo
− 1 1 0 0   f 1
 1 −1 0 0   f 2

C 0 = − 1 1 − 3 3   f 3
  
0 0 1 − 1  f 4
 0 0 − 1 1   f 5
30
14/03/2012
Passo 2 na coluna 1 de C
− 1 1 0 0   f 1 0 0 0 0  f 1+ f 2
 1 −1 0 0   f 2 1 − 1 0 0   f 2 
 
C 0 = − 1 1 − 3 3   f 3 C1 = 0 0 − 3 3   f 3 + f 2
     
0 0 1 − 1  f 4 0 0 1 − 1  f 4 
 0 0 − 1 1   f 5 0 0 − 1 1   f 5 
0 0 0 0  f 1+ f 2
1 − 1 0 0 0 0  f 1+ f 2
 0   f 2  0 − 3 3   f 2 + f 3
C 2 = 0 0 − 3 3   f 3 + f 2  C3 =   
   0 1 − 1  f 4 
0 0 1 − 1  f 4    
0 0 − 1 1   f 5  0 − 1 1   f 5 
31
14/03/2012
0 0 0  f 1+ f 2 0 0 0  f 1+ f 2 
0 − 3 3   f 2 + f 3 0 0 0   f 2 + f 3 + 3 f 4
 
C3 =    C4 = 
0 1 − 1  f 4  0 1 − 1  f4 
     
0 − 1 1   f 5  0 0 0  f 5 + f 4 
0 0 0  f 1+ f 2 
0 0 0   f 1+ f 2 
0 0   f 2 + f 3 + 3 f 4
 
C4 =  C5 = 0 0  f 2 + f 3 + 3 f 4
  
0 1 − 1  f4 
   0 0  f 4 + f 5 
0 0 0  f 5 + f 4 
32
14/03/2012
0 0  f 1+ f 2 
C 2 = 0 0  f 2 + f 3 + 3 f 4
  
0 0  f 4 + f 5 
Resta apenas zeros em C e o algoritmo termina
A base à direita descreve as manipulações nas
linhas C e colunas de F
Substituindo fi pela coluna i de F0 obtém-se a base:
1  0 0
1  1  0
     
0 , 1  , 0
     
0 3 1 
0 0 1
Exercício
Encontrar os componentes conservativos e os

invariantes de lugar da rede para Mo = [0101]T
− 1 1 0 
 1 −1 0 
C= 
 0 1 − 1
 
 0 −1 1 
33
14/03/2012
Resposta
Usando fTC = 0 com f>0:

f 1 = [1100]T f 2 = [0011]T
Substituindo f1 e f2 em
f T M = f T Mo ∀M ∈ A(R, Mo)
para a marcação inicial Mo = [0 1 0 1]T
encontra-se os invariantes de lugar:
I1 : M(p1 ) + M(p 2 ) = M0(p1 ) + M0(p 2 ) = 1
I 2 : M(p3 ) + M(p 4 ) = M0(p3 ) + M0(p 4 ) = 1
34
14/03/2012
Invariante de transição
O disparo da sequência s = cd leva de volta à

mesma marcação
Essa sequência é um invariante de transição,

pois o disparo não modifica a marcação da rede
O invariante de transição corresponde a uma
sequência cíclica de eventos que pode ser
repetida indefinidamente
Componentes repetitivos
35
14/03/2012
O conjunto de transições do invariante forma

um componente repetitivo estacionário
Usando M’ = M+Cs, para ter M’=M, Cs=0
Toda a solução dessa equação é chamada
componente repetitivo estacionário e a
sequência s é dita invariante de transição
Uma rede é repetitiva, se todas as transições t ∈ T
pertencem a um componente repetitivo
Pode-se calcular os componentes repetitivos

estacionários da mesma forma que se encontra
os componentes conservativos, bastando
calcular a transposta de C (inverter lugares e
transições)
A dimensão desse espaço é dado por:
dim = m − r
m é o número de transições
r é o posto (número de linhas ou colunas LI) da
matriz
36
14/03/2012
Exemplo
− 1 1 − 1 0 0   f 1 
 1 −1 1 0 0   f 2
T
C = C0 = 
 0 0 − 3 1 − 1  f 3
  
0 0 3 − 1 1   f 4
Exemplo
1  0 
0 0 0   f 1 + f 2  1  0 
Cx =    s1 =   s2 =  
0 0 0   f 3 + f 4  0  1 
   
0  1 
Um componente repetitivo estacionário formado

por a e b
por c e d
Um invariante de transição s=ab
Um invariante de transição s=cd
37
14/03/2012
Exercício
Encontrar os componentes repetitivos

estacionários e os invariantes de transição da
rede para Mo = [0101]T
− 1 1 0 
 1 −1 0 
C= 
 0 1 − 1
 
 0 −1 1 
Resposta
Usando fTCT = 0 com f>0: f = [111]T

1

por a,b,c
Um invariante de transição s=abc
38
14/03/2012
Exercício
Considerando o exemplo dos reatores:

Encontrar a matriz de incidência
Encontrar os componentes conservativos
Encontrar os invariantes de lugar
Encontrar os componentes repetitivos
estacionários
Encontrar os invariantes de transição
Bibliografia


39
17/03/2012
ENG 04048
Prof. Marcelo Götz


UFRGS
Revisão
Limitabilidade
Vivacidade
Reiniciabilidade
Invariantes lineares de lugar
Componentes repetitivos estacionários
1
17/03/2012
Análise das propriedades das redes

de Petri
Tipos de análise
Análise por enumeração das marcações

Análise estrutural
Análise por redução
2
17/03/2012
Análise por enumeração de

marcações
Introdução
Método válido apenas para redes marcadas

Se mudar a marcação inicial é necessário fazer
uma nova análise
Baseia-se na construção de um grafo de
marcações acessíveis
É possível verificar todas as propriedades da
rede
3
17/03/2012
Introdução
Se a rede é ilimitada:
s
∃M, M' ∈ A(R, M) | M 
→ M' e M' > M
Existe uma sequência finita de disparos que

pode se repetir indefinidadamente e quando
aplicada leva sempre a uma nova marcação,
maior que a anterior
Árvore de cobertura
Algoritmo que permite decidir se uma rede

marcada é limitada
Basea-se na construção de uma árvore onde os
nós são a marcação da rede e os arcos as
transições
Parte-se da marcação inicial e cada transição
sensibilizada dá origem a um ramo e o processo
se repete para as novas marcações obtidas
4
17/03/2012
Árvore de cobertura
Um ramo termina quando é encontrada uma

marcação:
Igual a uma outra já calculada
Estritamente superior a uma marcação do ramo
que está sendo explorado (rede ilimitada)
Exemplo
P1 P2 [110]
a
a
P3
[001]
b
b [110]
5
17/03/2012
Exemplo 2
[1000]
t1
[0110]
t2 t2 t3
P2
P1 P4
[1010] [0011]
t1
t1
P3 t3 [0120]
t2 t3
[1020] [0021]
Exemplo 2
Padrão da árvore:
Cada ramo direito leva a um estado terminal
(bloqueio mortal), com uma ficha a mais em p3
Cada ramo esquerdo se repete, mas com uma
ficha a mais em p3
A rede é ilimitada devido ao lugar p3
6
17/03/2012
Definições do algoritmo
Nó raiz: Corresponde a marcação inicial da rede

Nó terminal: Um nó em que nenhuma transição
pode disparar
Nó duplicado: Um nó idêntico à outro
considerando o caminho da raiz até esse nó
Dominância de nó: Considerando x e y estados

tal que x = [x(p1 ),..., x(p n )] y = [y(p1 ),..., y(p n )] ,
x domina y (x > d y) quando:
x(p i ) ≥ y(p i ) para todos os i = 1,..., n

e
x(p i ) > y(p i ) para pelo menos um i = 1,..., n
7
17/03/2012
Dominância de nó:
No exemplo 2:
[1 0 2 0] > d [1 0 1 0]
[1 0 2 0] não domina [0 1 1 0]
Simbolo w: Representa a marcação infinita de

um lugar ilimitado
Usado para identificar uma dominância de nó na
rede
Quando x(pi)>y(pi) trocamos o valor de x(pi) por
w
A adição ou subtração de fichas no lugar onde a
marcação é w, não altera essa marcação
w±k = w
8
17/03/2012
Simbolo w:
Por exemplo:
[1 0 1 0] > d [1 0 0 0]
[1 0 1 0] = [1 0 w 0]
Algoritmo: Passo 1
Inicializa a árvore
x=x0
Raiz = M0
Marcar esse nó como Novo
9
17/03/2012
Algoritmo: Passo 2
Para cada novo nó x, verifica quais transições

estão sensibilizadas f(x,tj) para todas transições
Se nenhuma transição está sensibilizada, marcar
esse nó x como Terminal
Se f(x,tj) é definida para alguma tj, criar um novo
nó x’= f(x,tj) e marcar esse nó como Novo
Algoritmo: Passo 3
Para cada nó x’ criado:

Se x(pi)=w para algum pi, então x’(pi)=w
Se existe um nó y do caminho da raiz até o nó x
tal que x’ >d y, então x’(pi)=w para cada pi tal que
x’(pi)>y(pi)
Caso contrário x’(pi) é obtido de f(x,tj)
Se x’ for idêntico a outro nó do caminho da raiz
até o nó x, então marcar x’ como Duplicado
10
17/03/2012
Algoritmo: Passo 4
Se todos os novos nós foram marcados como

duplicados ou terminais, então parar o
algoritmo, se não voltar ao passo 2
Exemplo: Passo 1
[1000]
Novo
P2 t2
P1 P4
t1
P3 t3
11
17/03/2012
Exemplo: Passos 2,3,4

[1000]
Novo
t1
[0110]
P2 t2 Novo
P1 P4
t1
P3 t3
Exemplo: Passo 2
[1000]
Novo
t1
[0110]
P2 t2 Novo
P1 P4 t2 t3
[1010] [0011]
t1
Novo Novo
P3 t3
12
17/03/2012
Exemplo: Passos 3,4

[1000]
Novo
t1
[0110]
P2 t2 Novo
P1 P4 t2 t3
[10w0] [0011]
t1
Novo Novo
P3 t3
Exemplo: Passo 2
[1000]
Novo
t1
[0110]
P2 t2 Novo
P1 P4 t2 t3
[10w0] [0011]
t1
Novo Terminal
P3 t3
t1
[0120]
Novo
13
17/03/2012
Exemplo: Passo 3,4

[1000]
Novo
t1
[0110]
P2 t2 Novo
P1 P4 t2 t3
[10w0] [0011]
t1
Novo Terminal
P3 t3
t1
[01w0]
Novo
Exemplo: Passo 2,3,4

[1000]
Novo
t1
[0110]
P2 t2 Novo
P1 P4 t2 t3
[10w0] [0011]
t1
Novo Terminal
P3 t3
t1
[01w0]
Novo
t2 t3
[10w0] [00w1]
Duplicado Novo
14
17/03/2012
Exemplo: Passo 2,3,4

[1000]
Novo
t1
[0110]
P2 t2 Novo
P1 P4 t2 t3
[10w0] [0011]
t1
Novo Terminal
P3 t3
t1
[01w0]
Novo
t2 t3
[10w0] [00w1]
Duplicado Terminal
Exemplo 2
[010]
Novo
15
17/03/2012
Exemplo 2
[010]
Novo
[w10]
Novo
Exemplo 2
[010]
Novo
[w10]
Novo
a s
[w10] [w01]
Duplicado Novo
16
17/03/2012
Exemplo 2
[010]
Novo
[w10]
Novo
a s
[w10] [w01]
Duplicado Novo
a c
[w01] [w10]
Duplicado Duplicado
Exercício
Encontrar a árvore de cobertura da rede:
P1
a P2
P3
2
b
P4
17
17/03/2012
Resposta
[2200]
Novo
P1
a
a P2
[1210]
Novo
P3 a b
2
b
[0220] [1001]
Novo Novo
P4
b a
[0011] [0011]
Terminal Duplicado
Exercício 2
Encontrar a árvore de cobertura da rede:
d
P1
P2 b a
c P3
18
17/03/2012
Resposta
[100]
Novo
b d
d [001] [1w0]
P1
Terminal Novo
b d
P2 b a
[0w1] [1w0]
c P3 Novo Duplicado
c
[0w1]
Duplicado
Resposta
Rede ilimitada, pois apareceu w em pelo menos

um ramo
Transição a é morta, pois não aparece como
rótulo em nenhum arco da árvore
d
P1
P2 b a
c P3
19
17/03/2012
Resposta
b
d
P1 001 100
b a d
P2
d
1w0
c P3
b
0w1
c
Outras propriedades
A árvore de cobertura revela as propriedades da

rede quanto à limitabilidade
Não existe algoritmo que revele as propriedades
quanto à vivacidade e reiniciabilidade
Para verificar essas propriedades:
Primeiro: Verificar se a rede é limitada
Segundo: Construir o grafo de marcações
acessíveis
Terceiro: Utilizar algoritmos de procura em grafos
para verificar essas propriedades
20
17/03/2012
Outras propriedades
A árvore por si só, permite verificar apenas

alguns casos específicos:
Se existir nó terminal, a rede é não viva
Se não existir nó terminal e todos os nós finais
forem duplicados e iguais à raiz, a rede é
reiniciável
Revisão de grafos
Grafo: conjunto V de vértices e um conjunto E

de arcos tal que cada arco de E é associado
com um par não ordenado de vértices de V
Grafo direcionado: É um grafo em que cada
arco é associado com um par ordenado de
vértices
21
17/03/2012
Revisão de grafos
Caminho: Sequência alternada de n+1 nós e n

arcos começando no nó x e terminando no nó y
Caminho elementar: Um caminho de x a y que
passa uma única vez por cada nó
Circuito: Caminho de comprimento não-nulo de
x a x que passa uma única vez por cada arco
Circuito elementar: Ciclo de x a x passando
uma única vez por cada nó (exceto em
x0=xn=x)
Revisão de grafos
Grafo conexo: Se para qualquer par de nós x e

y, existe um caminho de x a y
22
17/03/2012
Revisão de grafos
Grafo fortemente conexo: Se para qualquer par

de nós x e y, existe um caminho de x a y e um
caminho de y a x
Reiniciabilidade
A rede marcada será reiniciável se e somente se

seu grafo de marcações acessíveis for
fortemente conexo
s
∀M i , M j ∈ A(R, M), ∃s | M i 
→ Mj
Existe um caminho (sequência s) entre qualquer

par de nós (marcações)
O que interessa é se existe um caminho entre
qualquer marcação pertencente ao grafo e M0
23
17/03/2012
Vivacidade
A rede marcada será viva se e somente se seu grafo de

