Sistemas de eventos discretos

Anuncio
Identificación de sistemas de
eventos discretos
Una aproximación de modelado
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
Universidad de Guadalajara
Departamento de Sistemas de Información
María Elena Meda Campaña
emeda@cucea.udg.mx
CONTENIDO
1.
2.
3.
4.
5.
Sistemas
Análisis de sistemas
Modelos
Sistemas de eventos discretos
Herramientas de modelado
Redes de Petri
6. Identificación de sistemas
7. Experiencia
1. ¿Qué es un sistema?
Parte del sistema
Relación
Límite del sistema
Es un conjunto de partes inter-relaciondas.
Existe en un medio ambiente separado por sus límites.
Persigue un objetivo.
Ejemplos
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
Para v er esta película, debe
disponer de QuickTime™ y de
un descompresor .
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
2. Análisis de los sistemas
• Conocer propiedades
– Relación entre sus componentes
• Conocer el desempeño
– Tiempo máximo de proceso
– Costo mínimo
– Uso de memoria o de procesador
• Implementar nuevos diseños
Formas analizar un sistema
Sistema
Experimentar
con un modelo
del sistema
Experimentar
con el
sistema
Modelo
físico
Modelo
matemático
Solución
analítica
Simulación
3. Modelos
• Es una abstracción de la realidad.
• Es una representación de la realidad que
ayuda a entender cómo funciona.
• Es una construcción intelectual y descriptiva
de una entidad en la cual un observador tiene
interés.
• Supuestos simples son usados para capturar
el comportamiento importante.
¿Qué modelar?
• ¿Qué aspecto es importante?
• ¿De quién depende la importancia?
Modelos
matemáticos.
Simulación por
computadora
Modelos
analógicos
Modelos a
escala
Modelos físicos
Tipos de modelos
icónico
abstracto
Exactitud
Abstracción
1.
2.
3.
4.
5.
Planta piloto
Modelo de un átomo, globo terráqueo, maqueta
Reloj, medidores de voltaje, gráfica de volumen/costo
Modelos de colas, modelos de robots
Velocidad, ecuaciones diferenciales.
Modelo analógico. Son aquellos en los que una propiedad del objeto real está representada por una propiedad sustituida, por lo que en general se comporta de la misma manera.
En ingeniería
• Sistemas de control
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
– Modelos matemáticos
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
4. Sistemas de eventos
discretos
En las últimas décadas, la
rápida evolución de las
tecnologías de computación,
comunicación e información
ha ayudado a la proliferación
de
“nuevos”
sistemas
dinámicos más complejos.
Ejemplos
1.
2.
3.
4.
5.
6.
7.
8.
Redes de computadoras y de
comunicaciones
Sistemas de manufactura automáticos
Sistemas de control de tráfico
Sistemas de control, comunicación e
información
Sistemas avanzados de monitoreo y
control
Sistemas inteligentes de transporte
Sistemas distribuídos
Etc.
Sistema de eventos discretos
• Su comportamiento se caracteriza por una secuencia finita
o infinita de estados delimitados por eventos que ocurren
de manera asíncrona
X3
Estados
X5
X6
X4
X2
X1
e1
e2 e4
e5
e6
e7
Tiempo
Sistemas de Eventos Discretos
Control de tráfico en un
aeropuerto
arribo
8:00
schedules
aterrizaje schedules
8:05
Estados:
• En el aire
• En la tierra
• Pista disponible: Booleana
Despegue
9:15
arribo
9:30
Eventos:
• Arribar
• Aterrizar
• Despegar
Tiempo
El reto
Desarrollar nuevas técnicas de modelado, técnicas de
análisis, herramientas de diseño, métodos de pruebas, y
procedimientos de optimización para esta nueva
generación de sistemas.
5. Herramientas de modelado
Lenguaje común
• permita la comunicación
• evite ambigüedades
Características deseadas
 Claridad
 Capacidad para describir
- Estados
- Eventos
- Sincronizaciones
- Decisiones
 Compactés
 Soporte matemático simple
 Técnicas de análisis
- Administración de recursos
- Concurrencia
- Comportamiento cíclico
Redes de Petri
Componentes de una red de Petri
- Una
estructura:
Grafo bipartito
- Una descripción
de estado: el
marcado
- Una regla de
transición:evolució
n de marcas
Lugares
Transiciones
Recursos
Operaciones
Estados parciales
Buffers, etc.
Eventos
Actividades
Condiciones
Arcos etiquetados
Marcas
Regla de transición
a) Habilitación de una transición:
b) Disparo de una transición:
2
2
t
Regla de transición
a) Habilitación de una transición:
Mk+1=Mk+Cvk
b) Disparo de una transición:
2
2
t
Representación matemática
p1
p2
t2
p3
Marcado
t3
1
0
Mo = 0
1
0
0
t1
p4
Pre(t1) =
p5
1
0
0
1
0
0
p1
p2
p3
p4
p5
p6
t4
p6
0
1
Post(t1) = 0
0
1
0
t5
C=
-1 0 1
1 -1 0
0 1 -1
-1 0 0
1 0 0
0 0 0
0 0
0 0
0 0
0 1
-1 0
1 -1
Mk+1=Mk+Cvk
6. Construcción de modelos
matemáticos
• Modelamiento del sistema
• Identificación de sistemas
– Cuando se desconoce o se conoce
parcialmente el sistema
Entradas
Salidas
Identifcación de SED
Identificación de sistemas: Calcular un modelo
matemático a partir de la medición de señales de
entrada y de salida
Señales de entrada
Sistema
Señales de salida
Mecanismo de
inferencia
a
b
c
d
e
Problema
Qi-1
Q1
Q2
...
t4
t3
• Identificación línea
conforme el sistema
evoluciona
t2
t1
p1
t5
t8
t7
p2
p3
p4
t6
Medición
wi=t7t8
Qn
Actualización
• Señal de salida

