М.Н. Белозеров1

1 ПАО «Сбербанк России» (Москва, Россия)
1 ФГАО ВО «Национальный исследовательский технологический университет «МИСИС» (Москва, Россия)

Постановка проблемы. В работе рассмотрен подход к многосценарному моделированию сложных производственных процессов на основе анализа временных сетей Петри.

Цель. Разработать и протестировать специализированное программное обеспечение для автогенерации, многосценарного моделирования и анализа временных сетей Петри.

Результаты. Описана программная платформа, которая состоит из ряда модулей, которые позволяют проводить конвертацию логических правил в структуры сетей Петри, задавать начальные условия моделирования и строить граф достижимости. Отмечено, что важным функционалом является возможность поиска подграфов, соответствующих заданным условиям состояния моделируемой системы.

Практическая значимость. Предлагаемый подход показал возможности моделирования сложных технологических процессов для заблаговременного выявления позитивных и негативных сценариев и поддержи принятия решений по организации производственных процессов, а также для получения требуемых экономических и технических результатов.

Белозеров М.Н. Автогенерация, многосценарное моделирование и анализ временных сетей Петри // Нелинейный мир. 2026. Т. 24. № 3. С. 21–28. DOI: https://doi.org/10.18127/ j20700970-202603-03

1. Попова Ю.С. Современные методы анализа и синтеза моделей управления качеством производства //Открытия, прорывы и перспективы в науке: сб. материалов XII-й Междунар. очно-заочной науч.-практ. конф., 9 октября, 2024. М.: НИЦ «Издание». 2024. 192 с. 2024. С. 74.
2. Белов В.Ф. и др. Математическая модель архитектуры комплекса средств распределенного проектирования // Математическое моделирование и численные методы. 2024. № 1 (41). С. 110–123.
3. Бочков М.В., Васинев Д.А. Моделирование устойчивости критической информационной инфраструктуры на основе иерархических гиперсетей и сетей Петри // Вопросы кибербезопасности. 2024. № 1. С. 59.
4. Корнеев А.М. и др. Управление процессом обслуживания высокотехнологичного оборудования с использованием сетей Петри // Вестник Астраханского государственного технического университета. Сер.: Управление, вычислительная техника и информатика. 2024. № 3. С. 35–40.
5. Аксенов А.В. Синтез нейронной сети на основе сети Петри при решении задач оптимизации. Проблематика синтеза искусственных нейронных сетей // ББК 1 Н 34. С. 2137.
6. Горбунов В.А., Крюкова Д.Ю., Суконщиков А.А. Использование нейро-нечетких сетей Петри в моделировании различных производственных процессов // Вестник Череповецкого гос. ун-та. 2024. № 3. С. 19–33.
7. Кочкин Д.В., Горбунов В.А. Моделирование информационно-телекоммуникационной системы предприятия раскрашенными сетями Петри // Вестник Череповецкого гос. ун-та. 2024. № 1. С. 48–58.
8. Джафарова Ш.М., Ахмедова С.М., Алиева А.Г. Исследование методов моделирования предприятия массового обслуживания // Вестник Дагестанского гос. техн. ун-та. Сер.: Технические науки. 2024. Т. 51. № 3. С. 54–59.
9. Radom M., Formanowicz P. Extended time Petri nets //arXiv preprint arXiv:2405.09208. 2024.
10. Best E., Devillers R. Petri net primer: a compendium on the core model, analysis, and synthesis. Springer, 2024. P. 1–504.
11. Yuan F.L. et al. Scheduling AMSs with generalized Petri nets and highly informed heuristic search // Computers & Operations Research. 2025. V. 175. P. 106912.
12. Qin T. et al. Strong Current-State Opacity Verification of Discrete-Event Systems Modeled With Time Labeled Petri Nets // IEEE/CAA Journal of Automatica Sinica. 2025. V. 12. № 1. P. 1–15.
13. NamvariTazehkand L., Pashazadeh S. Modeling, simulation, and evaluation of causal order assurance techniques in causal broadcast algorithms using timed colored petri nets // The Journal of Supercomputing. 2025. V. 81. № 1. P. 1–33.
14. Wojnakowski M. et al. A Polynomial-Time Algorithm for Detection of Uncovered Transitions in a Petri Net-Based Concurrent System // Applied Sciences. 2025. V. 15. № 2. P. 680.
15. Anguiano-Gijón C.A. et al. Assessment of Petri nets Regulation Control methodologies for automation systems // Control Engineering Practice. 2024. V. 144. P. 105819.
16. Luo J. et al. Petri-net-based deep reinforcement learning for real-time scheduling of automated manufacturing systems // Journal of Manufacturing Systems. 2024. V. 74. P. 995–1008.
17. Lin Z. et al. Petri Net Model Predictive Control Method for Batch Chemical Systems // Processes. 2024. Т. 12. № 3. P. 620.
18. Leemans S.J.J., Maggi F.M., Montali M. Enjoy the silence: analysis of stochastic Petri nets with silent transitions // Information Systems. 2024. V. 124. P. 102383.
19. Windmann S. Petri net based diagnostic approach for concurrent discrete event systems //at-Automatisierungstechnik. 2024. V. 72. № 4. P. 259–271.
20. Yifeng Y. et al. Deadlock determination for digital twin workshops based on Petri nets and Banker’s algorithm // Journal of Graphics. 2024. V. 45. № 3. P. 585.
21. Xie Q. Research on Modeling and Analysis of Logistics Business Process Based on Petri Net // ICSETPSD 2023: Proceedings of the First International Conference on Science, Engineering and Technology Practices for Sustainable Development, ICSETPSD 2023, 17th-18th November 2023. Coimbatore. Tamilnadu. India. European Alliance for Innovation. 2024. P. 340.