GreatSPN un ensemble d’outils réseaux de Petri

Le modèle SWN

WN + sémantique stochastique des GSPN Sous classes (« statiques ») de classes de couleur Les paramètres stochastiques (vitesses) ne dépendent que des sous-classes statiques Comme pour les GSPN, le processus stochastique sous-jacent est une chaîne de Markov.

Le modèle SWN

Le SRG d’un SWN correspond à une chaîne de Markov agrégée de la chaîne induite du SWN. On peut calculer cette chaîne agrégée à partir de la définition du SWN. Gains: selon l’importance des symétries dans le système. Les indices de performance « symétriques » sont calculés à partir de cette chaîne agrégée. Certains indices non agrégés sont dérivables peuvent en être déduits. Chaîne de Markov agrégée d’un SWN.

Simulation stochastique

Deux cas ne peuvent être étudiés de manière exacte: Distributions de transmissions non exponentielles Taille du graphe d’accessibilité GreatSPN dispose d’un simulateur stochastique Autorisant une sémantique stochastique fine (priorités, interruptions/reprises, …) Avec calcul d’indices comme pour les solutions exactes Avec informations statistiques (seuil et intervalle de confiance) Le simulateur tire partie du SRG pour les SWN.

GreatSPN – un outil performant et ouvert

Outil mature sur le modèle GSPN Outil gérant les (S)WN Stable Avec extension aux cas non symétriques Modèles stochastiques Éprouvés À résolution efficace À simulateur efficace.