marcações acessíveis for fortemente conexo e todas as
transições t ∈ T etiquetarem ao menos um arco do
grafo
t
∀t ∈ T ∃ M i , ∃ M j ∈ A(R, M), | M i 
→ Mj
Se o grafo é fortemente conexo, basta verificar se todas

as transições etiquetam um arco
Se o grafo não é conexo, a rede é viva se em cada
subgrafo fortemente conexo todas as transições
etiquetam ao menos um arco
Passos para a análise por enumeração
1: Verificar se a rede marcada é limitada pela

construção da árvore de cobertura
2: Se a rede marcada é limitada, construir o
grafo de marcações acessíveis
3: Mostrar que esse grafo é fortemente conexo
4: Verificar se toda transição aparece ao menos
uma vez como etiqueta de um arco desse grafo
24
17/03/2012
Exemplo
Exemplo
Como o grafo não é fortemente conexo, a rede

não é reiniciável
As transições a,b,c,e,f são vivas pois fazem
parte dos dois subgrafos fortemente conexos
A transição d é quase viva pois não aparece em
nenhum dos subgrafos
25
17/03/2012
Exemplo 2
Exemplo
É não reiniciável
Todas as transições são vivas, pois fazem parte
do subgrafo fortemente conexo
26
17/03/2012
Análise estrutural
Introdução
A análise é feita pelo cálculo dos componentes

conservativos, repetitivos estacionários e
invariantes correspondentes
Embora nem sempre concludente (Quando ao
menos um lugar não pertence a um
componente conservativo e quando todas as
transições pertencem a algum componente
repetitivo), permite, em alguns casos, obter, de
forma mais simples e rápida, as propriedades
da rede
27
17/03/2012
Qualquer lugar que pertença a um componente

conservativo é limitado
Um lugar que não pertence a um componente
conservativo pode ser limitado, assim uma rede
não conservativa pode ser limitada
Um lugar não limitado não pertence a um
componente conservativo
Uma rede conservativa é limitada para qualquer
marcação, já que todos os lugares são limitados
Uma rede para a qual existe cobertura de

componentes conservativos é limitada qualquer
que seja sua marcação inicial
Com cobertura:
f = f1 + f2 = [11111]T f 1 = [11000]T f 2 = [00111]T
Sem cobertura:
f = f1 + f2 = [11011]T f 1 = [11000]T f 2 = [00011]T
28
17/03/2012
Invariantes de Lugar
A forma linear f T M = f T M o permite calcular um

limite para cada lugar
Como os componentes de f e as marcações são
números não negativos tem-se para um p
qualquer: T
f(p)M(p) ≤ f M o
E o seguinte limite que pode não ser atingido:

f TMo
M(p) ≤
f(p)
Exemplo
f1 = [1 1 1 1 1 0 0 0 0]
f 2 = [0 0 0 0 0 1 1 0 0]
f 3 = [0 0 1 0 0 0 0 1 0]
f 4 = [0 0 0 0 1 0 1 0 1]
29
17/03/2012
Exemplo
f = f1 + f 2 + f 3 + f 4 = [1 1 2 1 2 1 2 1 1]
Como existe cobertura, a rede é conservativa e,

portanto, é limitada
Com o cálculo dos invariantes de lugar, é
possível determinar o limite máximo de fichas
em cada lugar
Exemplo 2
f = f1 + f2 = [11011]T f 1 = [11000]T f 2 = [00011]T
Não existe cobertura, mas para a marcação M0

é limitada (Grafo de marcações acessíveis)
30
17/03/2012
Toda rede viva, limitada e reiniciável é repetitiva

(A recíproca é falsa)
Se a rede não é repetitiva então ou ela é não
viva ou é ilimitada
Uma rede repetitiva pode ser não viva
Em toda rede viva e limitada para uma

marcação inicial existe uma cobertura de
componentes repetitivos estacionários
Limitada: Existe um número finito de marcações
sensibilizando uma dada transição
Viva: Existe sequências de comprimento finito
Limitada e viva: Existe uma sequência repetitiva
31
17/03/2012
Se uma transição não pertence a um

componente repetitivo, então não pertence a
nenhuma sequência que leve novamente à
marcação inicial, pois:
Ou a rede é ilimitada e é impossível retornar a
marcação inicial devido ao crescimento de fichas
Ou a rede é não viva, porque essa transição leva a
um bloqueio, sendo impossível voltar à marcação
inicial
Se a rede é repetitiva nada é possível afirmar

sobre sua vivacidade
Se não é repetitiva ou é não viva ou não
limitada
32
17/03/2012
Exemplo
Para M=[0101]T é limitada, viva e reiniciável,

portanto, é repetitiva
Para M=[1001]T é repetitiva, viva e limitada,
mas não reiniciável
Exemplo 2
A solução para Cs = 0 é s=[000]T

A rede é não repetitiva e, portanto, não viva ou
não limitada
Pelo grafo de marcações acessíveis pode-se
verificar que é não limitada
33
17/03/2012
Análise através de redução
Introdução
Quando o tamanho do conjunto de marcações

acessíveis é grande, torna-se complexo a
implementação do método por análise de
enumeração de marcações
Pode-se aplicar regras de redução de modo que
a rede inicial e a reduzida sejam equivalentes
do ponto de vista das propriedades, tornando
possível a aplicação do método por análise de
enumeração de marcações
34
17/03/2012
Introdução
Duas redes equivalentes não necessariamente

possuem as mesmas sequências de disparo ou
os mesmos invariantes de lugar e transição
As duas redes possuem propriedades gerais que
podem ser verificadas em ambas
Algumas regras que reduzem uma rede, podem
não conservar todas as propriedades
Lugar substituível
Lugar que serve de etapa intermediária entre

duas transições ou conjuntos de transições
O disparo das transições de entrada é condição
suficiente para poder disparar as transições de
saída
A simplificação consiste em fazer a fusão das
transições de entrada e das transições de saída
duas a duas
35
17/03/2012
Lugar substituível
Se ts e uma transição de saída e te uma

transição de entrada, é necessário:
∀q ∈ P, Pre(q, t s ) ≤ Post(q, t e )
O par te ts é substituído pela transição tes :
∀q ∈ P, Pre(q, t es ) = Pre(q, t e ) e
Post(q, t es ) = Post(q, t e ) - Pre(q, t s ) + Post(q, t s )
Eliminando assim o lugar p
Exemplo
36
17/03/2012
Exemplo 2
P1
P2
P1
b
abc
P3
P4
c
P4
Lugar substituível
Se o lugar substituível contém fichas, é

necessário disparar a transição de saída antes
de suprimi-lo. Nesse caso a rede reduzida e a
original não são mais equivalentes do ponto de
vista de reiniciabilidade
Se a transição de saída do lugar substituível não
possui lugares de saída, a rede reduzida e a
original não são mais equivalentes do ponto de
vista da limitabilidade
37
17/03/2012
Lugar implícito
É um lugar redundante do ponto de vista de

sua transição de saída
Sua marcação é combinação linear da marcação
de um conjunto de lugares E
Em relação as suas transições de saída, não
introduz nenhuma condição a mais
Por ser uma combinação linear, ele tem uma
relação com os componentes conservativos
Exemplo
Mostrar que p1 é implícito P4
P2
P1 b
P3
P5
38
17/03/2012
Exemplo
Solução para fTC=0 com f > 0:

f1 = [10011]T f 2 = [01111]T
Considerando a possibilidade de p1 ser um lugar

implícito de p2 e p3:
f = f 2 - f1 = [-11100]T
Aplicando fTM=fTM0: M(p1 ) = M(p 2 ) + M(p 3 )
Exemplo
Conhecendo a marcação de p2 e p3 é possível

calcular a marcação de p1
A única transição de saída de p1 é a transição c,
que necessita também de uma ficha em p3
Se tiver uma ficha em p3 terá uma em p1
também
Logo, p1 pode ser suprimido
39
17/03/2012
Exemplo
P4 P4
a a
P2 P2
P1 b b
P3 P3
c c
P5 P5
Exemplo 2
Verificar se p1 é implícito P4
P2
P1 b
P3
P5
40
17/03/2012
Exemplo 2
Aplicando fTM=fTM0:
M(p1 ) = M(p 2 ) + M(p 3 ) - 1
Se o lugar p2 ou p3 tiverem uma ficha, não é

possível afirmar se p1 terá uma ficha
A marcação da rede modifica a equação que
permite calcular a marcação do lugar implícito
Exemplo 3
Verificar se p1 é implícito P4
P2
d P1 b
P3
P5
41
17/03/2012
Exemplo 3
O disparo da transição d só pode ocorrer após o

disparo da transição a e antes do disparo da
transição c
Se p1 é retirado essa condição de disparo não
existe mais, o que modifica o comportamento
da rede
A transição d não é transição de saída nem do
lugar p2, nem do lugar p3
Não basta que a marcação de p1 seja
combinação linear da marcação de p2 e p3
Lugar idêntico
Lugar implícito facilmente reconhecível

Dois lugares são idênticos se possuem as
mesmas transições de entrada e saída com os
mesmos pesos nos arcos
42
17/03/2012
Lugar implícito degenerado
Lugar implícito facilmente reconhecível

Quando é conectado à rede de Petri somente
por malhas elementares, sendo sua marcação
constante
Transição neutra ou identidade
Transição que não modifica o comportamento

da rede se for retirada
É neutra se e somente se:
Pre(., t) = Post(., t)
É conectada à rede por malhas elementares e
seu disparo não modifica as marcações
43
17/03/2012
Para suprimir uma transição neutra é necessário

ter certeza que ela é viva
Caso contrário a rede reduzida pode ser viva
enquanto a original é não viva
Para isso é necessário ter outra transição viva

na rede reduzida que garanta que a transição
suprimida t é viva na rede original, para isso
uma das seguintes condições é necessária:
Produz uma marcação que sensibiliza t:
∃t1 | Post(., t1 ) = Pre(., t)
Possui as mesmas condições de disparo que t:

∃t 2 | Pre(., t 2 ) = Pre(., t)
44
17/03/2012
Exemplo
A transição t pode ser suprimida
Exemplo 2
Verificar se a transição g pode ser suprimida
Pre(., g) = Post(., g)
45
17/03/2012
Resposta
A transição g pode ser suprimida
Pre(., g) = Pre(., d)
Exemplo 3
Verificar se a transição d pode ser suprimida
Pre(., d) = Post(., d)
46
17/03/2012
Resposta
A transição d não pode ser suprimida

Não existe uma transição que satisfaça alguma
das condições expostas anteriormente
Transições idênticas
Duas transições são idênticas, se e somente se:

Pre(., t1 ) = Pre(., t 2 )
Post(., t1 ) = Post(., t 2 )
47
17/03/2012
Considerações sobre os métodos
Enumeração das marcações acessíveis:

Não é possível utilizar em situações que ocorre
uma explosão combinatória de estados
Não é possível utilizar quando existem lugares não
limitados, como buffers
Nessas situações não é possível mostrar que a
rede é viva ou reiniciável
Existem situações que não é necessário ou
interessante construir o conjunto de marcações
acessíveis
48
17/03/2012
Análise por redução:

Em algumas situações, ao aplicar a regra do lugar
substituível, uma rede não limitada pode ser
transformada em uma rede limitada, permitindo a
análise de vivacidade e reiniciabilidade pelo
método de enumeração
Em caso de anomalia, esse método não produz a
sequência de disparo que leva a um marcação
problema (escondendo vivacidade e limitabilidade)
Análise estrutural:
Fornece informações complementares
Todo lugar que pertence a um componente conservativo
é limitado, embora possa existir lugares limitados que não
pertencem a nenhum componente conservativo
Se uma transição não pertence a nenhum componente
repetitivo estacionário então a rede pode ser não viva ou
não limitada
Os invariantes de lugar permitem mostrar o limite de
fichas em alguns lugares
Os invariantes de transição fornecem condições
necessárias, mas não suficientes
49
17/03/2012
Caracterização das marcações
Marcações acessíveis: Enumerar as marcações

de fato acessíveis a partir de M0, construindo-se
as sequências permitidas de disparo
Equação fundamental: Considerar a equação

fundamental para calcular todas as marcações
positivas obtidas substituindo-se todos os
vetores positivos s>0. Alguns vetores s que são
solução correspondem a sequências que não
podem ser disparadas
Invariantes de lugar: O conjunto de
componentes conservativos associados a uma
marcação M0 definem um outro conjunto de
marcações possíveis
50
17/03/2012
Exemplo
Exemplo
O conjunto de marcações de fato acessíveis,

obtidas pelo grafo de marcações acessíveis,
são:
M 0 = [1 0 0 0]
T
M1 = [0 1 0 0]
T
51
17/03/2012
Exemplo
As marcações positivas obtidas através da

equação fundamental para a marcação inicial
são:
s1 = [1 0 0 0] → M1 = [0 1 0 0]
T T
s 2 = [1 1 1 0] → M 2 = [0 0 0 1]
T T
s 3 = [λ λ λ λ ] → M 0 = [1 0 0 0]
T T
s 4 = [(λ + 1) λ λ λ ] → M1 = [0 1 0 0]
T T
Exemplo
Esses vetores s, correspondem às sequências:

s1=a
s2=abc
s3=(abcd)*
s4=(abcd)*a
O * indica que a sequência pode ser repetir zero, uma ou
infinitas vezes
Correspondem ainda a todas as sequências obtidas
permutando-se a ordem das transições em s2, s3 e s4
52
17/03/2012
Exemplo
Essa rede possui o componente conservativo

fT=[1111]
Para a marcação M0, obtém-se o invariante
linear de lugar:
M(p1 ) + M(p 2 ) + M(p 3 ) + M(p 4 ) = 1
As marcações que satisfazem esse invariante:

M0=p1
M1=p2
M2=p3
M3=p4
Exemplo
M 0 = [1 0 0 0] M1 = [0 1 0 0]
T T
M 0 = [1 0 0 0]
T
M1 = [0 1 0 0]
T
M 2 = [0 0 0 1]
T
M 2 = [0 0 1 0]
T
M 0 = [1 0 0 0]
T
M1 = [0 1 0 0] M 3 = [0 0 0 1]
T T
53
17/03/2012
O único modo de conhecer o verdadeiro

conjunto de marcações acessíveis é o de
calcular o grafo aplicando-se sucessivamente a
equação fundamental
Mas em numerosos casos práticos os três
conjuntos da caracterização das marcações são
idênticos, podendo-se obter informações sobre
o comportamento dinâmico da rede de modo
mais rápido e menos custoso
Casos particulares
54
17/03/2012
Casos particulares
Redes para as quais existem resultados

particulares do ponto de vista da análise
Rede binária e Grafcet
Máquinas de estado
Grafo de eventos
Rede binária e Grafcet
Redes que corresponde a automatismos lógicos,

lugares correspondem a variáveis booleanas
A árvore de cobertura é mais simples pois o
algoritmo pára quando um lugar tem mais de
uma ficha
55
17/03/2012
Máquinas de estado
Redes definida da seguinte maneira:

