F. Rdp and P. , 47 2.2.2.1.3- Définition fondée sur l'âge des marques47 2.2.2.1.4- Définition fondée sur l'intervalle de temps48 2.2.2.1.5- Condition de franchissement d'une transition, Intervalles, p.52

.. Méthodes-et-outils-de-surveillance-avec-modèle, 63 2.3.1.1- Surveillance par modélisation fonctionnelle, p.63

.. Méthodes-et-outils-de-surveillance-sans-modèle, 67 2.3.2.1- Surveillance avec outils statistiques67 2.3.2.1.2- Test de moyenne et test de variance- Surveillance par reconnaissance des formes, Reconnaissances des formes par utilisation des outils statistiques, p.74

.. Modélisation-et-analyse-d-'une-commande-robuste-multicritères, 80 3.1- Introduction, p.82

.. Aspect-formel-pour-le-modèle-de-robustesse-hybride-monocritère, 90 3.3.4.1- Aspect formel pour les circuits élémentaires2- Aspect formel pour un système de production, 94 3.4- Modèles RdP de commande pour la génération de robustesse d'une ressource : approche bi-critère .... 97

.. Aspect-formel-pour-le-modèle-de-robustesse-hybride-bi-critère-d-'une-ressource, 101 3.4.2.1- Aspect formel pour le cas des variables qualitatives unitaires en parallèle 101 3.4.2.2- Aspect formel pour le cas des variables qualitatives unitaires en série 102 3.5- Modèles RdP de commande pour la génération de robustesse d'un Système de production: approche bicritère, p.102

S. Indirecte:-approche-multicritères and .. , 109 4.1- Introduction, p.111

.. De-référence, 14 1.3.3- Gestion des perturbations et mesure de robustesse 14 1.3.3.1- Gestion des perturbations 17 1.3.4.1- Robustesse vis-à-vis des contraintes de temps 17 1.3.4.2- La robustesse face à des contraintes non-temporelles 18 1.4- Surveillance des systèmes à événements discrets 18 1.4.1- Les fonctions de la surveillance 19 1.4.2- Types de surveillance 20 1.5- Intégration ou séparation de la surveillance à la commande Notre contribution : vers une Surveillance Indirecte suite à une Commande, .41 2.2- Modélisation de la robustesse des ateliers à contraintes temporelles et non temporelles ........................41 2.2.1- Automates à états..42 2.2.2, p.46

F. Rdp-À-intervalles and .. , 54 2.2.2.2.4- Calcul de l'état suivant54 2.2.2.2.5- Les RdP P-temporels : une sous classe des RdP à intervalles56 2.2.2.3.1- RdP t-temporels, .58 2.2.2.3.2- RdP temporels à flux indépendants.60 2.2.3- Synthèse et choix des outils de modélisation adéquats pour notre60 2.3- Outils et méthode pour la surveillance des systèmes industriels, p.63

.. 'un-four-À-gaz, 127 4.2.3- Interprétation générale et apport de l'architecture RR 2 FR 131 4.3- Détection des symptômes par suivi des paramètres de loi de commande à travers les RdPTàO : approche qualité-flux 132 4.3.2- Modèle de Suivi-Détection multicritères : Qualité-flux Synchronisation entre le bloc Pronostic et le bloc Suivi-Détection, ., p.144

.. Présentation-de-la-chaîne-de-production, 148 5.2.1- Présentation de la chaîne de production de double concentré de tomate, p.153

D. De, 156 5.3.1- Modèle commande : commande robuste 156 5.3.1.1- Loi de commande robuste activement bi-critère : qualité-flux 156 5.3.1.2- Loi de commande robuste hybride bi-critère : qualité-flux 162 5.3.2.1- Fonction pronostic : prédiction de la qualité de produit DCT par RR 2 FR, Application de l'architecture « Surveillance Indirecte suite à une Commande Robuste, p.166

A. Aghasaryan, R. Boubour, E. Fabre, C. Jard, and A. Et-benveniste, A petri net approach to fault detection and diagnosis in distributed systems, 1997.