Qi
t4
t3
• Evento detectabilidad
t1
t2
p1
t5
t8
t7
p2
p3
p4
t6
Formalismo matemático: IPN
O/C
p2
t3
H
O
t1 t2
C
p1
t4
p4
p3
t5
L
p5
H
t6
L
Actuador
(t1)=O
(t2)=C
(t3)=
...
(t6)=
0 0 0 1 0
  

0 0 0 0 1

Comportamiento interno
1
 
0
M k 1  M k  Cvk
0 0 0 1 0  0
M 0  
1  
Yk   (M k )
0
0
0
0
1

  0
0

0

Símbolo de salida
Representación alternativa de una IPN
t6
p6
t5
p2
t9
t2
p3
t4
t1
p1
p8
t8
p7
t7
Depm(Q)
Compleja
MDep
p1=[t4,t1]
p1=[t4,t5]
p1=[t4,t7]
p1=[t9,t1]
p1=[t9,t5]
p1=[t9,t7]
p3=[t2,t4]
p4=[t1,t3]
p6=[t5,t6]
p7=[t7,t8]
p4
t3
p5
Depu(Q)
p2=[t1,t2]
p5=[t3,t4]
p8=[t6,t9]
p8=[t8,t9]
Simple
NDep
Conceptos básicos
R1
R2
A1
Cap
p4
tic
M0
tfc
tic, tfc
p1
t1
Carga
p3
p2
t2
tfd
tid
Palm
t3
Desc
t4

M1 M2
1
0
0
 
 
 
0
1
0 t1   t2  



0
0
0
 
 
 
0
0
1



0

1



1

p5

Adisp
 1 1 0 0


 0 1 1 0
C   0 0 1 1


1 0 0 1

1 1 1 1




 1
 
 0
M 1  M 0   0 C (, t1)
 
1

1




1
 
 1
M 2  M 1   0 C (, t 2 )
 
 0

 1


C(,t i )  M i1 M i
Cálculo de la parte medible
t1
t2
p1
p2
p5
p3
p4
p6
t3
1 0 0 0 1


1
1
0
0
0


 0 0 1 0 1
C  

0
0
1
1
0



 0 1 0 0 1




 0 0 0 1 1
t4
1 0 0 0

1 1 0 0
C  
 0 0 1 1

 0 0 1 0
t5
1

0
1

0

0
C  
0
1
0
0
0
C
C


0 1

1 1


1
 
0
 M i    
1
 
0
1
 
0
 M i1   
0
 
1
0 
 
0
 M i1   M i    
1
 
1 
t i   (M i )   (M i1)

Etapas del proceso de identificación
1. Medición de las señales de salida

(M i ),  (M i1) (M n )

ti ti+1...
2. Procesamiento de un ciclo detectado
t
t
i  (M ) (M ) 
k  (M )

(M x ) 


q
r
y
 

t1
t2
p1
p2
p5
p3
p4
p6
t3
t4
t5
Modelo del sistema
Etapas del proceso de identificación
1. Medición de las señales de salida

(M i ),  (M i1) (M n )

• Cálculo de la parte
ti ti+1...
medible
2. Procesamiento de un ciclo detectado
t
t
i  (M ) (M ) 
k  (M )

(M x ) 


q
r
y
 

t1
t1
t2
t2
p1
p2
p5
p1
p2
p3
p4
p6
p3
p4
t3
t4
t5
Modelo del sistema
t3
t4
t5
Modelo calculado Qi
Etapas del proceso de identificación
1. Medición de las señales de salida

(M i ),  (M i1) (M n )

• Cálculo de la parte
ti ti+1...
medible
2. Procesamiento de un ciclo detectado
t
t
i  (M ) (M ) 
k  (M )

(M x ) 


q
r
y
 
• Inferencia de la parte
no medible

t1
t1
t2
t2
p1
p2
p5
p1
p2
p5
p3
p4
p6
p3
p4
p6
t3
t4
t5
Modelo del sistema
t3
t4
t5
Modelo calculado Qi
¿Qué más?
• Señal de entrada
• Definición y caracterización de
propiedades
• Clases de sistemas que se pueden
identificar
• Esquemas de tolerancia a faltas
– Diagnóstico
• Continuará ....
7. Experiencia
• Centro de Investigación en Sistemas y
Gestión de la Información U de G
– Participación de proyectos CUDI y NSF
– Doctorado en TI PNPC
– Maestría en TI
• Proyecto COECyT-Jal 2009
– Automatización basada en el diseño de
especificaciones para PLC
Identificación de sistemas de
eventos discretos
Una aproximación de modelado
Para ver esta película, debe
disponer de QuickTime™ y de
un descompresor .
Universidad de Guadalajara
Departamento de Sistemas de Información
María Elena Meda Campaña
emeda@cucea.udg.mx
Descargar