Toda transição possui somente um arco de entrada
Toda transição possui somente um arco de saída
Essa rede forma um componente conservativo que
passa por todos os lugares, sendo limitada
Modela o conflito, mas não a concorrência nem a
sincronização
Será viva e reiniciável se contém ao menos uma
ficha em cada componente conservativo e se existe
um caminho de cada componente conservativo aos
outros e vice-versa
Grafo de eventos
Redes definida da seguinte maneira:

Todo lugar possui somente um arco de entrada
Toda lugar possui somente um arco de saída
O grafo será limitado se para todo lugar é
possível ter uma sequência de disparo que leve
novamente a transição inicial da sequência,
passando uma vez em um dado lugar
s = t1 t 2 ...t k tal que t 1 = t k
∀(t r , t r +1 )∃p i | p i ∈ Post(t r )p i ∈ Pre(t r +1 )
56
17/03/2012
Grafo de eventos
Para que seja vivo, é necessário que todas as

sequências s = t1t 2 ...t k tal que t 1 = t k passem uma
única vez em um dado lugar e que contenham
pelo menos uma ficha
A rede é salva se e somente se todo lugar que
pertence a essas sequências contém somente
uma ficha
Exemplo
57
17/03/2012
Exemplo
Circuitos:
f1 = [1 1 0 0 0 0] f 2 = [0 1 1 1 1 0]
f 3 = [0 0 0 0 1 1]
Exemplo
Como em cada circuito existe uma ficha, a rede

é viva
Como todos os lugares pertecem a algum
circuito, a rede é limitada
Circuito elementar: Ciclo de x a x passando
uma única vez por cada nó (exceto em
x0=xn=x)
58
17/03/2012
Bibliografia


AGUIRRE, A.; BRUCIAPAGLIA, A. H.; MIYAGI, P. E.;

TAKAHASHI, R. H. C.; Enciclopédia de automática:
controle e automação, volume I. Blucher, 2007.
59
22/03/2012
ENG 04048
Prof. Marcelo Götz


UFRGS
Softwares para redes de Petri
1
22/03/2012
Softwares para redes de Petri

www.informatik.uni-hamburg.de/TGI/PetriNets
TINA – TIme petri Net Analyzer
2
22/03/2012
Características
Analisa redes de Petri ordinárias e redes de

Petri temporais
Apresenta um editor gráfico e outro textual
Permite a simulação gráfica
Informa os componentes conservativos e
repetitivos
Analisa se a rede é limitada, viva e reiniciável
http://homepages.laas.fr/bernard/tina/
Instalação
Realizar o download da distribuição adequada

Descompactar o arquivo em alguma pasta
O executável se encontra na pasta bin:
3
22/03/2012
Execução
Rede de Petri gráfica
4
22/03/2012
5
22/03/2012
6
22/03/2012
7
22/03/2012
Exercício 1
Modelar a rede abaixo no software TINA

Analisar a rede em relação às propriedades
Encontrar os componentes conservativos e
repetitivos
8
22/03/2012
Exercício 2

repetitivos
Exercício 3

repetitivos
9
22/03/2012
Exercício 4

repetitivos
INA – Integrated Net Analyzer
10
22/03/2012
Características
Analisa redes de Petri ordinárias, temporais e de

alto nível
Faz a redução da rede
Realiza análises mais avançadas em relação a
estrutura e performance da rede
Geralmente usado com outras ferramentas
http://www2.informatik.hu-berlin.de/~starke/ina.html
Instalação
Realizar o download da distribuição adequada

Descompactar o arquivo em alguma pasta
Executar o executável
11
22/03/2012
Importar uma rede para análise
Salvar o arquivo na mesma pasta que está o

executável INA
Procurar salvar o arquivo como: net00.pnt
Construir a seguinte rede no TINA e exportar

para a pasta do INA com o nome net00.pnt
12
22/03/2012
13
22/03/2012
Simular a dinâmica da rede
Analisar a rede
14
22/03/2012
Analisar a rede
Reduzir a rede
15
22/03/2012
Reduzir a rede: Fusion
Procura lugares e transições que possuem

exatamente as mesmas conexões
Reduzir a rede: Merging
Junta lugares equivalentes:

Cada lugar possui apenas uma transição de saída
com peso 1
As transições estão ligadas aos mesmos lugares de
saída, diferentes dos lugares equivalentes
16
22/03/2012
Reduzir a rede
Histórico de execução
17
22/03/2012
Histórico de execução
Simular a dinâmica da rede
18
29/03/2012
ENG 04048
Prof. Marcelo Götz


UFRGS
Redes interpretadas
1
29/03/2012
Introdução
Nas redes ordinárias apenas a estrutura é

representada, mas os conflitos não são
resolvidos
Nas redes interpretadas são associadas
variáveis às transições da rede:
Representam condições e ações existentes
Podem indicar estado de atuadores e sensores
Permitem modelar a interação com o ambiente
externo
Introdução
Nas redes ordinárias uma transição é disparada

desde que seja sensibilizada
Por exemplo, t1 pode disparar, levando a uma
marcação que t2 pode disparar, levando a uma
marcação que t1 pode disparar e assim por
diante...
2
29/03/2012
Introdução
Considerando:
p1: peças em espera
p2: peça sendo torneada
p3: máquina livre
t1: inicio de operação
t2: final de operação
Introdução
No sistema real, o tempo entre o início da

operação (t1 dispara) e o final da operação (t2
dispara) corresponde à duração da operação e
é não nulo
Há diferentes formas de representar essa
duração:
Informação temporal
Informação do ambiente externo
3
29/03/2012
Introdução
Informação temporal: O tempo pode estar

implementado no modelo da rede:
Implicitamente: Redes de Petri temporais e
temporizadas
Explicitamente: Através de variáveis. Se M(p1)=1, t2
dispara t segundos após o disparo de t1
O cálculo do tempo transcorrido é uma previsão, não
há nenhuma informação do sistema externo
Introdução
Informação do ambiente externo: Informação é

fornecida pelo sistema real ou simulado
Um sensor ou uma variável é associada à transição t2
Para a transição disparar:
Necessita estar sensibilizada
A variável associada a ela deve ter o valor
verdadeiro
4
29/03/2012
Introdução
Para uma modelagem mais fiel, é necessário

interpretar a rede, que implica em adicionar
condições adicionais de disparo
Uma rede interpretada é uma rede não
autônoma que introduz o tempo, a interação
com o ambiente ou dados contidos na ficha
Uma rede autônoma é aquela que os disparos
dependem apenas da estrutura da rede
Representações
Interpretar implica em dar um sentido concreto

ao modelo matemático, associando aos lugares,
transições e fichas os elementos existentes no
sistema
Lugares:
Atividades de um sistema
Estoques
Condições lógicas
Tarefas sendo executadas
...
5
29/03/2012
Representações
Transições:
Eventos com duração nula na escala de tempo
Atividades ou tarefas indivisíveis ou não
interrompíveis
Representações
Fichas:
Objetos físicos
Informações
Estruturas de dados
Estruturas de recursos
Tais entidades são submetidas a eventos que
lhes fazem mudar de estado (passar de um
lugar a outro)
6
29/03/2012
Interações com o ambiente
Os tratamentos realizado por um sistema

devem ser especificados durante a modelagem,
complementando as informações da estrutura
da rede
Esses tratamentos são associados às transições
ou lugares:
Quando associado à transição, o tratamento é
executado de maneira não interrompível
Quando associado ao lugar, o tratamento acontece
durante todo o tempo que o lugar estiver marcado
Interações com o ambiente
A estrutura da rede descreve os encadeamentos

dos tratamentos a serem efetuados, definindo
uma estrutura de controle do sistema modelado
7
29/03/2012
Estrutura do sistema
Modelar um sistema que se comunique

continuamente com o ambiente externo
utilizando a rede de Petri, consiste em
estrututurá-lo em duas partes:
Controle: Descreve todos os encadeamentos
potenciais de eventos e de atividades. É descrita pela
rede não interpretada
Dados: Descreve as estruturas de dados e os
cálculos que são feitos sobre esses dados
Os dados abrangem as informações internas,

externas e a representação do tempo
Podem ser:
As condições
Os tratamentos ou ações
8
29/03/2012
A interpretação da rede especifica as ligações

entre a parte de controle, dados e o ambiente
externo
A interpretação exprime-se da seguinte forma:

Associação de condições às transições
Associação de ações às transições
Associação de tratamento aos lugares
9
29/03/2012
A rede de petri interpretada oferece uma boa

estruturação da parte de controle, mas não
existe um método para estruturar os dados
As redes de Petri do tipo predicado-transição,
colorida e a objetos, propõem a estruturação
dos dados, a partir da noção de individualização
da ficha
Tempo explícito
Através de variáveis booleanas aparecendo nas

condições e nas ações associadas as transições,
cujos valores dependem do tempo
Considerando mon(θ ) uma variável booleana,
se seu valor é “0”, ela automaticamente assume
valor “1” após uma duração θ
10
29/03/2012
Tempo explícito
Quando t1 dispara: mon(θ ) = 0

Se t2, sensiblizada pelo disparo de t1, possui a
condição mon(θ ) = 1 :
O intervalo de tempo entre o disparo de t1 e t2
será θ
Isso corresponde à duração da atividade associada
ao lugar p2
Análise
A rede de Petri descreve a parte de controle do

sistema
A marcação fornece o estado do controle
O estado do sistema é descrito pela marcação
associada ao estado dos dados
11
29/03/2012
Análise
Para uma transição poder disparar, deve estar

sensibilizada na rede não interpretada, mas a
interpretação pode fazer com que essa
transição não seja disparada
O conjunto de marcações acessíveis de uma
rede interpretada está incluído no conjunto de
marcações acessíveis antes da interpretação
Análise
Uma transição que é viva na rede não

interpretada, pode ser não viva na rede
interpretada e algumas marcações nunca serão
alcançadas
A limitabilidade e os invariantes de lugar se
conservam
A vivacidade e reiniciabilidade podem ser
diferentes
12
29/03/2012
Análise
Mesmo as redes podendo ter propriedades

diferentes, a concepção e validação de um
sistema complexo deve ser feita em etapas
A análise de uma rede não interpretada é mais
fácil e permite a evidência de incoerências
A complexidade de verificação de uma rede
interpretada é a mesma da prova formal de
programa
Simulação
A rede interpretada pode ter apenas a rede

subjacente (não interpretada) analisada
Para maiores informações, é necessário simulá-
la, testando ao menos o comportamento do
sistema para as configurações previstas
13
29/03/2012
Passos para a modelagem
Encontrar a estrutura da rede

Analisar a rede subjacente
Simular a rede interpretada
Encontrar a estrutura da rede
Consiste em encontrar a rede subjacente,

representando as atividades concorrentes,
paralelas, e em sequência
Descrever quais os eventos associados às
transições e como representá-los, indicando
aqueles que exigem interação com o ambiente
externo
14
29/03/2012
Analisar a rede subjacente
Verificar se possui boas propriedades

(limitabilidade, vivacidade, reiniciabilidade)
Verificar principalmente se existe bloqueio
mortal
Corrigir a parte estrutural e a de dados
Simular a rede interpretada
Tentar obter o comportamento do sistema

modelado
A simulação irá apresentar resultados apenas
sobre o conjunto de valores de entrada
escolhidos, não sendo possível simular todas as
combinações de valores de entrada
15
29/03/2012
Exemplo
Automação de uma estação de coleta de

petróleo
Sua função é receber o petróleo bruto proveniente
de poços vizinhos e transferir o volume produzido
para oleodutos que conduzem para estações de
armazenamento de maior capacidade
Exemplo
Descrição:
Tanque de armazenamento(TQ): Recebe o petróleo
continuamente através da tubulação ligada aos
poços produtores
Quando atinge o nível alto (LSH), aciona-se uma
bomba B1 que faz a transferência do óleo a estação
central
A bomba redundante B2 é ativada, se a B1 não for
ligada dentro de um intervalo de 2 segundos
Quando o nível for baixo (LSL), a bomba deve ser
desligada
16
29/03/2012
Exemplo
Nome Condição Ação
Nível Alto Detectado LSH = 1
Liga B1 Start_B1
Liga B2 Start_B2
Timeout B1 monoestável (2)
Timeout B2 monoestável (2)
B1 Ligada B1 = 1
B2 Ligada B2 = 1
Nível Baixo Detectado LSL = 1
Desliga B1 Stop_B1
Desliga B2 Stop_B2
B1 Desligada B1 = 0
B2 Desligada B2 = 0
Exemplo
17
29/03/2012
Exemplo
Após analisar a rede ordinária, devido aos

dados externos e os Timeouts, é necessário
simular o sistema e verificar as condições que
podem ocorrer devido à rede interpretada
Exercício
Quando ocorrer bloqueio da tubulação a jusante,

a pressão na descarga vai aumentar
significamente
Essa pressão é detectada por um pressostato PSH
As bombas devem ser desligadas quando
PSH = 1
Esse sinal deverá ser ignorado se ocorrer por um
tempo inferior a 30 segundos após o acionamento
da bomba (Transientes)
18
29/03/2012
Exercício
Acrescentar essa possibilidade no modelo,

analisar a rede ordinária e simular a rede
interpretada, considerando:
Cenário 1: PSH = 1 até as bombas serem
desligadas
Cenário 2: PSH = 1 apenas durante o
transiente
Bibliografia
CARDOSO, J.; VALETTE, R.; Redes de Petri: Disponível

online em
19
02/04/2012
ENG 04048
Prof. Marcelo Götz


UFRGS
Redes de Petri representadas no

tempo
1
02/04/2012
Introdução
Tempo associado à estrutura da rede

Faz parte do controle ao invés de ficar na parte
de dados
Permite tratar problemas como os de
escalonamento e avaliação de desempenho
Tipos de representação:
Rede de Petri temporizada
Rede de Petri temporal
Rede de Petri temporizada
2
02/04/2012
Tempo associado ao lugar
Trata-se de colocar um tempo associado a

duração da atividade representada pelo lugar
Quando a ficha chega no lugar no instante t , só
poderá deixar o mesmo após t + φ instantes
O lugar p pode desdobrar-se na sequência

lugar-transição-lugar (p1-t’-p2), pois p1 é
substituível (redes equivalentes)
p1 corresponde a atividade sendo executada
t’ corresponde ao evento tempo transcorrido
p2 corresponde a uma espera após a finalização
da atividade
3
02/04/2012
A ficha pode estar em dois estados:

