Modelado mejorado de sistemas reactivos mediante redes de Petri no autónomas y microservicios

Abstract

Este artículo presenta un marco innovador para el modelado y ejecución de sistemas reactivos mediante la integración de Redes de Petri No Autónomas (RPNA) con arquitecturas de microservicios. Los sistemas reactivos en dominios críticos como control industrial e IoT requieren tanto verificabilidad formal como flexibilidad operativa, sin embargo, los enfoques existentes suelen tener dificultades para equilibrar estos requisitos. Nuestro trabajo aborda esta brecha combinando el rigor matemático de las RPNA -que permiten modelado preciso de concurrencia y sincronización orientada a eventos- con la escalabilidad y resiliencia de los microservicios. En esta versión extendida, la propuesta incorpora una metodología estructurada que incluye un flujo completo de procesamiento de eventos y una separación explícita entre eventos, acciones, datos y políticas. Esta integración metodológica fortalece la correspondencia entre el modelo formal y su implementación distribuida, asegurando que las propiedades verificadas en el diseño se manten-gan durante la ejecución. Una contribución clave es nuestra taxonomía jerárquica de eventos, que clasifica sistemáticamente los estímulos (temporales, asincrónicos o por fallas) para optimizar su procesamiento en entornos distribuidos. Esta taxonomía permite manejo adaptativo tanto de eventos reconocidos como desconocidos, mejorando la robustez del sistema en escenarios dinámicos. La arquitectura propuesta incluye un orquestador inteligente que coordina microservicios según la clasificación de eventos, manteniendo coherencia con el modelo formal RPNA. Los resultados esperados incluyen sistemas reactivos portables, escalables y formalmente verificables que preservan las propiedades de diseño durante su ejecución distribuida. El marco beneficia particularmente aplicaciones industriales donde la confiabilidad y capacidad de respuesta en tiempo real son críticas. Trabajos futuros validarán el enfoque mediante casos de estudio en sistemas de pagos y explorarán extensiones con aprendizaje automático para optimización dinámica del desempeño. Esta investigación tiende un puente entre métodos formales y arquitecturas distribuidas modernas, ofreciendo una solución tanto teóricamente rigurosa como prácticamente viable para sistemas reactivos de misión crítica.

This paper presents an innovative framework for modeling and executing reactive systems by integrating Non-Autonomous Petri Nets (NAPN) with microservices architecture. Reactive systems in critical domains such as industrial control and IoT demand both formal verifiability and operational flexibility, yet existing approaches often struggle to balance these requirements. Our work addresses this gap by combining the mathematical rigor of NAPNs—which enable precise modeling of event-driven concurrency and synchronization—with the scalability and resilience of microservices. In this extended version, the proposal incorporates a structured methodology that includes a complete event-processing flow and a clear separation between events, actions, data, and policies. This methodological refinement strengthens the correspondence between the formal model and its distributed implementation, ensuring that design-time properties are preserved during execution. A key contribution is our hierarchical event taxonomy, which systematically classifies stimuli (temporal, asynchronous, or fault-based) to optimize processing in distributed environments. This taxonomy enables adaptive handling of both recognized and unknown events, enhancing system robustness in dynamic scenarios. The proposed architecture features an intelligent orchestrator that coordinates microservices based on event classification while maintaining consistency with the formal NAPN model. Expected outcomes include portable, scalable, and formally verifiable reactive systems that preserve design-time properties during distributed execution. The framework particularly benefits industrial applications where reliability and real-time responsiveness are paramount. Future work will validate the approach through payment system case studies and explore machine learning extensions for dynamic performance optimization. This research bridges formal methods with modern distributed architectures, offering a principled yet practical solution for mission-critical reactive systems.