D. Andreu, Commande et supervision des procédés discontinus : une approche hybride, Thèse de Doctorat, 1996.

C. Artigues, Ordonnancement en temps réel d'ateliers avec temps de préparation des ressources, Thèse de Doctorat, 1997.

M. Basseville, Detecting changes in signals and systems???A survey, Automatica, vol.24, issue.3, pp.309-326, 1988.
DOI : 10.1016/0005-1098(88)90073-8

B. Abdallah and I. «. , Méthodes d'allocation de ressources dans les Systèmes Flexibles de Production Manufacturière fondées sur l'analyse structurelle des réseaux de petri, 1996.

P. Berruet, A. K. Toguyeni, S. Elkhattabi, and E. Craye, Toward an implementation of recovery procedures for flexible manufacturing systems supervision, Computers in Industry, pp.227-236, 2000.
DOI : 10.1016/S0166-3615(00)00068-3

. Ber-05-]-p and . Bonhomme, Control of time critical systems using partial order, IMAC'05, 2005.

B. Berthomieu and M. Diaz, Modeling and veri_cation of time dependent systems using time Petri nets, IEEE transactions on software engineering, pp.259-273, 1991.

M. R. Berthold and J. Diamond, Boosting the Performance of RBF Networks with Dynamic Decay Adjustment, Advances in Neural Information Processing Systems, pp.521-528, 1995.

E. Bernauer, « Les réseaux de neurones et l'aide au diagnostic : un modèle de neurones bouclés pour l'apprentissage de séquences temporelles, 1996.

P. Berruet, « Contribution au recouvrement des systèmes flexibles de production manufacturière : analyse de la tolérance et reconfiguration, Thèse de Doctorat, 1998.

S. R. Bhatikar and M. R. , Artificial neural-network-based diagnosis of CVD barrel reactor, IEEE Transactions on Semiconductor Manufacturing, vol.15, issue.1, pp.71-78, 2002.
DOI : 10.1109/66.983446

M. Blanke, M. Kinnaert, J. Lunze, and M. Staroswiecki, Diagnosis and Fault-Tolerant Control, 2006.

P. Bonhomme, S. Aygalinc, and . Calvez, Using Robustness Properties for Multi- Products Processing, IEEE, 2nd Conférence on Management and Control of Production and Logistics, 2000.

P. Bonhomme, « Réseaux de petri P-temporels : contributions à la commande robuste, Thèse de Doctorat, 2001.

D. S. Broomhead and D. Lowe, Multivariable functionnal interpolation and adaptive networks, Complexe Systems, vol.2, pp.321-355, 1988.

N. Buyurgan and C. Saygin, Application of the analytical hierarchy process for realtime scheduling and part routing in advanced manufacturing systems, Journal of Manufacturing Systems, vol.27, issue.3, 2008.

H. Camus, « Conduite des systèmes flexibles de production manufacturière par composition des régimes permanents cycliques : modélisation et évaluation des performances à l'aide des réseaux de Petri, Thèse de Doctorat, 1997.

C. G. Cassandras, Discrete-Event Systems
DOI : 10.1007/0-8176-4404-0_4

J. Chappelier, M. Gori, and A. Grumbach, Time in Connectionist Models, Sequence Learning: Paradigms, Algorithms, and Applications, pp.105-134, 2001.
DOI : 10.1007/3-540-44565-X_6

E. S. Chng, S. Chen, and M. B. , Gradient radial basis function networks for nonlinear and nonstationary time series prediction, IEEE Transactions on Neural Networks, vol.7, issue.1, pp.190-194, 1996.
DOI : 10.1109/72.478403

S. Dutilleul, H. Dhouibi, E. Craye, S. , J. P. Denat et al., Internal Robustness of Discret Event System with internal constraints in repetitive functionning mode, Commande robuste d'un atelier flot sans stocks et sans attentes ». Automatique, Informatique Industrielle (APII), p.6, 1994.

M. Cambacau, P. Berruet, and E. Zamai, « Supervision and Monitoring of Production Systems, Seconde Conférence Management et Conduite en Production et Logistique, 2000.

M. Combacau, Commande et surveillance des systèmes à événements discrets complexes : application aux ateliers flexibles, Thèse de doctorat, 1991.

. Cor, E. Artemis-imag, L. Lag, and . <<corine>>, COduite Robuste et INtelligente dans les Entreprises manufacturières, 1996.