Indisponível: Enquanto a atividade está sendo
executada a ficha não pode ser utilizada para
sensibilizar transições
Disponível: Pode sensibilizar transições
Sendo M d (p) o conjunto de fichas disponíveis

no lugar p, uma transição t está sensibilizada se
e somente se:
M d (p) ≥ Pre(p, t)
4
02/04/2012
Exemplo
t1
p1 d1
t2
t1 dispara
Ficha de p1 indisponível d1
Ficha de p1 disponível
t2 dispara
Exercício
Considerando que cada transição dispara assim que

esteja sensibilizada, quanto tempo depois do disparo de
t0, t4 vai disparar?
t0
p1 d1=2
p3
t1
d3=2
p2 d2=3
t3
t2 d4=2
p5 d5=3 p4
t4
5
02/04/2012
Tempo associado à transição
O disparo não é instantâneo e associa-se a cada

transição uma duração de disparo
Isso representa um atraso durante o qual as
fichas utilizadas para disparar a transição não
são visíveis ou disponíveis em nenhum lugar
No momento em que as fichas se tornam
visíveis, podem ser usadas por qualquer
transição de saída do lugar
Isso só faz sentido se a transição é interpretada
como uma atividade não instantânea
Pode-se substituir a transição por uma

sequência: transição-lugar-transição
A primeira transição corresponde ao evento
instantâneo de início de atividade (retirada de
fichas dos lugares de entrada)
6
02/04/2012
O lugar serve para memorizar a atividade como

sendo executada (fichas ficam invisíveis)
A última transição corresponde ao evento
instantâneo de fim de atividade (fichas
colocadas nos lugares de saída)
O disparo da primeira transição reserva as

fichas, que só podem ser utilizadas para o
disparo de t
As fichas podem estar:
Reservadas(Mr)
Não reservadas (Mnr)
Somente as fichas não reservadas podem
disparar transições
7
02/04/2012
A marcação é dada por:
M = M r + M nr
Definição
A rede de Petri temporizada pode associar

tempo ao lugar ou à transição, as duas
abordagens são equivalentes
As fichas ficam indisponíveis ou reservadas
durante um certo tempo para depois
reaparecerem na marcação
8
02/04/2012
Definição
Uma rede de Petri temporizada é um par:

Nt = < N, Θ f >
N é uma rede de Petri <P,T,Pre,Post> com
marcação inicial M0
Θ f é a função duração de disparo, que associa
a cada transição ou lugar um numero racional
positivo que descreve a duração do disparo ou
duração do que representa o lugar
Exemplo
Considere que a rede é temporizada, com o

tempo associado às transições
A cada transição ti é associado uma duração de
disparo θ i
9
02/04/2012
Exemplo
A transição t1 é disparada no instante τ 1 , mas a

ficha somente será visível em p2 no instante
τ 1 + θ1 sensibilizando nesse momento t2
Se a transição t4 (não temporizada) é disparada
no tempo t2, p3 é imediatamente marcado
As transições t2 e t3 estarão em conflito após o
tempo de: max[(τ 1 + θ1 ),τ 2 ]
Rede de Petri temporal
10
02/04/2012
Introdução
Associa-se a cada transição uma duração de

sensibilização
O disparo é instantâneo, mas a transição deve
estar sensibilizada durante o intervalo de tempo
dado
Introdução
Um intervalo (θ min , θ max ) é associado a cada

transição
A duração da sensibilização deve ser maior que
θ min e menor que θ max
A transição deve disparar antes de θ max
11
02/04/2012
Introdução
Diferente do modelo de rede de Petri

temporizada, durante a sensibilização de uma
transição, as fichas continuam a ser vistas por
outras transições de saída do lugar que podem
disparar e deixar a transição não sensibilizada
Pode-se associar um intervalo [a,a] a uma
transição para representar uma duração a
Se a transição estiver sensibilizada no tempo τ ,
ela irá disparar no tempo τ + a , caso continue,
nesse instante, sensibilizada pela marcação
Definição
Uma rede de Petri temporal é um par:
N tl = < N , θ >
N tl é uma rede de Petri <P,T,Pre,Post> com
marcação inicial M0
θ (t ) = [θ min (t ), θ max (t )] é a função que associa
um intervalo fechado racional a cada transição e
que descreve uma duração de sensibilização
12
02/04/2012
Exemplo
Considere que a rede é temporal

A cada transição ti é associado uma duração de
sensibilização dada pelo intervalo:
θ i = [θ min (ti ),θ max (ti )]
Exemplo
Se a transição t1 disparar no instante

τ 1 , τ 1 ∈ (θ min (t1 ), θ max (t1 ))
O lugar p2 estará marcado nesse instante

Então a transição t2 pode disparar em τ 1 + θ 2
13
02/04/2012
Exemplo
Se a transição t4 for disparada no instante τ 2

A transição t3 só poderá disparar no tempo
max(τ 1 ,τ 2 ) + θ 3
Exemplo
O conflito entre t2 e t3 existirá em função da

relação entre os instantes em que os lugares p2
e p3 estarão marcados e dos valores de θ 2 , θ 3
Se θ 3 = 0, θ 2 ≠ 0 e τ 1 > τ 2 , p3 já poderá
disparar em τ 1 , enquanto t2 deve aguardar
14
02/04/2012
Exemplo
Se θ 3 ≠ 0 , o conflito existe durante a

interseção dos intervalos:
(τ 1 + θ 2 ) e max(τ 1 ,τ 2 ) + θ 3
Exemplo: Mecanismo de watchdog
Um watchdog timer é um temporizador que

reinicializa um sistema se não for reiniciado por
esse sistema antes do tempo programado
Geralmente, o programa principal deve
periodicamente reiniciar o watchdog timer,
indicando que está em operação
Alguma condição de erro (bloqueio mortal),
pode fazer o programa parar e não conseguir
reiniciar esse timer, sendo então reiniciado
15
02/04/2012
Modelagem por uma rede temporal:

Associa-se uma duração de sensibilização a
transição fim2
Se após o tempo θ , a ficha ainda estiver no lugar
espera, o alarme é acionado
Se durante esse tempo, chegar uma ficha no lugar
condição, a transição fim1 dispara
Não é possível modelar esse comportamento

por uma rede temporizada:
Um tempo associado ao lugar espera atrasaria o
disparo de fim1, mesmo se o lugar condição
tivesse uma ficha mais cedo
Um tempo associado à transição fim2 faria com
que a ficha contida no lugar espera fosse
imediatamente reservada e que o alarme fosse
acionado após θ , mesmo se a se uma ficha
tivesse chegado durante esse tempo ao lugar
condição
16
02/04/2012
Comparação entre os dois modelos
Rede de Petri temporal é mais geral, por

exemplo, permite a descrição de watchdogs
Para passar de uma rede de Petri temporizada
para uma rede temporal, basta substituir a
transição t da primeira por uma sequência t1t2:
θ min (t1 ) = θ max (t1 ) = 0
θ min (t 2 ) = θ max (t 2 ) = θ(t)
Comparação entre os dois modelos
As redes de Petri ordinárias correspondem ao

caso em que todos os intervalos de
sensibilização são iguais a:
[0, ∞]
17
02/04/2012
Considerações
A rede será determinística caso o atraso seja

conhecido ou determinado
Nas redes temporais a duração de sensibilização é
uma variável dentro de um intervalo, sendo que os
valores são igualmente distribuídos
A rede será estocástica caso o atraso seja
probabilístico (Redes de Petri estocásticas)
Nas redes estocásticas a duração de sensibilização
é uma variável com uma distribuição de
probabilidade exponencial
Bibliografia

AGUIRRE, A.; BRUCIAPAGLIA, A. H.; MIYAGI, P. E.;

TAKAHASHI, R. H. C.; Enciclopédia de automática:
controle e automação, volume I. Blucher, 2007.
18
04/04/2012
ENG 04048
Prof. Marcelo Götz


UFRGS
Redes de Alto Nível
1
04/04/2012
Introdução
Utilizados em sistemas com estruturas similares

Representação de um sistema de grandes
dimensões com estruturas de alto nível
relativamente menores
Tipos:
Redes coloridas
Redes predicado-transição
Redes a objetos
Rede de Petri colorida
2
04/04/2012
Introdução
Definição
Uma rede de Petri colorida associada a uma

marcação inicial é uma sêxtupla dada por:
N c =< P, T, C or , C sc , W, M 0 >
P é um conjunto finito de lugares
T é um conjunto finito de transições
Cor é um conjunto finito de cores
Csc é a função sub-conjunto de cores que a cada
lugar e a cada transição associa um subconjunto
de Cor (Cores possíveis para o lugar ou transição)
3
04/04/2012
Definição
N c =< P, T, C or , C sc , W, M 0 >
W é a função de incidência (equivale a C=Post–Pre);

M0 é a marcação inicial que associada para cada lugar e
para cor possível neste lugar um número de fichas;
Associação de cores às fichas
Para diferenciar as fichas, são associadas cores

(números inteiros ou conjunto de etiquetas) às
fichas;
Cada lugar possui um conjunto de cores das
fichas que podem pertencer a este lugar;
Cada transição possui um conjunto de cores que
correspondem às diferentes maneiras de
disparar uma transição;
Cada cor de transição, corresponde, a uma das
transições de uma rede ordinária equivalente;
4
04/04/2012
Exemplo
Considere um sistema que possui três máquinas

M1, M2, M3.
As peças que entram na oficina podem pertencer
a diferentes processos de fabricação, cada um
tendo uma sequência de operações.
Considerando uma só máquina e uma só peça:
Exemplo
Considerando três peças pertencentes a dois

processos de fabricação diferentes (Pr1 e Pr2):
Pr1: M1 – M2 – M3
Pr2: M2 – M1 – M3
5
04/04/2012
Exemplo
Considerando três peças e três máquinas

modeladas pela rede colorida:
Exemplo
O conjunto de cores do lugar PC é {pc1,pc2,pc3} e

representa o conjunto dos nomes das peças
O conjunto de cores do lugar MAQ é {maq1,maq2,maq3}
e representa o conjunto dos nomes das máquinas
O conjunto de cores do lugar US é {pc1.maq1,pc2.maq1,
pc3.maq1, pc1.maq2,...}, que correspondem as diferentes
operações de usinagem, denotadas por u11,u21,u31,u12,...
As cores de ini e fim, são as mesmas de US
6
04/04/2012
Exemplo
Cor = {pc1,pc2,pc3,maq1,maq2,maq3,u11,u12,...,u33}
CSC(PC)={pc1,pc2,pc3}
CSC(MAQ)={maq1,maq2,maq3}
CSC(US)=CSC(ini)=CSC(fim)={u11,u12,...,u32,u33}
ini fim
PC  − peça peça  id (uij ) = uij
W = US  id − id  com máquina (uij ) = maq j

MAQ − máquina máquina  peça(uij ) = pci
Exemplo
pc 1 pc 2 pc 3 maq1 maq2 maq3 u 11 u 12 u 13 u 21 ... u 33

1 1 1 0 0 0 0 0 0 0 ... 0
M 0 =  0 0 0 0 0 0 0 0 0 0 ... 0 
 0 0 0 1 1 1 0 0 0 0 ... 0 
Ou sob a forma de um vetor de somas formais:
 pc 1 + pc 2 + pc 3 
M 
=  0 
0 
 maq 1 + maq 2 + maq 
3
7
04/04/2012
Associação de funções aos arcos
As etiquetas dos arcos não são números inteiros

como nas redes ordinárias;
São funções que representam matrizes de
inteiros;
Para cada cor de uma transição (maneira de
dispará-la) é necessário descrever quais cores
de fichas serão retiradas dos lugares de entrada
e quais cores de fichas serão colocadas nos
lugares de saída;
A função associada ao arco tem como domínio

o produto cartesiano entre o conjunto de cores
da transição (maneira de dispará-la) e conjunto
de cores do lugar associado;
O conjunto imagem da função Pre é o conjunto
dos inteiros positivos que descreve quantas
fichas de cada cor devem ser retiradas dos
lugares de entrada quando a transição for
disparada:
Pre(p, t) : C SC (t) x C SC (p)
8
04/04/2012
O conjunto imagem da função Post é o conjunto

dos inteiros positivos que descreve quantas
fichas de cada cor devem ser colocadas no
lugar de saída quando a transição for
disparada:
Post(p, t) : C SC (t) x C SC (p)
A partir das matrizes Pre e Post, define-se:

W(p, t) = Post(p, t) - Pre(p, t)
As matrizes W, Pre e Post são matrizes de

matrizes
9
04/04/2012
Exemplo
ini fim
PC  Pre(PC, ini) Pre(PC, fim) 
 Pre(US, ini) Pre(US, fim) 
Pre = US 
MAQ Pre(MAQ, ini) Pre(MAQ, fim) 
A função Pre(PC,ini), que etiqueta o arco que

liga o lugar PC à transição ini é dada pela
função:
Pre(PC, ini) : US x PC
Onde:US = C SC (ini) e PC = C SC (PC)
Exemplo
A função Pre(PC,ini) é descrita pela matriz:

u11 u12 u13 u 21 u 22 ... u 33
pc 1 1 1 1 0 0 ... 0
pc 0 0 0 1 1 ... 0 
2 
pc 3
 0 0 0 0 0 ... 1 
Por exemplo, para que a transição dispare na

forma u11, em relação ao lugar PC, é necessário
1 ficha com cor pc1
10
04/04/2012
A rede colorida se baseia principalmente na

notação matricial para tornar a rede mais
compacta
Se por um lado tem-se um ganho do ponto de
vista visual, por outro, continua-se a tratar a
mesma complexidade da rede ordinária
Exemplo
Considere o problema do jantar dos filósofos:

Cada filósofo pode estar comendo, pensando ou
com fome;
Eles estão sentados ao redor de uma mesa e cada
um tem um garfo e um prato de comida à frente;
Para que possa comer, cada um precisa de dois
garfos (o seu e de seu vizinho);
Se todos pegarem o garfo da direita ao mesmo
tempo e aguardarem a liberação do garfo da
esquerda o sistema entrará em bloqueio mortal;
11
04/04/2012
Exemplo
Filósofos
Pensando
Garfos
Pega talheres Sistema
Livres
Real
Filósofos
Comendo
Libera talheres
Exemplo
Filósofos
Pensando
f( )
Garfos
Pega talheres f( , ) Sistema
Livres
Real
Filósofos f( , , )
Comendo
Libera talheres f( , )
f( )
12
04/04/2012
Exemplo
Cor = {f1,f2,f3,f4,f5, g1,g2,g3,g4,g5,u112,u223, u334,u445,u551}

CSC(Filósofos pensando)={f1,f2,f3,f4,f5}
CSC(Garfos Livres)={g1,g2,g3,g4,g5}
CSC(Filósofos comendo)={u112,u223, u334,u445,u551}
Pega talheres Libera talheres
FP  − filósofo filosofo 
 
