[논문 리뷰] Abridged Petri Nets

Vitali Volovoi|arXiv (Cornell University)|2013. 12. 10.

Business Process Modeling and Analysis참고 문헌 21인용 수 5

한 줄 요약

이 논문은 전이 노드를 별도로 두지 않고 장소 간 직접적인 화살표로 대체함으로써 복잡한 확률적 시스템을 모델링하기 위한 새로운 그림자 프레임워크인 압축 페트리 넷(APNs)을 소개한다. APNs의 토큰은 이산(색상) 및 연속(나이) 레이블을 지니며, 구성 요소 간 상호작용은 트리거—활성화자와 억제자—를 통해 모델링되어 기존의 스토하스틱 페트리 넷(SPNS)과 동일한 모델링 능력을 유지하면서도 더 컴act하고 투명하며 효율적인 모델을 제공한다. 특히 자동 색상 정책 일치 기능을 갖춘 계층적 하위모델링을 통해 모듈화가 향상된다.

ABSTRACT

A new graphical framework, Abridged Petri Nets (APNs) is introduced for bottom-up modeling of complex stochastic systems. APNs are similar to Stochastic Petri Nets (SPNs) in as much as they both rely on component-based representation of system state space, in contrast to Markov chains that explicitly model the states of an entire system. In both frameworks, so-called tokens (denoted as small circles) represent individual entities comprising the system; however, SPN graphs contain two distinct types of nodes (called places and transitions) with transitions serving the purpose of routing tokens among places. As a result, a pair of place nodes in SPNs can be linked to each other only via a transient stop, a transition node. In contrast, APN graphs link place nodes directly by arcs (transitions), similar to state space diagrams for Markov chains, and separate transition nodes are not needed. Tokens in APN are distinct and have labels that can assume both discrete values ("colors") and continuous values ("ages"), both of which can change during simulation. Component interactions are modeled in APNs using triggers, which are either inhibitors or enablers (the inhibitors' opposites). Hierarchical construction of APNs rely on using stacks (layers) of submodels with automatically matching color policies. As a result, APNs provide at least the same modeling power as SPNs, but, as demonstrated by means of several examples, the resulting models are often more compact and transparent, therefore facilitating more efficient performance evaluation of complex systems.

연구 동기 및 목표

• 스토하스틱 페트리 넷(SPNS)의 뷰어블 혼잡함과 복잡성을 해소하여 모델의 투명성과 사용성을 향상시키기 위해.
• 페트리 넷 모델에서 별도의 전이 노드가 필요 없도록 하여 시스템 동역학의 그래픽 표현을 단순화하기 위해.
• 독립된 구성 요소 행동을 기본으로 간주하고 상호작용을 명시적인 트리거로 처리함으로써 더 직관적이고 모듈화된 복잡한 시스템 모델링을 가능하게 하기 위해.
• SPNs의 전반적인 모델링 능력을 유지하면서도 직접적인 장소 간 연결과 계층적 하위모델링을 통해 모델의 압축성과 가독성을 향상시키기 위해.
• 모델 복잡성 감소와 구조적 명확성 향상으로 복잡한 시스템의 효율적인 성능 평가를 가능하게 하기 위해.

제안 방법

• 기존 SPN 전이 노드를 장소 간 직접적인 화살표로 대체하여, 토큰이 중간 라우팅 노드 없이 장소 간 직접 이동할 수 있도록 한다.
• 이산(색상) 및 연속(나이) 속성을 지닌 레이블이 부여된 토큰을 사용하여 시뮬레이션 중 시스템 상태 변화를 반영하도록 상태가 변화한다.
• 포크-조인 메커니즘 대신 전용 트리거—특히 억제자와 활성화자—를 사용하여 구성 요소 간 상호작용을 모델링함으로써, 병합 또는 분할 없이 조건부 상태 전이를 가능하게 한다.
• 자동으로 일치된 색상 정책을 갖춘 스택형 하위모델을 통해 계층적 모델링을 구현하여 토큰이 해당 하위넷으로 정확히 되돌아오도록 보장한다.
• 하위넷에 고유한 색상 범위를 자동으로 할당하여 하위넷 간 토큰 혼합을 방지하고 정확한 라우팅을 보장하는 자동 색상 이동 메커니즘을 도입한다.
• 마르코프 체인과 유사한 상태공간 다이어그램을 사용하되, 토큰 레이블과 트리거를 추가함으로써 시스템 동역학을 명확하고 압축적으로 표현한다.

실험 결과

연구 질문

• RQ1 스토하스틱 페트리 넷(SPNS)의 전반적인 모델링 능력을 유지하면서도 전이 노드를 제거한 페트리 넷 프레임워크를 설계할 수 있는가?
• RQ2 전이 노드가 더 이상 명시적인 노드가 아닌 모델에서 토큰의 정체성과 상태를 어떻게 유지하고 추적할 수 있는가?
• RQ3 트리거(활성화자와 억제자)가 포크-조인 의미 체계를 대체하여 구성 요소 간 상호작용을 유일한 수단으로 사용할 수 있는가?
• RQ4 전이 노드 제거가 모델의 압축성, 투명성, 성능 평가 효율성 향상에 어느 정도 기여하는가?
• RQ5 자동 색상 정책 일치 기능을 갖춘 계층적 하위모델링은 어떻게 구현되어 모듈화되고 확장 가능한 시스템 모델링을 지원하는가?

주요 결과

• APNs는 스토하스틱 페트리 넷(SPNS)과 동일한 모델링 능력을 유지하면서도 뷰어블 복잡성과 모델 투명성을 크게 향상시킨다.
• 별도의 전이 노드 제거로 인해 장소 간 직접적인 화살표가 가능해져 그래픽적 구조가 단순화되고 가독성이 향상된다.
• APNs의 토큰은 이산(색상) 및 연속(나이) 레이블을 지니며, 개별 실체의 상태 변화를 세밀하게 추적할 수 있다.
• 포크-조인 메커니즘 대신 트리거(활성화자와 억제자)를 사용함으로써, 특히 토큰이 서로 다른 정체성을 지닌 경우 상호작용을 더 자연스럽고 오류가 적게 발생하는 방식으로 모델링할 수 있다.
• 자동 색상 정책 일치 기능을 갖춘 계층적 하위모델링은 토큰이 정확히 해당 하위넷으로 되돌아오도록 보장하여 하위넷 간 혼동을 방지한다.
• 자동 색상 이동 메커니즘은 동일한 하위넷을 다수 개로 확장 가능한 모델링을 가능하게 하며, 각 하위넷에 고유하고 겹치지 않는 색상 범위를 할당하여 정확한 라우팅과 상태 일관성을 보장한다.