P. Coulibaly and N. D. Evora, Comparison of neural network methods for infilling missing daily weather records, Journal of Hydrology, pp.27-41, 2007.
DOI : 10.1016/j.jhydrol.2007.04.020

D. Silveira, M. R. Combacau, M. Subias, and A. , From centralized to distributed models: A systematic procedure based on Petri nets, SMC ? IEEE International Conference on Systems, Man and Cybernetics, 2002.

D. Da-silveira, M. R. Combacau, M. Boufaied, and A. , Prognosis and Recovery Evaluation in Flexible Manufacturing Supervision, Journal of Decision Systems, vol.23, issue.2, 2003.
DOI : 10.1016/S0377-2217(99)00496-8

D. , ]. Da-silveira, and M. , Sur la distribution avec redondance partielle de modèles à événements discrets pour la supervision de procèdes industriels, Thèse de doctorat, 2003.

H. Dhouibi, C. Dutilleul, S. , E. Craye, and L. Nabli, Computing Intervals of Intervals Constrainted Petri Net: a tobacco manufacturing application, IMACS 05 conference, 2005.

R. O. Duda and E. H. , Pattern classification and scene analysis, 1973.

S. Khattabi, « Integration de la surveillance de bas niveau dans la conception des systèmes à événements discrets : application aux systèmes de production flexibles, Thèse de Doctorat, 1993.

P. M. Frank, Fault diagnosis in dynamic systems using analytical and knowledge-based redundancy, Automatica, vol.26, issue.3, pp.459-474, 1990.
DOI : 10.1016/0005-1098(90)90018-D

P. Frasconi, M. Gori, M. Maggini, and G. Soda, Unified integration of explicit knowledge and learning by example in recurrent networks, IEEE Transactions on Knowledge and Data Engineering, vol.7, issue.2, pp.340-346, 1995.
DOI : 10.1109/69.382304

K. Fukunaga, Statistical Pattern Recognition, Academic Pess, 1990.

E. Gaury, Designing pull production control systems : customization and robustness, Thèse de Doctorat, 2000.

R. L. Hardy, Multiquadric equations of topography and other irregular surfaces, Journal of Geophysical Research, vol.71, issue.8, pp.1905-1915, 1971.
DOI : 10.1029/JB076i008p01905

L. Harris, Mind over manufacturing, Al. Expert, 1990.

N. Hamani, N. Dangoumau, and E. Craye, Reactive mode handling of flexible manufacturing systems, Mathematics and Computers in Simulation, vol.79, issue.5, pp.1421-1439, 2009.
DOI : 10.1016/j.matcom.2007.12.002
URL : https://hal.archives-ouvertes.fr/hal-00837601

X. Hong and S. Chen, A New RBF Neural Network With Boundary Value Constraints, IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), vol.39, issue.1, pp.298-303, 2009.
DOI : 10.1109/TSMCB.2008.2005124

M. J. Hudak, RCE CLASSIFIERS: THEORY AND PRACTICE, Cybernetics and systems, pp.483-515, 1992.
DOI : 10.1007/BF00387211

M. V. Iordache, J. Moody, and A. P. , Synthesis of deadlock prevention supervisors using Petri nets, IEEE Transactions on Robotics and Automation, vol.18, issue.1, pp.59-68, 2002.
DOI : 10.1109/70.988975

R. Isermann, Process fault detection based on modeling and estimation methods???A survey, Automatica, vol.20, issue.4, pp.387-404, 1984.
DOI : 10.1016/0005-1098(84)90098-0

Y. Iwasaki and H. A. Simon, Causality in device behavior, Artificial Intelligence, vol.29, issue.1, pp.3-33, 1986.
DOI : 10.1016/0004-3702(86)90089-5

N. Jerbi, C. Dutilleul, S. Craye, E. Benrejeb, and M. , Time Disturbances and Filtering of Sensors Signals in Tolerant Multi-product Job-shops with Time Constraints, International Journal of Computers Communications & Control, vol.1, issue.4, pp.61-72, 2006.
DOI : 10.15837/ijccc.2006.4.2308

L. Jianming, Y. Le, S. D. Sudhoff, and S. H. Zak, Self-Organizing Radial Basis Function Network for Real-Time Approximation of Continuous-Time Dynamical Systems, IEEE Transactions on Neural Networks, vol.19, issue.3, pp.460-474, 2008.
DOI : 10.1109/TNN.2007.909842

H. Kaffel, La maintenance distribuée : concept, évaluation et mise en oeuvre" Thèse, Faculté des études supérieures de l, 2001.