W = FC  u fg esq g dir − u fg esq g dir 
GL  − garfo esq ,− garfo dir + garfo esq ,+ garfo dir 

 f1 + f 2 + f 3 + f 4 + f 5 
M =  0 
0  
 g 1 + g 2 + g 3 + g 4 + g 5

Exemplo
u112 u 223 u334 u445 u551

f1 1 0 0 0 0
f 2  0 1 0 0 0 
Pre(FP, Pega Talheres) = f 3  0 0 1 0 0
 
f 4 0 0 0 1 0
f 5  0 0 0 0 1 
13
04/04/2012
Exemplo
u112 u 223 u334 u445 u551

g 1 1 0 0 0 1
g 2  1 1 0 0 0 
Pre(GL, Pega Talheres) = g 3  0 1 1 0 0
 
g 4 0 0 1 1 0
g 5  0 0 0 1 1 
Exemplo
u112 u 223 u334 u445 u551

u 112 0 0 0 0 0 
u 0 0 0 0 0 
223  
Pre(FC, Pega Talheres) = u 334 0 0 0 0 0 
 
u 445 0 0 0 0 0 
u 551
 0 0 0 0 0 
14
04/04/2012
Exemplo
 Pre(FP, Pega Talheres) 

Pre(., Pega Talheres) =  Pre(FC, Pega Talheres) 
 
Pre(GL, Pega Talheres) 
Exemplo
u112 u 223 u 334 u 445 u551
f 1  1 0 0 0 0 
f  0 1 0 0 0 
2 
f 3
 0 0 1 0 0 
 
f 4  0 0 0 1 0 
f 5
 0 0 0 0 1 
 
u 112  0 0 0 0 0 
u  0 0 0 0 0 
223
 
Pre(., Pega Talheres) = u 334  0 0 0 0 0 
u  0 0 0 0 0 
445
 
u 551  0 0 0 0 0 
 
g 1  1 0 0 0 1 
g 2
 1 1 0 0 0 
 
g 3  0 1 1 0 0 
g  0 0 1 1 0 
4
 
g 5  0 0 0 1 1 
15
04/04/2012
Exemplo
Encontre a matriz Post(.,Pega Talheres)

Encontre a matriz W(.,Pega Talheres)
Resposta
u112 u 223 u 334 u 445 u551
f 1  0 0 0 0 0 
f  0 0 0 0 0 
2 
f 3
 0 0 0 0 0 
 
f 4  0 0 0 0 0 
f 5
 0 0 0 0 0 
 
u 112  1 0 0 0 0 
u  0 1 0 0 0 
223
 
Post(., Pega Talheres) = u 334  0 0 1 0 0 
u  0 0 0 1 0 
445
 
u 551  0 0 0 0 1 
 
g 1  0 0 0 0 0 
g 2
 0 0 0 0 0 
 
g 3  0 0 0 0 0 
g  0 0 0 0 0 
4
 
g 5  0 0 0 0 0 
16
04/04/2012
Exemplo
u 112 u 223 u 334 u 445 u 551
f 1  − 1 0 0 0 0 
f  0 − 1 0 0 0 
2  
f 3
 0 0 − 1 0 0 
 
f 4  0 0 0 − 1 0 
f 5
 0 0 0 0 − 1 
 
u 112  1 0 0 0 0 
u  0 1 0 0 0 
223
 
W(., Pega Talheres) = u 334  0 0 1 0 0 
u  0 0 0 1 0 
445
 
u 551  0 0 0 0 1 
 
g 1  − 1 0 0 0 − 1 
g 2
 − 1 − 1 0 0 0 
 
g 3  0 − 1 − 1 0 0 
g  0 0 − 1 − 1 0 
4
 
g 5  0 0 0 − 1 − 1 
Considerações
Rede de Petri interpretada:

Rede ordinária modela o controle
A estrutura de dados evolui separadamente, de
forma paralela
A interação entre ambas é através da
interpretação
Rede de Petri colorida:
Controle modelado pela rede
Estrutura de dados modelada pela ficha
17
04/04/2012
Rede de Petri e CLPs
Conversão para linguagem Ladder
Lógica AND:
18
04/04/2012
Lógica OR:
Concorrência:
19
04/04/2012
Temporização:
Sincronização:
20
04/04/2012
Set-Reset:
Exemplo
21
04/04/2012
Exemplo
Conversão para linguagem Grafcet
O grafcet pode ser visto como uma rede de

Petri binária
Se a rede não for binária, basta acrescentar
lugares ou transições de forma a tornar a
mesma binária
22
04/04/2012
Bibliografia
CARDOSO, J.; VALETTE, R.; Redes de Petri. Editora da UFSC, 1997.

Disponível online em http://homepages.laas.fr/robert/indexRP.html
AGUIRRE, A.; BRUCIAPAGLIA, A. H.; MIYAGI, P. E.; TAKAHASHI, R.

H. C.; Enciclopédia de automática: controle e automação, volume I.
Blucher, 2007.
MARTINS, G. M.; Redes de Petri. UFSM,2008. Disponível online em

http://www.ufsm.br/desp/geomar/dcgautomacao/RedesdePetri.pdf
PENHA, D. O.; FREITAS, H. C.; MARTINS, C. A. P. S.; Modelagem

de sistemas computacionais usando redes de Petri: aplicação em
projeto, análise e avaliação. ERI RJ/ES,2004.
23
22/04/2012
ENG 04048
Prof. Marcelo Götz

UFRGS
Introdução a Autômatos
1
22/04/2012
Características
Comportamento modelado por uma sequência de

eventos:
e1e2e3...en
Sem considerar os instantes de tempo das

ocorrências dos eventos;
Modelagem não temporizada
Características
Autômatos é a maneira mais clássica de modelar

sistemas SED;
São intuitivos e relativamente fáceis de analisar,
manipular e verificar;
Falta porém estrutura
requer um grande espaço de estados para
modelar sistemas complexos;
Redes de Petri possuem mais estrutura, mas é
menos poderosa para analise se comparado aos
autômatos
2
22/04/2012
Características
Com autômatos iremos verificar 3 tipos de problemas:

Safety (segurança): para evitar comportamentos ilegais;
Liveness (vivacidade): para evitar “deadlock” e “livelock”;
Diagnosis (diagnose): habilidade para detectar eventos
não observáveis;
Estas são as verificações mais comuns no desenvolvimento

de softwares para controle de sistemas automatizados e
complexos;
Linguagens
3
22/04/2012
Alfabeto
Um alfabeto é definido como sendo o conjunto E

finito de eventos;
Cada evento é uma “letra” do alfabeto;
Exemplos:
E = {a, b, c, ..., z}
E = {0, 1, 2, ..., 9}
E = {0,1}
E = {α, β, σ, ω, μ}
Cadeias (strings)
É uma sequência finita de elementos (eventos) de um

alfabeto E;
Também chamada de palavra (word);
Se E = {a,b,g}, então:
ab, ag, abg, e aaa são exemplos de cadeias;
Se s é uma cadeia, então |s| denota o tamanho da

cadeia;
ε é definido como sendo uma cadeia vazia (cadeia sem

eventos);
4
22/04/2012
Concatenação sobre cadeias e elementos
Se s é uma cadeia, então:

sε = εs = s
Se t = αβ; u = αμ; v = ω; são cadeias, então:

tu = αβαμ;
uv = αμω;
s = tuv = αβαμω;
Potências do alfabeto
∶ um conjunto de cadeias de mesmo tamanho k

formadas pelos elementos de E
Se E = {a,b,g}, então:
E0 = {ε}
E1 = {a, b, g}
E2 = {aa, ab, ag, ba, bb, bg, ga, gb, gg}
E3 = {aaa, aab, aba, aga, .....}
Particularmente:
E* = E0 ⋃ E1 ⋃ E2 ⋃ E3 ⋃ ....
5
22/04/2012
Linguagem
É definida como sendo o conjunto L de cadeias de

tamanho finito, formado pelas combinações dos
elementos de E ;
Se E = {a, b, g }, então:
L1 = {ε, a, abb }
L2 = {todas as possíveis cadeias de tamanho 3
começando com o evento a }
L3 = {todas as possíveis cadeias de tamanho finito que
comecem com o evento a }
Fechamento-Kleene
O conjunto de todos as cadeias de tamanho finito

formadas pelos elementos de E, é definido com E* ,
chamado de Kleene-fechado:
O operador * é conhecido como Fechamento-Kleene
Se E = {a, b, c }:
E* = {ε, a, b, c, aa, ab, ac, ba, bb, bc, ca, cb, bb, aaa, .... } =
E0 ⋃ E1 ⋃ E2 ⋃ E3 ⋃ E4 ⋃ ....
Assim, uma linguagem definida sobre um conjunto E
é um subconjunto de E*
Em particular, ∅, E, e E* são linguagens;
6
22/04/2012
Terminologias sobre cadeias
Seja tuv = s uma cadeia onde

t, u, v ∈ ∗
Então:
t é chamado de prefixo de s
u é chamado de subcadeia de s
v é chamado de sufixo de s
Operações sobre Linguagens
As operações usuais sobre conjuntos, como união,

intersecção, diferença e complemento são
aplicáveis sobre as linguagens;
Linguagens são conjuntos;
Adicionalmente serão utilizadas as operações:

Concatenação;
Prefixo-fechamento;
Kleene-fechamento;
7
22/04/2012
Concatenação
Sejam , ⊆ ∗ , então:
∗
≔ ∈ ∶ ∈ ∈
A cadeia está em se ela pode ser escrita como a

concatenação de uma cadeia em com uma cadeia em ;
Prefixo-fechamento
Seja ⊆ ∗ , então
≔ ∈ ∗ ∶ ∃ ∈ ∗ ∈
O fechamento de prefixo de é a linguagem e consiste de

todos os prefixos de todas as cadeias em .
No geral, ⊆
é dito como sendo prefixo-fechado se
8
22/04/2012
Kleene-fechamento
Seja ⊆ ∗ , então
∗
≔ ⋃ ⋃ ⋃ ⋃ …
Similar ao realizado para criar E* ;
Um elemento de ∗ é formado pela concatenação de um

número finito (mas arbitrariamente grande) de elementos de L;
Exemplo
Seja E = {a, b, g}
Considere
L1 = {ε, a, abb} L2 = {g}
Ambos L1 e L2 não são prefixo-fechamento, pois
ab ∉ L1 e ε ∉ L2 , e ainda:
1 2 =
1 =
2 =
1 2 =
∗ =
2
∗ =
1
9
22/04/2012
Exemplo
Seja E = {a, b, g}
Considere
L1 = {ε, a, abb} L2 = {g}
Ambos L1 e L2 não são prefixo-fechamento, pois
ab ∉ L1 e ε ∉ L2 , então:
1 2 = {g, ag, abbg}
1 = {ε, a, ab, abb}
2 = {ε, g}
1 2= {ε, a, abb, g, ag, abbg}
∗
2 = {ε, g, gg, ggg, ...}
∗
1 = {ε, a, abb, aa, aabb, abba, abbabb, ...}
Observações
ε∉∅;
{ε } é uma linguagem não vazia que contém apenas
uma cadeia vazia;
Se L = ∅ então = ∅, e se L ≠ ∅ então
necessariamente ε ∈ ;
∅* = {ε } e {ε }* = {ε } ;
∅L = L ∅ = ∅ ;
10
22/04/2012
Representando SED por Linguagens
O comportamento de um SED pode ser descrito por um par de

linguagens (L, Lm), sobre um alfabeto E ;
E é definido como o conjunto de eventos que afeta o sistema
SED;
L ⊆ E* é definido como sendo o conjunto de todos as cadeias
de eventos fisicamente possíveis de ocorrer no SED;
São as palavras que o SED “entende”;
Lm ⊆ E* é definido como sendo o conjunto das cadeias
marcadas:
cadeias que representam uma tarefas completas no SED;
Lm depende da representação dada ao problema a ser modelado;
Propriedades de L e Lm
Para um sistema SED, temos que:

Lm ⊆ L : O conjunto de cadeias marcadas Lm está contido
no conjunto L;
L : O comportamento do SED é prefixo-fechado;
Os Autômatos são utilizados como “geradores”

destas linguagens;
Como veremos adiante, as linguagens geradas e
marcadas serão representadas por autômatos;
11
22/04/2012
Exemplo: Sistema de envase
Sistema composto por uma esteira para transporte

de garrafas em 3 estações:
Encher a garrafa;
Tampar a garrafa;
Rotular a garrafa;
Eventos associados ao sistema
Esteira:
- aciona o deslocamento da garrafa na esteira;
- indica que garrafa foi posicionada;
Enchimento:
! - aciona a bomba para encher a garrafa;
! - indica garrafa cheia;
Tampador:
" - aciona a prensa par tampar a garrafa;
" - indica garrafa tampada;
Rotulador:
# - aciona o rotulador;
# - indica garrafa rotulada;
12
22/04/2012
Modelagem da Esteira
Possíveis eventos do subsistema Esteira:

,
Comportamento gerado pela esteira:

5, , , , , , … .
Tarefa completa
é considerado um ciclo completo de deslocamento da garrafa entre as
estações: aciona esteira, e após permanece em repouso;
7 5, , , , …
Exercício: Robô de seleção de peças
esteira 1

esteira 2
, ! – robô retira peça da esteira de entrada;

, ! – robô coloca peça na esteira 1;
8 , 8! – robô coloca peça na esteira 2;
13
22/04/2012
Bibliografia
CASSANDRAS, C. G.; LAFORTUNE, S.; Introduction to Discrete

Event Systems. 2nd Edition. Springer
14
ENG04048
Operações com Autmatos
Marcelo Götz
Universidade Federal do Rio Grande do Sul

Departamento de Engenharia Elétrica
DELET
Semestre 2012-1
Marcelo Götz, UFRGS ENG04048 Sistemas a Eventos Discretos, Operações com Autmatos 1/21
Conteúdo
Introdução
Operações
Parte Acessı́vel
Parte Coacessı́vel
Operação Trim
Composição de Autômatos
Produto
Composição Paralela
Introdução
Operações sobre autômatos, que serão operações sobre

linguagens;
Operações que permitam combinar dois ou mais autômatos;
Permite combinar modelos de subsistemas para obtenção do

modelo completo;
Operações
Operações unárias:
Parte Acessı́vel: retira do autômato os estados inacessı́veis;
Parte Coacessı́vel: retira do autômato os estados não coacessı́veis;
Operação Trim: realiza ambas as operações acima;
Operações de composição:
Produto de autômatos;
Composição paralela;
Parte Acessı́vel
Um estado é acessı́vel se
∃s ∈ E ∗ | f (x0 , s) = x
A operação de deletar os estados não acessı́veis de um autômato G

é denotada por Ac(G). Formalmente:
Gac = Ac(G) := (Xac , E, fac , x0 , Xac,m ) onde

Xac = {x ∈ X : (∃s ∈ E ∗ )[f (x0 , s) = x]}
Xac,m = Xm ∩ Xac
fac = f |Xac ×E→Xac
As linguagens L e Lm não são alteradas por Ac(G);

Um autômato é dito acessı́vel quando Ac(G) = G.
Parte Coacessı́vel - I
Um estado é coacessı́vel se
∃s ∈ E ∗ | f (x, s) ∈ Xm
A operação de deletar os estados não coacessı́veis de um autômato

G é denotada por CoAc(G). Formalmente:
Gcoac = CoAc(G) := (Xcoac , E, fcoac , x0,coac , Xm ) onde

Xcoac = {x ∈ X : (∃s ∈ E ∗ )[f (x, s) ∈ Xm ]}

x0 se x0 ∈ Xcoac
x0,coac =
indefinido outros casos
fcoac = f |Xcoac ×E→Xcoac
Parte Coacessı́vel - II
A operação CoAc(G) pode diminuir a linguagem L, pois o

estado deletado pode ser acessı́vel;
A operação CoAc(G) não modifica Lm ;
Se CoAc(G) = G então G é coacessı́vel e então
L(G) = Lm (G), pois sempre existe caminho de x a xm ∈ Xm ;
Ou seja, um autômato coacessı́vel é não-bloqueante.
Operação Trim
Um autômato é dito Trim quando for acessı́vel e coacessı́vel;
Formalmente:
T rim(G) := CoAc[Ac(G)] = Ac[CoAc(G)]
Exemplo: Autômato G
g
1 5
a a
0 b 3 b
g a
2 6 a 4 g
b
Qual a parte acessı́vel de G?

