Modélisation des paramètres fiabilistes des systèmes de signalisation d’une infrastructure ferroviaire par réseaux de Petri colorés - Aix-Marseille Université
Communication Dans Un Congrès Année : 2014

Dependability parameters modelling of railway signaling systems by coloured Petri nets

Modélisation des paramètres fiabilistes des systèmes de signalisation d’une infrastructure ferroviaire par réseaux de Petri colorés

Résumé

In this article, the authors wish to demonstrate the potential of certain classes of Petri nets for their abilities to model complex dynamic systems and large such as railway signaling systems. These models will be used in particular to assess the parameters of the dependability for dynamic reliability for maintenance optimization by reliability and operational availability; security is not addressed here. The construction of a model of large system is often tedious because long and error, a method of automatic model generation by using a meta-model and an algebraic formalism will be presented. This ensures consistency of formal proof and preservation of properties throughout the modeling process. Systemic elements were modeled features to both technological and organizational measures, taking into account the complex needs and requirements of a railway company such as operations management, design, signage, maintenance; they have the means and often independent and decoupled methods. The methodology presented in this paper attempts to propose a system based on inter -disciplinary engineering solution , based on the Model Driven allowing the automatic generation of large models by composition Engineering, for verification / validation and formal proof of the reliability and operational dynamics of a system of complex and heterogeneous system , in order to obtain relevant policy indicators.
Dans cet article, les auteurs souhaitent démontrer les possibilités de certaines classes de réseaux de Petri quant à leurs facultés à modéliser des systèmes dynamiques complexes et de grande taille tels que les systèmes de signalisation ferroviaire.Ces modèles seront utilisés notamment afin d’évaluer les paramètres de la sûreté de fonctionnement pour la fiabilité dynamique, pour l’optimisation de la maintenance par la fiabilité (OMF), ainsi que la disponibilité opérationnelle ; la sécurité n’étant pas abordé ici.La construction d’un modèle de système de grande taille étant fastidieuse car souvent long et source d’erreurs, une méthode de génération automatique du modèle à l’aide d’un méta-modèle et d’un formalisme algébrique sera également présentée. Ceci permet d’assurer une cohérence de preuve formelle et de préservation des propriétés tout au long du processus de modélisation. Les éléments systémiques modélisés ont traits à la fois aux mesures technologiques et organisationnelles, prenant en compte les besoins et exigences complexes d’un gestionnaire d’infrastructure ferroviaire tel que la gestion de l’exploitation, la conception, la signalisation, la maintenance; ceux-ci ayant des moyens et méthodes bien souvent indépendants et découplés.La méthodologie présentée dans cet article tente de proposer une solution à ces problématiques inter-métiers basée sur l’Ingénierie Système, s’appuyant sur l’Ingénierie Dirigée par les Modèles permettant la génération automatique de modèles de grande taille par composition, en vue de la vérification/validation et la preuve formelle de la fiabilité dynamique et opérationnelle d’un système des système complexes et hétérogènes, afin d’obtenir des indicateurs décisionnels pertinents.
Fichier non déposé

Dates et versions

hal-01083197 , version 1 (16-11-2014)

Identifiants

  • HAL Id : hal-01083197 , version 1

Citer

Grégory Buchheit, Olaf Malassé, Nicolae Brinzei, Nadia Ammad, Pierre-Jean Barre. Modélisation des paramètres fiabilistes des systèmes de signalisation d’une infrastructure ferroviaire par réseaux de Petri colorés. 19ème Congrès de Maîtrise des Risques et Sûreté de Fonctionnement, Lambda-Mu'2014, Oct 2014, Dijon, France. ⟨hal-01083197⟩
246 Consultations
0 Téléchargements

Partager

More