W. Khansa, P. Aygalinc, and J. P. Denat, Structural analysis of P-Time Petri Nets, pp.127-136, 1996.

O. Kazushi and G. Kang, Model-based Control for Reconfigurable Manufacturing Systems, Robotics and Automation, pp.21-26, 2001.

D. Kleer and J. , Theories of causal ordering, Artificial Intelligence, vol.29, issue.1, pp.33-62, 1986.
DOI : 10.1016/0004-3702(86)90090-1

H. N. Koivo, Artificial neural networks in fault diagnosis and control, Control Engineering Practice, vol.2, issue.1, pp.89-101, 1994.
DOI : 10.1016/0967-0661(94)90577-0

Y. Koren, Reconfigurable Manufacturing and Beyond, the summary of keynote Speech of CIRP05 3rd International Conference on Reconfigurable Manufacturing, pp.10-12, 2005.

O. Korbaa, Commande cyclique des systèmes flexibles de production manufacturière à l'aide des réseaux de Petri : de la planification à l'ordonnancement des régimes ansitoires, Thèse de Doctorat, 1998.

Y. Koren, U. Heisel, F. Jovane, T. Moriwoki, G. Pritshow et al., Reconfigurable Manufacturing Systems, CIRP Annals - Manufacturing Technology, vol.48, issue.2, pp.527-540, 1999.
DOI : 10.1016/S0007-8506(07)63232-6

R. Kumar and L. E. Holloway, Supervisory control of deterministic Petri nets with regular specification languages, IEEE Transactions on Automatic Control, vol.41, issue.2, pp.245-249, 1996.
DOI : 10.1109/9.481527

J. Laprie, C. Lee, and R. S. , Dependability basic concepts and terminology iJADE stock advisor: an intelligent agent based stock prediction system using hybrid RBF recurrent network, IEEE Transactions on Systems, Références bibliographiques, pp.3-211, 1992.

C. Man, A. Part, and . E. Lee, « Reconfiguration dynamique de la commande d'un système manufacturier : approche par la synthèse de la commande, pp.421-428, 2004.

Z. Li, M. Zhou, and M. Jeng, A Maximally Permissive Deadlock Prevention Policy for FMS Based on Petri Net Siphon Control and the Theory of Regions, IEEE Transactions on Automation Science and Engineering, vol.5, issue.1, pp.182-188, 2008.

J. Long and B. Descotes-genon, Flow optimization method for control synthesis of flexible manufacturing systems modeled by controlled timed Petri nets, [1993] Proceedings IEEE International Conference on Robotics and Automation, pp.598-603, 1993.
DOI : 10.1109/ROBOT.1993.292044

F. Ly, A. K. Toguyeni, and E. Craye, Indirect predictive monitoring in flexible manufacturing systems, Robotics and Computer-Integrated Manufacturing, vol.16, issue.5, pp.321-338, 2000.
DOI : 10.1016/S0736-5845(00)00015-6

F. «. Ly, Optimisation de la maintenance dans les SFPM : Approche par la structuration et la surveillance prédictive indirecte, Thèse de Doctorat de l'Ecole Centrale de Lille, 1999.

E. Minca, « Contribution à la surveillance des systèmes de production à l'aide des réseauxde Petri flous : Application à la e-maintenance, Thèse de doctorat, 2004.

M. Moalla, Spécification et conception sûre d'automatismes discrets complexes, basées sur l'utilisation du GRAFCET et des réseaux de PETRI, 1981.

J. Montmain, From diapason research program to its industrial application in nuclear fuel reprocessing, IFAC Symposium on Fault Detection, Supervision and Safety for Technical Process -SAFEPROCESS'97, pp.209-216, 1997.

L. «. Nabli, Surveillance prédictive conditionnelle prévisionnelle indirecte d'une unité de filature textile : Approche par la qualité, Thèse de Doctorat de l'Ecole Centrale de Lille, 2000.