Qual a parte coacessı́vel de G?
Qual o Trim de G?
Exemplo: Ac(G) e CoAc(G)
Operação Ac(G): Operação CoAc(G):
g 1
1 5
a a
a
0 b
0 b 3 b
g
g b
a g 2 6
2 4
Autômato G Trim
T rim(G):
1
a
0 b
g
2
Exercı́cio
Seja o Autômato G da figura abaixo:
a c
0 1 2
c b a
c
b
3 4 5
Quais estados não são acessı́veis e qual a parte acessı́vel?

Quais estados não são coacessı́veis e qual a parte coacessı́vel?
Qual o Trim de G?
Composição de Autômatos - I
Caracterı́sticas:
Produto e Composição Paralela;
Ambas as operações possuem a propriedade associativa;
Estudaremos as operações entre dois autômatos, mas pela
propriedade associativa, pode ser estendido a mais autômatos;
Produto, ou Composição Sı́ncrona Completa, denotada por ×;
Composição Paralela, ou Composição Sı́ncrona,
denotada por || ;
Modela a operação conjunta de dois sistemas, que operam de
forma paralela;
Na sequência será considerado os dois autômatos:
G1 = (X1 , E1 , f1 , Γ1 , x01 , Xm1 ) e G2 = (X2 , E2 , f2 , Γ2 , x02 , Xm2 )
Composição de Autômatos - II
Podem ser pensadas como dois tipos de interconexão entre dois

sistemas;
Produto apenas os eventos comuns, E1 ∩ E2 , podem ser
executados, e gerar transições em G1 e G2 .
Composição Paralela além dos eventos comuns (como no
Produto), eventos privados, E1 \ E2 , e ,E2 \ E1 , também podem
ser executados;
Produto Composição Paralela

Produto G1 × G2
A operação de Produto entre G1 e G2 é definida como:
G1 × G2 := Ac(X1 × X2 , E1 ∪ E2 , f, Γ1×2 , (x01 , x02 ), Xm1 × Xm2 )
onde

(f1 (x1 , e), f2 (x2 , e)) se e ∈ Γ(x1 ) ∩ Γ(x2 )
f ((x1 , x2 ), e) :=
Relação entre as linguagens L e Lm :
L(G1 × G2 ) = L(G1 ) ∩ L(G2 )

Lm (G1 × G2 ) = Lm (G1 ) ∩ Lm (G2 )
Algoritmo para Calculo do Produto
1 Calcular X1,2 = X1 × X2 ;
2 Calcular o estado inicial: (x01 , x02 );
3 Marcar os estados Xm,1 × Xm,2 em X1,2 ;
4 foreach estado (x1 , x2 ) ∈ X1,2 do
5 calcular o conjunto de eventos executáveis
Γ(x1 ,x2 ) = Γ1 (x1 ) ∩ Γ2 (x2 );
6 foreach evento e ∈ Γ(x1 ,x2 ) do
e
7 calcular a transição (x1 , x2 ) −→ (f1 (x1 , e), f2 (x2 , e));
8 end
9 end
10 Aplicar a operação Ac(.) no autômato produto resultante;
Exemplo para Produto
G1 :
a
b G2 :
x a y
b
b a
g a, g 0 1
a
z b
(x, 0) (y, 0) (z, 0)

G1 × G2 :
(x, 1) (y, 1) (z, 1)

G1 :
a
b G2 :
x a y
b
b a
g a, g 0 1
a
z b
(x, 0) (y, 0) (z, 0)

G1 × G2 : a
(x, 1) (y, 1) (z, 1)

G1 :
a
b G2 :
x a y
b
b a
g a, g 0 1
a
z b
(x, 0) (y, 0) (z, 0)

G1 × G2 : a
(x, 1) (y, 1) (z, 1)

a
G1 :
a
b G2 :
x a y
b
b a
g a, g 0 1
a
z b
b
(x, 0) (y, 0) (z, 0)

G1 × G2 : a a
(x, 1) (y, 1) (z, 1)

a
G1 :
a
b G2 :
x a y
b
b a
g a, g 0 1
a
z b
b
(x, 0) (y, 0) (z, 0)

G1 × G2 : a a b
(x, 1) a (y, 1) (z, 1)

a
G1 :
a
b G2 :
x a y
b
b a
g a, g 0 1
a
z b
b b
(x, 0) (y, 0) (z, 0)

G1 × G2 : a a b a
(x, 1) a (y, 1) (z, 1)

a
G1 :
a
b G2 :
x a y
b
b a
g a, g 0 1
a
z b
b b
(x, 0) (y, 0) (z, 0)

G1 × G2 : a a b a b
(x, 1) a (y, 1) a (z, 1)
a
Composição Paralela G1 || G2
A operação de Composição Paralela entre G1 e G2 é definida

como:
G1 || G2 := Ac(X1 × X2 , E1 ∪ E2 , f, Γ1||2 , (x01 , x02 ), Xm1 × Xm2 )
onde


 (f1 (x1 , e), f2 (x2 , e)) se e ∈ Γ1 (x1 ) ∩ Γ2 (x2 )
(f1 (x1 , e), x2 ) se e ∈ Γ1 (x1 ) − E2

f ((x1 , x2 ), e) :=
(x , f (x , e)) se e ∈ Γ2 (x2 ) − E1
 1 2 2


Relação entre as linguagens L e Lm :
L(G1 || G2 ) = P1−1 [L(G1 )] ∩ P2−1 [L(G2 )]

Lm (G1 || G2 ) = P1−1 [Lm (G1 )] ∩ P2−1 [Lm (G2 )]
Algoritmo para Calculo da Composição Paralela
1 Calcular X1,2 = X1 × X2 ; Calcular o estado inicial: (x01 , x02 );

2 Marcar os estados Xm,1 × Xm,2 em X1,2 ;
3 foreach estado (x1 , x2 ) ∈ X1,2 do
4 calcular Γ1(x1 ,x2 ) = Γ1 (x1 ) ∩ Γ2 (x2 );
5 foreach evento e ∈ Γ1x1 ,x2 do
e
6 calcular a transição (x1 , x2 ) −→ (f1 (x1 , e), f2 (x2 , e));
7 end
8 calcular Γ2(x1 ,x2 ) = Γ1 (x1 ) − E2 ;
e
10 calcular a transição (x1 , x2 ) −→ (f1 (x1 , e), x2 );
11 end
12 calcular Γ3(x1 ,x2 ) = Γ2 (x2 ) − E1 ;
e
14 calcular a transição (x1 , x2 ) −→ (x1 , f2 (x2 , e));
15 end
16 end
17 Aplicar a operação Ac(.) no autômato da composição resultante;
Exemplo para Composição Paralela
a
b
x a y
b
b a
g a, g 0 1
a
z b
(x, 0) (y, 0) (z, 0)
(x, 1) (y, 1) (z, 1)

a
b
x a y
b
b a
g a, g 0 1
a
z b
g
(x, 0) (y, 0) (z, 0)
(x, 1) (y, 1) (z, 1)

a
b
x a y
b
b a
g a, g 0 1
a
z b
g
(x, 0) (y, 0) (z, 0)
(x, 1) (y, 1) (z, 1)

Marcelo Götz, UFRGS
g
ENG04048 Sistemas a Eventos Discretos, Operações com Autmatos 20/21
a
a
b
x a y
b
b a
g a, g 0 1
a
z b
g
b
(x, 0) (y, 0) (z, 0)
a a
(x, 1) (y, 1) (z, 1)

g
a
a
b
x a y
b
b a
g a, g 0 1
a
z b
g
b
(x, 0) (y, 0) (z, 0)
a a b
(x, 1) a (y, 1) (z, 1)

g
a
a
b
x a y
b
b a
g a, g 0 1
a
z b
g
b b
(x, 0) (y, 0) g (z, 0)
a a b a
(x, 1) a (y, 1) (z, 1)

g
a
a
b
x a y
b
b a
g a, g 0 1
a
z b
g
b b
(x, 0) (y, 0) g (z, 0)
a a b a b
(x, 1) a (y, 1) a, g (z, 1)

g
a
Exercı́cio: Modelagem Sistema de Manufatura
Pequeno processo de manufatura. O Evento:

a indica entrada do produto e inı́cio do processo em M1 ;
b indica fim do processo de M 1, colocando produto no Buffer;
c indica entrada do produto e inı́cio do processo em M2 ;
d indica fim do processo de M 2, colocando produto na saı́da;
B
a b c d
M1 M2
1. Modele M1 e M2 por autômatos G1 e G2 ;

2. Encontre o modelo G3 do sistema M1 M2 : G1 || G2 ;
3. Modele o Buffer de tamanho n = 1, pelo autômato R,
utilizando os eventos b e c, para evitar overflow e underflow;
4. Ache o modelo completo H do sistema, fazendo G3 || R;
ENG04048
Minimização do Número de Estados
Marcelo Götz

DELET
Semestre 2012-1
Marcelo Götz, UFRGS ENG04048 Sistemas a Eventos Discretos, Minimização do Número de Estados 1/11
Equivalência de Autômatos
Dois autômatos G1 e G2 são equivalentes se, e somente se:

L(G1 ) = L(G2 ) e Lm (G1 ) = Lm (G2 )
Exemplo:
G1 : G2 :
x 1 y
0, 1 0, 1
0 1 x yzw
0
z w
0, 1 0, 1
Equivalência de Estados - I
1. Se x ∈ Xm e y ∈ / Xm , então os estados x e y nunca poderão

ser equivalentes;
2. Suponha que x e y sejam ambos de Xm ou nenhum dos dois
esteja em Xm . Neste caso x e y podem ser equivalentes. Se
f (x, e) = f (y, e) para qualquer evento e ∈ E ∪ {ε}, então x e
y são equivalentes, pois ambos irão para a mesma sequencia
de estados para qualquer cadeia aplicados a eles;
Equivalência de Estados - II
3. A observação anterior ainda vale se f (x, e) = y e f (y, e) = x

para um ou mais eventos e, pois a função dos estados x e y
são intercambiáveis depois de e. Logicamente, para todos os
outros estados e a seguinte relação deve ser válida:
f (x, e) = f (y, e);
4. De modo geral, seja R o conjunto de estados tal que: ou
R ⊆ Xm ou R ∩ Xm = ∅. Então R consiste de estados
equivalentes se f (x, e) = z ∈
/ R implica que f (y, e) = z, para
qualquer x, y ∈ R. Ou seja, se todas as possı́veis transições
dos estados em R para estados fora de R devem ser causadas
pelo mesmo conjunto de eventos, e devem ter o mesmo
próximo estado.
Exemplo
Autômato para reconhecer a sequencia de eventos 123:
1
1
1
x0 1 x1 2 x2 3 x3
1 3 2
2, 3 2, 3
xn1
2, 3
Algoritmo para Identificação de Estados Equivalentes
1 Excluir os pares (x, y) para todo x ∈ Xm , y ∈

/ Xm .
2 foreach par (x, y) não excluı́do no Passo 1 do
3 if (f (x, e), f (y, e)) estiver excluı́da para algum e ∈ E then
4 Excluir o par (x, y).
5 Excluir todos os pares (w, z) da lista de (x, y).
6 Repetir o Passo 5 para cada (w, z) até que nenhuma
exclusão seja possı́vel.
7 if (f (x, e), f (y, e)) não estiver excluı́do para nenhum e ∈ E
then
8 if f (x, e) 6= f (y, e) then
9 Adicionar (x, y) à lista de (f (x, e), f (y, e)).
10 end
Tabela para calculo do Algoritmo
q1
q2
... ... ... ...

qn-1 ...
qn ...
q0 q1 ... qn-2 qn-1
Exemplo Aplicado
1
x1 X 1
(x1,x0); (xn1,x1) 1
x2 X X
x0 1 x1 2 x2 3 x3
x3 X X X
xn1 X X X 1 3 2
x0 x1 x2 x3 2, 3 2, 3
xn1
2, 3
Exemplo Aplicado - Resultado
2, 3 1
1
3 1
x0n1 1 x1 2 x2 3 x3
2
2, 3
Exercı́cio
0 1
0 1 0
A B C D
0 1
1 0
0 1
1 1 0
E F G H
1
0
Exercı́cio - Resultado
0 1
0 1
AE BH C
0
1
0
1
F G
1
0
ENG04048
Expresses e Linguagens Regulares
Marcelo Götz

DELET
Semestre 2012-1
Marcelo Götz, UFRGS ENG04048 Sistemas a Eventos Discretos, Expresses e Linguagens Regulares 1/10
Introdução I
Em SED estamos interessados em especificar tarefas por uma

sequencia de eventos;
Estas sequencias definem um par de linguagens (L e Lm );
É interesse também acharmos um autômato que represente
estas linguagens;
Sempre podemos achar um autômato para representar estas
linguagens?
Sim, porem podem haver problemas de ordem prática para tal.
Introdução II
Por exemplo, seja a linguagem
Lm = {ε, ab, aabb, aaabbb, . . .} = {an bn : n ≥ 0}
Qual o autômato que marca esta linguagem?
Para representar esta linguagem é necessário um autômato de

estados infinitos.
Linguagens Regulares
Existem linguagens que não podem ser representadas por um

autômato de estados finito?

Sim, existem infinitas linguagens, e Lm = {an bn : n ≥ 0} é
um exemplo.

