ISBN-13: 9786131557200 / Francuski / Miękka / 2018 / 180 str.
Les rA(c)seaux de Petri stochastiques sont des outils performants pour modA(c)liser les processus industriels ainsi que les dA(c)fauts et reprises qui les affectent. Dans cette thA]se on s''intA(c)resse A l''identification de la structure et des paramA]tres des rA(c)seaux de Petri stochastiques et stochastiques-dA(c)terministes (incluant des durA(c)es de franchissement exponentielles et constantes) A partir des sA(c)quences d''A(c)vA(c)nements datA(c)s et enregistrA(c)s par les systA]mes de supervision. Un algorithme d''apprentissage supervisA(c) est dA(c)veloppA(c) pour construire la structure du modA]le. Cet algorithme est basA(c) sur la rA(c)tro-propagation d''une erreur associA(c)e A la causalitA(c) des A(c)vA(c)nements. Ensuite, une mA(c)thode d''identification des paramA]tres est proposA(c)e. Cette mA(c)thode rA(c)alise une analyse statistique du contenu de la sA(c)quence et exploite un modA]le de Markov isomorphe au graphe d''atteignabilitA(c) du rA(c)seau de Petri. Enfin, les modA]les construits sont utilisA(c)s pour des A(c)tudes de fiabilitA(c) ainsi que pour dA(c)tecter et localiser les dA(c)fauts.
Les réseaux de Petri stochastiques sont des outils performants pour modéliser les processus industriels ainsi que les défauts et reprises qui les affectent. Dans cette thèse on sintéresse à lidentification de la structure et des paramètres des réseaux de Petri stochastiques et stochastiques-déterministes (incluant des durées de franchissement exponentielles et constantes) à partir des séquences dévénements datés et enregistrés par les systèmes de supervision. Un algorithme dapprentissage supervisé est développé pour construire la structure du modèle. Cet algorithme est basé sur la rétro-propagation dune erreur associée à la causalité des événements. Ensuite, une méthode didentification des paramètres est proposée. Cette méthode réalise une analyse statistique du contenu de la séquence et exploite un modèle de Markov isomorphe au graphe datteignabilité du réseau de Petri. Enfin, les modèles construits sont utilisés pour des études de fiabilité ainsi que pour détecter et localiser les défauts.