L. Nabli, H. Dhouibi, C. Dutilleul, S. Craye, and E. , « Utilisation de la logique floue pour la surveillance prédictive indirecte d'un système de production : cas d'une manufacture de tabac, p.8, 2006.

L. Nabli and A. J. Telmoudi, Modeling and analysis of a robust control of manufacturing systems: flow-quality approach, International Journal of Computer, Information, and Systems Science, and Engineering, vol.2, issue.1, pp.43-51, 2008.

L. Nabli, A. K. Toguyéni, E. Craye, and M. Annabi, A monitoring method based on fuzzy sets, CESA'98 IMACS Multiconférence, Computational engineering in systems application, 1998.

I. T. Nabney, Efficient training of RBF networks for classification, Ninth International Conference on Artificial Neural Networks, 1999. ICANN 99, pp.210-215, 1999.

M. Nourelfath and E. Niel, Modular supervisory control of an experimental automated manufacturing system, Control Engineering Practice, vol.12, issue.2, pp.205-216, 2004.
DOI : 10.1016/S0967-0661(03)00056-X
URL : https://hal.archives-ouvertes.fr/hal-00179651

N. Palluat, D. Racoceanu, and N. Zerhouni, Utilisation des r??seaux de neurones temporels pour le pronostic et la surveillance dynamique. Etude comparative de trois r??seaux de neurones r??currents, Vers une méthode d'exploitation des systèmes automatisés de production Thèse de Doctorat, pp.19913-950, 1992.
DOI : 10.3166/ria.19.913-950

R. J. Patton, J. Chen, and X. L. Xie, Robust model-based fault diagnosis for dynamic systems, Les réseaux de Petri pour la conception et la gestion des systèmes de production, 1994.

E. Rafaj?owicz and E. Skubalska-rafaj?owicz, RBF nets for approximating an object's boundary by image random sampling » in Nonlinear Analysis: Theory, Methods & Applications, 2009.

S. Renals and R. R. , Phoneme classification experiments using radial basis functions, International Joint Conference on Neural Networks, 1989.
DOI : 10.1109/IJCNN.1989.118620

S. H. Rich and V. Venkatasubramanian, Model-based reasoning in diagnostic expert systems for chemical process plants, Computers & Chemical Engineering, vol.11, issue.2, pp.111-1221987
DOI : 10.1016/0098-1354(87)80012-1

I. Rojas, H. Pomares, J. Gonzalez, E. Ros, M. Salmeron et al., A new radial basis function networks structure: application to time series prediction, Proceedings of the IEEE-INNS-ENNS International Joint Conference on Neural Networks. IJCNN 2000. Neural Computing: New Challenges and Perspectives for the New Millennium, pp.449-454, 2000.
DOI : 10.1109/IJCNN.2000.860812

F. Roubellat and V. Et-thomas, Une méthode et un logiciel pour l'ordonnancement en temps réel d'ateliers ». APII, pp.419-439, 1988.

D. Ruiz, J. M. Nougues, and L. Puigjaner, Fault diagnosis support system for complex chemical plants, Computers & Chemical Engineering, vol.25, issue.1, pp.151-160, 2001.
DOI : 10.1016/S0098-1354(00)00638-4

M. Silva, Petri net for the disign and operation of Manufacturing Systems " . 17 th International Conference on application and theory of Petri Nets-Manufacturing and Petri Nets, pp.31-61, 1996.

A. J. Telmoudi, L. Nabli, and A. Bourjault, The use of redundancy to evaluate the manufacturing system total robustness: A quality approach, 2008 3rd International Symposium on Communications, Control and Signal Processing, pp.440-446, 2008.
DOI : 10.1109/ISCCSP.2008.4537266

. Tel, A. J. Telmoudi, L. Nabli, and A. Bourjault, « Évaluation de la robustesse des SFPM par étude de la redondance de la robustesse modulaire : approche flux, pp.290-297, 2008.

. Tel, A. J. Telmoudi, L. Nabli, and A. Bourjault, Symptoms detection in FMS through performance indicators follow-up: A quality-flow approach, IEEE-CMD, pp.803-807, 2008.

. Tel, A. J. Telmoudi, L. Nabli, and R. «. M-'hiri, Conception d'une commande robuste pour une ressource de production : approche flux-qualité», GEI'08, 2008.