Sim, existem infinitas linguagens, e Lm = {an bn : n ≥ 0} é
um exemplo.
Definição
Toda linguagem que pode ser marcada por um autômato de
estados finito é dita uma linguagem regular.
Autômatos não são um modo prático para representar

linguagens do tipo não-regular;
Propriedades da Linguagem Regular
Seja L1 e L2 duas linguagens regulares. Então as seguintes

linguagens serão também regulares:
1. L1
2. L∗1
3. Lc1 := E ∗ \ L1
4. L1 ∪ L2
5. L1 L2
6. L1 ∩ L2
Expressões Regulares - I
Outra maneira de escrever linguagens regulares;

São expressões compactas;
Convenções
Notação utilizada Significado Descrição
+ ∪ A união de duas cadeias.
u {u} Conjunto da cadeia u.
u∗ {u}∗ = {ε, u, uu, . . .} Fechamento-kleene de u.
(u + v) {u, v} = {u} ∪ {v} União das cadeias u e v.
uv {uv} Concatenação de u e v.
Estas são as expressões regulares.
Expressões Regulares - II
Recursivamente, pode-se definir:
1. São expressões regulares:

a ∅ que denota um conjunto vazio;
b ε que denota o conjunto ε
c e que denota o conjunto {e}, para qualquer e ∈ E;
2. Se r e s são expressões regulares, então rs, (r + s), r ∗ , s∗ ,
também são;
3. Outras expressões regulares são formadas pela aplicação das
regras 1 e 2 um número finito de vezes.
Ordem de precedência:
1. Fechamento-kleene; 2. Concatenação; 3. União.
Exemplos
Seja E = {a, b, g}.

1. A expressão regular (a + b)g ∗ denota a linguagem:
Exemplos
Seja E = {a, b, g}.

L = {a, b, ag, bg, agg, bgg, aggg, bggg, . . .}
Exemplos
Seja E = {a, b, g}.

2. A expressão regular (ab)∗ + g denota a linguagem:
Exemplos
Seja E = {a, b, g}.

2. A expressão regular (ab)∗ + g denota a linguagem:
L = {ε, g, ab, abab, ababab, . . .}
Exercı́cios I
1. Encontre a expressão regular deste autômato:
b a
0 1
a
2. Encontre a expressão regular da linguagem que modela a

esteira do sistema de envase automático mostrado em aula.
Exercı́cios II
3. Encontre as expressões regulares para o par de linguagens de

modelo deste sistema:
ENG04048
Teoria do Controle Supervisório
Introdução
Marcelo Götz

DELET
Semestre 2012-1
Marcelo Götz, UFRGS ENG04048 Sistemas a Eventos Discretos, Teoria do Controle Supervisório Introdução 1/16
Conteúdo
Introdução
Analise dos Comportamentos

Comportamento Livre da Planta
Comportamento Desejado
Restringindo o Comportamento
Faixa de Linguagens
Controle Supervisório
Apresentação
Definição
Linguagens em Malha Fechada
Eventos não Controláveis
Introdução
Par de linguagens L e Lm para modelar o sistemas;

Autômato para representar as linguagens: G;
L = L(G) e Lm = Lm (G);
Modelagem de coordenações de controle também por
autômatos;
Combinação de todos para obtenção do autômato que
representasse o funcionamento desejado;
A operação desejada é geralmente definida em uma faixa
possı́vel de linguagens;
Exemplo - Modelos: Planta e Restrição
Pequeno sistema de manufatura

Modelo das máquinas e restrição de controle;
B
a b c d
M1 M2
a c
R T R T
b d
b
0 1
c
Comportamento Livre da Planta
O comportamento livre, sem controle, da planta é:
a
RR TR
b
c c
d d
a
RT TT
b
L = L(G) e Lm = Lm (G)
Comportamento Desejado da Planta
Autômato Ha , que representa o comportamento desejado

d
RR0
a T R0
b RR1
c RT 0
a
d a
d
T R1
d TT1
a RT 1
b TT0
La é chamada de Linguagem Admissı́vel para o sistema

controlado;
La = L(Ha ) e Lam = Lm (Ha )
La ⊂ L ou L(Ha ) ⊂ L(G)
Lam ⊂ Lm ou Lm (Ha ) ⊂ Lm (G)
Restringindo o Comportamento
Porém o comportamento do sistema controlado pode ser mais

restritivo, para Ha′ :
d
RR0
a T R0
b RR1
c RT 0
a
d a
d
T R1 RT 1
b TT0
L′a é uma linguagem mais restritiva que La

L′a = L(Ha′ ) e L′am = Lm (Ha′ )
L′a ⊂ La ⊂ L ou L(Ha′ ) ⊂ L(Ha ) ⊂ L(G)
L′am ⊂ Lam ⊂ Lm ou Lm (Ha′ ) ⊂ Lm (Ha ) ⊂ Lm (G)
Máxima Restrição de Funcionamento
Provavelmente o funcionamento mais restritivo possı́vel seria Hr :

d
RR0
a T R0
b RR1
c RT 0
Lr seria a linguagem mais restritiva possı́vel;

Lr = L(Hr ) Lrm = Lm (Hr )
Lr ⊂ La ⊂ L ou L(Hr ) ⊂ L(Ha ) ⊂ L(G)
Lrm ⊂ Lam ⊂ Lm ou Lm (Hr ) ⊂ Lm (Ha ) ⊂ Lm (G)
Faixas de Linguagens
No caso geral, define-se o limite inferior e superior do

comportamento controlado desejado de um sistema SED:
Lr ⊆ La ⊆ L(G)
Ou, considerando-se o comportamento marcado:
Lrm ⊆ Lam ⊆ Lm (G)
O comportamento desejado do sistema deve ser garantido

pelo controle;
O controlador deve evitar que cadeias indesejadas de L(G)
sejam executadas;
Controlador Supervisório
Seja G o modelo do comportamento livre da planta:

G = (X, E, f, Γ, x0 , Xm )
O comportamento desejado é atingido pela colocação do
supervisório S em malha fechada com G:
S
S(s) s
G
s representa a cadeia de eventos executada por G;
S(s) é a ação de controle;
A ação de controle age na desabilitação de eventos que G
pode executar;
Definindo o Supervisório
Os eventos de G são observáveis;

Dependendo da cadeia executada por G, S(s) poderá
desabilitar certos eventos para que G não execute cadeias
indesejadas;
Formalmente, para cada s ∈ L(G) gerada por G sob controle
de S define-se
S(s) ∩ Γ(f (x0 , s))
o conjunto de eventos habilitados para G no estado f (x0 , s);
S é definido como a função:
S : L(G) → 2E
Linguagens em Malha Fechada
O comportamento em malha fechada de S controlando G é

denotado por S/G;
S/G é um SED e portanto possui linguagens gerada e
marcada:
L(S/G) Lm (S/G)
L(S/G) é definido de forma recursiva:
1 ε ∈ L(S/G)
2 [(s ∈ L(S/G)) e (sσ ∈ L(G)) e (σ ∈ S(s))] ⇔ [sσ ∈ L(S/G)]
A Linguagem marcada Lm (S/G):
Lm (S/G) := L(S/G) ∩ Lm (G)
Relação Entre as Linguagens
A relação entre estas linguagens pode ser expressa da seguinte

forma:
∅ ⊆ Lm (S/G) ⊆ Lm (S/G) ⊆ L(S/G) ⊆ L(G)
Verificação do Bloqueio:
O sistema S/G é não-bloqueante se:
L(S/G) = Lm (S/G)
e bloqueante se:
L(S/G) 6= Lm (S/G)
Problema do Controle Supervisório
O problema do controle supervisório está em achar S tal que

o comportamento em malha fechada seja dado por:
L(S/G) e Lm (S/G)
Logicamente, este controle deve ser não-bloqueante;
O problema deve ser solucionado para um dado
comportamento desejado, e
considerando a existência de eventos que não podem ser
desabilitados;
Eventos não Controláveis
Um evento pode ser desabilitado se for um evento controlável;

E é formado por eventos controláveis e não controláveis;
Somente eventos controláveis podem ser desabilitados por S;
Formalmente:
E = Ec ∪ Eu
Ec : Podem ser relacionados a sinais de acionamento, como por
exemplo, ligar esteira, ligar processo de enchimento, acionar o
robô para uma ação, entre outros.
Eu : Exemplos: sinais de sensores que indicam a presença de uma
peça, sinal de final da execução de um processo já acionado, ou
pode também representar eventos que indicam falha, e que não
podem ser desabilitados por segurança do sistema.
Supervisório Permissivo
Se Eu = ∅, ou seja, E = Ec , todos eventos controláveis:

La e Lam são as linguagens procuradas para L(S/G) e
Lm (S/G);
Na existência de eventos não controláveis:
A ação de controle do Supervisório, considerando Eu :
Eu ∩ Γ(f (x0 , s)) ⊆ S(s)
La e Lam podem não ser mais apropriadas;
Como achar uma linguagem desejada que não tente desabilitar

eventos ∈ Eu ?
ENG04048
Marcelo Götz

DELET
Semestre 2012-1
Marcelo Götz, UFRGS ENG04048 Sistemas a Eventos Discretos, Teoria do Controle Supervisório 1/9
Introdução
Domı́nio da função do supervisório S: L(G)
S : L(G) → 2E
Pode-se considerar L(S/G)
S : L(S/G) → 2E
Implementação prática é inviável
Observações
L(S/G) e Lm (S/G) representa um SED;

Linguagens regulares: autômatos estados finitos;
Autômatos permite cálculo com outros autômatos;
Seja então
R := (Y, E, g, ΓR , y0 , Y )
o autômato que representa S;
Se algumas condições são satisfeitas, então:
L(S/G) = L(R || G)
S deve ser permissivo;
Demonstração
Seja
Lm (S/G) = K e L(S/G) = K
Onde Lr ⊆ K ⊆ La ⊆ L(G);
e Lrm ⊆ K ⊆ Lam ⊆ Lm (G);
Se ER = EG , então R || G = R × G e:
L(R || G) = L(R) ∩ L(G)
Fazendo L(R) = K e Lm (R) = K:
L(R || G) = L(R) = K = L(S/G)
e também:
Lm (R || G) = Lm (R) = K = Lm (S/G)
Funcionamento
R gera e marca as linguagens desejadas do sistema controlado;

S(s) mapeada na estrutura de transição de R
S(s) = ΓR (g(y0 , s));
d
a a b c
RR TR RR0 T R0 RR1 RT 0
b a
c c d a
d d
a d
RT TT T R1
d TT1
a RT 1
b TT0
b c
Supervisório Induzido
Um autômato C também pode ser considerado um supervisório se:
L(C) = Lm (C) e C = T rim(C) e EC = EG ;

S C é o supervisor induzido por C;
S C deve ser permissivo;
L(S C /G) = L(C || G)

= L(C) ∩ L(G)
C
Lm (S /G) = Lm (C || G)
= Lm (C) ∩ Lm (G)
= L(C) ∩ Lm (G)
= L(C) ∩ L(G) ∩ Lm (G)
= L(S C /G) ∩ Lm (G)
Supervisório Induzido
Seja R′ onde L(R′ ) ⊇ La ;

Se L(R′ /G) = L(R′ ) ∩ L(G), onde ainda ER′ = EG ;
Então R′ pode representar S controlando G:
L(S/G) = L(R′ || G) e S(s) = ΓR′ (g′ (y0′ , s))
R com Estados Reduzidos
a
a, d a, d RR TR
b
b c c
0 1 d d
c a
RT TT
d b
RR0
a T R0
b RR1
c RT 0
a
d a
d
T R1
d TT1
a RT 1
b TT0
c
Modelagem das Especificações
ENG04048
Controle Supervisrio Monoltico
Marcelo Götz

DELET
Semestre 2012-1
Marcelo Götz, UFRGS ENG04048 Sistemas a Eventos Discretos, Teoria do Controle Supervisório Controle Supervisrio Monoltico 1/15
Introdução
Procura-se um supervisório S tal que:
Lr ⊆ L(S/G) ⊆ La ⊂ L(G) e
Lrm ⊆ Lm (S/G) ⊆ Lam ⊂ Lm (G)
Como calcular Lm (S/G) e L(S/G), considerando Eu ?
Exemplo
Mais precisamente:
Ec = {a, c} Eu = {b, d}
d
a a b c
b a
c c d a
d d
a d
d a b
RT TT T R1 TT1 RT 1 TT0
b c
G H = Hs || G
H pode ser o autômato R que representa o supervisório?
Controlabilidade
Seja K = Lm (S/G) e K = L(S/G);

Existe um supervisório S tal que L(S/G) = K, se e somente se:
KEu ∩ L(G) ⊆ K
Se sim, então:
S(s) = [Eu ∩ Γ(f (x0 , s)))] ∪ {σ ∈ Ec : sσ ∈ K}
Linguagem Controlável
Sejam K e M = M linguagens definidas sobre E;

Seja Eu ⊆ E um conjunto de eventos não controláveis;
K é dita controlável em relação a M e Eu se:
KEu ∩ M ⊆ K
K será controlável se e somente se K for controlável;
Adicionalmente, para não haver bloqueio:
K = K ∩ Lm (G)
Problema do Controle Supervisório
Dado um sistema SED onde:

G modele o sistema sem controle, sobre o conjunto E de
eventos;
Conjunto de eventos não controláveis Eu ⊆ E;
Linguagem admissı́vel La = Lam e Lam ⊆ L( G);
Achar um supervisório S tal que:
1. K = Lm (S/G) ⊆ Lam , sendo K uma linguagem controlável;
2. Lm (S/G) seja a linguagem menos restritiva possı́vel tal que
qualquer outro supervisório S ′ seja tal que Lm (S ′ /G) ⊆ Lam
e,
Lm (S ′ /G) ⊆ Lm (S/G)
Resolução do Problema
É possı́vel mostrar que Lam contem linguagens marcadas

controláveis denotado por C(Lam );
É possı́vel mostrar que existe um componente supremo e
único, denotado por L↑Cam , que representa a máxima linguagem
controlável;
Usaremos a notação supC(Lam ) ao invés de L↑C
am ;
Solucionando supC(Lam ) obtém-se a máxima linguagem
controlável (menos restritiva), e controlável;
Como calcular supC(Lam )?
Cálculo de supC(Lam )
O cálculo de supC(Lam ) é feito de forma iterativa, pela analise da

violação da condição de controlabilidade;
Seja K regular e marcada por H tal que:
H = (Y, E, g, ΓH , y0 , Ym ) , Lm (H) = K e L(H) = K
Visão geral da metodologia de cálculo:

1. Identificar os estados y ∈ Y de H que violam a condição de
controlabilidade;
2. Se não houver a violação de controlabilidade, terminar;
3. Atualizar H pela retirada destes estados;
4. Aplicar a operação T rim no novo H e recomeçar;
Ao final, o autômato H obtido é o autômato R que representa o
supervisório S menos restritivo possı́vel, e não bloqueante;
Identificação a Não-Controlabilidade
Observações:
H é construı́do por H = Hs || G;
y ∈ Y é um estado composto: (., x), onde x ∈ X;
Para uma sequencia s:
x = f (x0 , s);
(., x) = g(y0 , s)
K é controlável em relação a M se ∀ (., x) ∈ Y :
ΓH (., x) ⊇ Γ(x) ∩ Eu
Algoritmo para calculo de supC(Lam )
1 Seja x um estado de G, modelo da planta;

2 (., x) são os estados compostos de H = Hs || G, onde Lam = Lm (H);
3 i = 0;
4 Hi = H;
5 repeat
6 foreach (., x) ∈ Yi do
7 if ΓH (., x) ⊂ Γ(x) ∩ Eu then
8 deletar (., x) em Yi ;
9 atualizar gi em função da retirada de (., x);
10 end
11 Hi+1 = T rim(Hi );
12 i = i + 1;
13 until Hi = Hi−1 ;
14 R = Hi é o autômato que representa o supervisório S, não-bloqueante, e
ótimo;
Exemplo - Parte I
d
a a b c
b a
c c d a
d d
a d
d a b
b c
G H = Hs || G
Exemplo - Parte I
d
a a b c
b a
c c d a
d d
a d
d a b
b c
G H = Hs || G
T R1 e T T 1 violam a condição de controlabilidade;

Ambos tentam desabilitar b;
Exemplo - Parte II
d
a a b c
b
c c d a
d d
a d
b
RT TT RT 1 TT0
b
G supC(L(H))
Verificação 1
d
RR0
a T R0
b RR1
c RT 0
Quais eventos estão sendo desabilitados?

Este supervisório é controlável?
Verificação 2
a
RR TR
b a d a
c c c
d d b
a b
RT TT d
b
G R′
Quais eventos estão sendo desabilitados?

Este supervisório gera uma linguagem controlável?
Se sim, como foi obtido?
Exercı́cios
EXERCÍCIOS
ENG04048
Controle Supervisório Modular
Marcelo Götz

DELET
Semestre 2012-1
Marcelo Götz, UFRGS ENG04048 Sistemas a Eventos Discretos, Teoria do Controle Supervisório Controle Supervisório Modular 1/14
Controle Monolı́tico ou Centralizado
Problema do crescimento do número de estados;

Cálculo e entendimento de G pode requerer altos recursos
computacionais;
A implementação de S pode ser ate proibitiva;
Mas a metodologia é relativamente simples;
Controle Modular
Uma alternativa para reduzir o esforço computacional;

Ainda exige o calculo de G completo;
Aproveita a arquitetura modular das especificações;
O controle é feito por mais de um supervisório;
Cada supervisor é menor do que seria o monolı́tico;
Arquitetura do Controle Modular
O comportamento admissı́vel é composto em dois

comportamentos:
La = La1 ∩ La2
s S1(s)
S1
Sm(s) s
G
s S2(s)
S2
Desta arquitetura tem-se que:
Sm (s) = S1 (s) ∩ S2 (s)
Linguagens Gerada e Marcada
Linguagens do sistema controlado:
L(Sm /G) = L((S1 ∩ S2 )/G)

= L((R1 × R2 ) × G)
= L(R1 ) ∩ L(R2 ) ∩ L(G)
= L(S1 /G) ∩ L(S2 /G)
Lm (Sm /G) = Lm ((S1 ∩ S2 )/G)

= Lm ((R1 × R2 ) × G)
= Lm (R1 ) ∩ Lm (R2 ) ∩ Lm (G)
= Lm (S1 /G) ∩ Lm (S2 /G)
Condição para Não-Conflito
Sejam duas linguagens, K1 e K2 ;

K1 e K2 são não-conflitantes se:
K1 ∩ K2 = (K1 ∩ K2 )
Se um prefixo for comum em K1 e K2 , então K1 e K2 devem

possuir em comum uma cadeia que contenha este prefixo;
Se K1 e K2 forem prefixo-fechado, então K1 e K2 são
não-conflitantes;
Propriedades de supC
Sejam duas linguagens K1 e K2 ;

É possı́vel mostrar que:
1. supC(K1 ∩ K2 ) ⊆ supC(K1 ) ∩ supC(K2 )
2. Se K1 e K2 forem não-conflitantes, então
supC(K1 ∩ K2 ) = supC(K1 ) ∩ supC(K2 )
3. supC(K1 ∩ K2 ) ⊆ supC(supC(K1 ) ∩ supC(K2 ))
4. supC(K1 ∪ K2 ) ⊇ supC(K1 ) ∪ supC(K2 )
Problema do Controle Supervisório Modular
Fazendo:
L(Si /G) = supC(La1 )
e observando que
Sm (s) = S1 (s) ∩ S2 (s)
Então tem-se que
L(Sm /G) = supC(La1 ) ∩ supC(La2 )

= supC(La1 ∩ La2 )
= supC(La )
Desde que supC(La1 ) e supC(La2 ) sejam não-conflitantes.
OK! Mas e Lm (Sm /G) = supC(Lam ) ???
Condição de Não Bloqueio Modular I
O controle modular pode ser bloqueante, mesmo que:
L(Si /G) = Lm (Si /G)
Para não bloqueio individual: L(Si /G) = supC(Lam,i ),

Obtém-se:
L(Sm /G) = supC(Lam,1 ) ∩ supC(Lam,2 )
Então:
Lm (Sm /G) = L(Sm /G) ∩ Lm (G)

= supC(Lam,1 ) ∩ supC(Lam,2 ) ∩ Lm (G)
= supC(Lam,1 ) ∩ supC(Lam,2 )
⊇ supC(Lam,1 ∩ Lam,2 ) = supC(Lam )
Condição de Não Bloqueio Modular II
Ou seja, supC(Lam,1 ) e supC(Lam,1 ) devem ser não-conflitantes,

assim:
L(Sm /G) = supC(Lam,1 ) ∩ supC(Lam,2 )

= supC(Lam,1 ) ∩ supC(Lam,2 )
= Lm (Sm /G)
A condição de não bloqueio só pode ser calculada após o

calculo de cada supC(Lam,i );
O calculo deve ser feito utilizando-se todos os supC(Lam,i )
juntos; /
Porém ainda se ganha em redução de memória na
implementação dos supervisórios;
Exemplo I
Considere o problema clássico de dois usuários e dois recursos

compartilhados:
a2 b2
a0 a1 b1 b0
G1 G2
a0 , b0 a1 , b1
a2 , b2 a2 , b2
Hs1 Hs2
Exemplo II
Os dois autômatos que representam os supervisórios para controle de La1

e La2 ;
a2 a0 b 1 b2 b2 b 1 a0 a2
R1 : a1
b1 a0
b0
R2 : b0
a0 b1
a1
b2 b0 a2 a1
a0 b1
L(R1 ) = supC(Lam1 ) L(R2 ) = supC(Lam2 )

Lm (R1 ) = supC(Lam1 ) Lm (R2 ) = supC(Lam2 )
a0 b1 ∈ (supC(Lam1 ) ∩ supC(Lam2 ))
b1 a0 ∈ (supC(Lam1 ) ∩ supC(Lam2 ))
Exemplo III
Porém,
/ supC(Lam1 ) ∩ supC(Lam2 )
a0 b 1 ∈
b 1 a0 ∈
/ supC(Lam1 ) ∩ supC(Lam2 )
R1 × R2 : a2 a0 b 1 b2
1 2
b1 a0
a1 b0
3 4 5
A condição de não bloqueio não é satisfeita;

Ou seja, Sm é bloqueante para este caso;
Exercı́cio
Monolı́tico:
Calcule o supervisório ótimo monolı́tico;
Modular:
Calcule os supervisórios modulares;
Verifique a condição de não bloqueio modular;
Especificações:
B1 e B2 tem capacidade de uma peça cada;
Impedir o overflow e underflow ;
a0 a1 b0 b1 c0 c1
M1 B1 M2 B2 M3
Considere Eu = {a1 , b1 , c1 };
ENG04048
Controle Supervisório Modular Local
Marcelo Götz

DELET
Semestre 2012-1
Marcelo Götz, UFRGS ENG04048 Sistemas a Eventos Discretos, Teoria do Controle Supervisório Controle Supervisório Modular Local 1/11
Controle Modular Local
É uma outra alternativa para reduzir o esforço computacional;

Apresentada em Queiroz e Cury em [1];
Não exige o calculo de G completo com no Modular
Tradicional;
Aproveita a arquitetura modular das especificações;
Introduz o conceito de Sub-Planta Local;
O controle é feito por mais de um supervisório;
Cada supervisor é menor do que seria o monolı́tico;
Passo 1 - Subplanta assı́ncrona
Definição das subplantas G′ totalmente assı́ncronas em

termos de eventos;
Subsistema Subsistema
Local 1 Local 2
Hs1 Hs2
Subsistema G′1 = G1
Local 3
G′2 = G2
G1 G2 G3 G4 G5 G′3 = G3
G′4 = G4 || G5
Hs3
Passo 2 - Subplanta Local
Composição paralela das subplantas assı́ncronas que

compartilham eventos da mesma especificação;
Local 1 Local 2
Hs1 Hs2
Subsistema
Gl1 = G′1 || G′2
Local 3
Gl2 = G′2 || G′3
G1 G2 G3 G4 G5 Gl3 = G′2 || G′3 || G′4
Hs3
Passo 3 - Comportamento Local
Comportamento especificado para cada subplanta;
Local 1 Local 2
Hs1 Hs2
Subsistema
H1l = Hs,1 || Gl1
Local 3
H2l = Hs,2 || Gl2
G1 G2 G3 G4 G5 H3l = Hs,3 || Gl3
Hs3
Passo 4 - Supervisório Local
Calcula-se o supervisório ótimo para cada subplanta local;
Local 1 Local 2
Hs1 Hs2
Subsistema
R1 = supC(H1l )
Local 3
R2 = supC(H12 )
G1 G2 G3 G4 G5 R3 = supC(H13 )
Hs3
Passo 5 - Teste da Modularidade
Condição para que o sistema seja não bloqueante e que tenha

mesma performance do monolı́tico;
Subsistema
supC(H1l ) || supC(H2l ) || supC(H3l ) =

Subsistema
Local 1 Local 2
Hs1 Hs2
Subsistema
Local 3
G1 G2 G3 G4 G5 supC(H1l ) || supC(H2l ) || supC(H3l )
Hs3
Exemplo - I
Considere o exemplo de três máquinas e dois buffers;

Eu = {a1 , b1 , c1 };
a0 a1 b0 b1 c0 c1
M1 B1 M2 B2 M3
Máquinas M1 , M2 e especificação B1 formam um subsistema;

Máquinas M2 , M3 e especificação B2 formam outro
subsistema;
Cada subsistema é igual ao sistema de duas máquinas e buffer
já estudado em aula;
Exemplo - II
R1 : R2 :
b1 c1
a0 a1 b0 b0 b1 c0
b1 a0 c1 b0
b1 c1
a1 b1
Teste de Modularidade Local:

Testar se L(R1 || R2 ) = Lm (R1 || R2 );
Se R1 || R2 for T rim, então é modular local, e
não é bloqueante, e
tem a mesma performance do caso monolı́tico;
Supervisório monolı́tico possui 18 estados;
Exercı́cio
Atividades:
Calcule o supervisório ótimo monolı́tico;
Calcule os supervisórios modulares;
Calcule os supervisórios modulares locais;
Compare os resultados;
Especificações:
B1 ; B2 e B3 tem capacidade de uma peça cada;
Impedir o overflow e underflow ;
Eu = {a1 , b1 , c1 , d1 , e1 }
Referências I
Max H. De Queiroz e Jose E. R. Cury.

Modular control of composed systems.
In In Proceedings of the American Control Conference, pages
4051–4055, 2000.

APOSTILA - Sistemas A Eventos Discretos (SED) - UFRGS

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

APOSTILA - Sistemas A Eventos Discretos (SED) - UFRGS

Enviado por

Direitos autorais:

Formatos disponíveis

ENG 04048

Sistemas a Eventos Discretos

Prof. Marcelo Götz

Departamento de Engenharia Elétrica

Espaço para receber e trocar informações,

Dividida em Três Partes:

Teoria dos Autômatos

Plano de Ensino disponível no MOODLE

Conjunto de elementos que interagem para a

Definição bastante geral, sistema pode ser:

Na engenharia, analise quantitativa:

Para tanto, é necessário um “modelo” para o

Modelagem do sistema estático

Modelos Invariantes no Tempo x Modelos Variantes no

Modelos Lineares x Modelos Não-Lineares

Porém, na engenharia geralmente os casos são modelados

Sistemas a Eventos Discretos - SED

Quando os estados assumem valores discretos;

A troca de estado ocorre instantaneamente em

Os valores dos estados seguintes podem ser calculados

Estes são: Sistemas a Eventos Discretos - SED

Sistemas baseados em Filas (Queueing Systems)

Exemplos de SED (2)

D1, D2, ..., Dn são “agentes” que controlam o

A variável de estado x = valor atual dos

Modelagem de SED: Conceitos Básicos

Sistema de triagem automatizado

Subsistemas de variáveis contínuas +

Exemplo: Sistema de envase, fechamento e

Principais Modelos Para SED

Como é o controle para SED ???

Sistemas supervisórios ???

Controladores Lógicos Programáveis ???

CASSANDRAS, C. G.; LAFORTUNE, S.; Introduction to

MIYAGI, P. E.; Controle Programável: fundamentos do

CARDOSO, J.; VALETTE, R.; Redes de Petri: Disponível

Prof. Marcelo Götz

Departamento de Engenharia Elétrica

Introdução à redes de Petri

Criadas a partir da tese de Carl Adam Petri,

Forte desenvolvimento na década de 70

Inicio da padronização internacional em 1995

Técnica de especificação formal bem estabelecida:

Lugar: Condição, estado parcial, espera,

Estado do sistema é dado pela repartição de

O disparo t corresponde a um evento real

Processos podem evoluir em:

Sequência de um processo de fabricação:

Trecho do itinerário de um sistema de

No exemplo anterior, dois veículos estão

Lugar com mais de um arco de saída: Início de

Transição com mais de um arco de saída: Início

Após P1 é necessário executar P3

Cada utilização do recurso corresponde a uma

Sistema de triagem automatizado

Modelar o sistema abaixo por rede de Petri

Modelar o mesmo sistema por uma máquina de

Ao modelar por uma máquina de estados a

Considere o itinerário de um sistema de

Fazer a modelagem desse sistema usando redes

CARDOSO, J.; VALETTE, R.; Redes de Petri. Editora da

Prof. Marcelo Götz

Departamento de Engenharia Elétrica