A. J. Telmoudi, L. Nabli, and R. M-'hiri, Robust control of a manufacturing system: Flow-quality approach, 2008 IEEE International Conference on Emerging Technologies and Factory Automation, pp.137-188
DOI : 10.1109/ETFA.2008.4638384

. Tel, A. J. Telmoudi, L. Nabli, and R. M-'hiri, Modeling Method of Robust Control Laws for Manufacturing System to Temporal and non Temporal Constraints through Petri Nets, International Review on Computers and Software, vol.4, issue.2, pp.266-277, 2009.

A. J. Telmoudi, S. Barkit, L. Nabli, Y. Chetouani, M. 'hiri et al., Réseau de Neurones doublement Récurrent à Base de Fonctions Radiales pour le pronostic, Journal Européen des Systèmes Automatisés (JESA), vol.43, pp.7-8, 2009.
DOI : 10.3166/jesa.43.871-887

. Tel, A. J. Telmoudi, and L. Nabli, Modeling of robustness margins of the control of a Predictive Control-Supervisory architecture, Journal of Universal Computer Science (J.UCS), vol.15, issue.17, pp.3231-3245, 2009.

A. J. Telmoudi, L. Nabli, H. Tlijani, and M. Ali, A New Radial Basis Function Neural Network for Time-Series Prediction, International Journal of Information Technology & Decision Making, issue.11, 2011.

A. K. Toguyeni, « From the treatment of failure to the management of working degraded modes, Proceedings of IMACS'91, may 91, pp.595-601

A. K. Toguyeni, « Surveillance et diagnostic en ligne dans les ateliers flexibles de l'industrie manufacturière, Thèse de Doctorat, 1992.

A. K. Toguyeni, S. Elkhatabi, and E. Craye, « functionnal and/or structural approch for the supervision of flexible manufactoring system, Compitational Engeniring in Systems Applications. CESA'96, 1992.

A. K. Toguyéni, P. Berruet, and E. Et-craye, Models and algorithms for failure diagnosis and recovery in FMS, International Journal of Flexible Manufacturing Systems, vol.15, pp.1-57, 2003.

A. K. Toguyéni and O. Korbaa, Indirect monitoring of the failures of a flexible manufacturing system under cyclic scheduling, Robotic and Computer-Integrated Manufacturing, pp.1-10, 2005.

T. Y. Wang and C. L. , Mean shifts detection and classification in multivariate process: a neural-fuzzy approach, Journal of Intelligent Manufacturing, vol.13, issue.3, pp.211-221, 2002.
DOI : 10.1023/A:1015738906895

B. Widrow and M. E. Hoff, Adaptive switching circuits

Y. Yao, Z. Lian, and Z. Hou, An innovative air-conditioning load forecasting model based on RBF neural network and combined residual error correction, International Journal of Refrigeration, vol.29, issue.4, pp.528-538, 2006.
DOI : 10.1016/j.ijrefrig.2005.10.008

R. Zemouri, D. Racoceanu, and N. Zerhouni, The RRBF : Dynamic representation of time in radial basis function network, Proc. of the 8th IEEE International Conference on Emerging Technologies and Factory Automation, pp.737-740, 2001.

R. Zemouri, D. Racoceanu, and N. Zerhouni, Recurrent radial basis function network for time-series prediction, Engineering Applications of Artificial Intelligence, vol.16, issue.5-6, pp.5-6, 2003.
DOI : 10.1016/S0952-1976(03)00063-0
URL : http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.110.7475

Q. Zhang, « Identification et Surveillance de systèmes Dynamiques », Habilitation à diriger les recherches, Institut de Formation Supérieure en Informatique et en Communication, 1999.

H. Zhang and M. Gu, Modeling job shop scheduling with batches and setup times by timed Petri nets, Mathematical and Computer Modelling, vol.49, issue.1-2, pp.1-2, 2009.
DOI : 10.1016/j.mcm.2008.03.010
URL : http://doi.org/10.1016/j.mcm.2008.03.010

G. Zwingelstein, Diagnostic des défaillances -Théorie et pratique pour les systèmes industriels » Traité des Nouvelles Technologies, série Diagnostic et Maintenance, 1995.