基于数据影响的多对象交互流程偏差检测方法

现有的大多数偏差检测方法能够识别来自流程活动及部分数据属性的偏差,但是无法处理流程执行过程中数据变化对流程的影响问题,尤其是在涉及多对象交互的情况下。针对这一问题,提出了一种多对象交互情况下基于数据影响的业务流程偏差检测方法。首先,基于控制流与数据信息识别可能的偏差活动;然后,根据数据变化对活动的影响定义影响集;接着,将以对象为中心的概念引入偏差检测过程,形式化以对象为中心的Petri网模型,在此基础上,通过分析对象是否对其修改的数据具有执行权限,分类并定义了四种数据影响类型及其计算标准,据此得到基于数据影响的偏差检测结果;最后,与其他偏差检测方法对比验证,结果表明,应用该方法得到的偏差检测结果值得到提升,并且能够处理多对象交互的流程偏差。该方法能够有效捕获多对象交互流程中数据变化影响的流程活动,提高偏差检测的合理性与准确性。

基于数据影响的业务流程一致性检查方法

近年来,业务流程的精确管理受到越来越多的关注,作为业务流程管理内容之一的一致性检查技术正变得越来越重要。现有的一致性检查技术主要从模型的控制流角度出发,并未考虑业务流程中的数据或数据的变化对业务流程产生的影响,为此提出了一种基于数据影响的业务流程一致性检查方法。首先,通过业务流程建模符号(business process modeling notation,BPMN)模型中数据和行为之间的依赖关系来分析数据对偏差活动预期行为的影响,进而获取偏差活动的预期行为集;其次,通过在BPMN模型中引入决策模型和符号(decision model and notation,DMN)决策表来充分捕获当前实例执行的数据上下文与行为上下文之间的关系,以区分有效数据更改和异常数据更改,找到偏差活动的有效预期行为集。最后,通过设计数据对偏差活动影响的各类成本函数提出了有效一致性检查方法。实验结果表明,相比已有工作,该方法在进行业务流程一致性检查时提高了业务流程的一致性,可以成功捕获偏差活动作出反应的适应行为,使得业务流程在复杂多变的环境下表现得更加准确、合理。

基于依赖关系的数据流Petri网一致性分析

现有的大部分关于业务流程一致性的研究主要考虑控制流.而数据信息也是流程中需要重点关注的部分,在考虑数据视角后,模型与事件日志间的一致性可能出现很大的不同.提出一种基于依赖关系的数据流Petri网一致性检查方法.方法引入决策表的概念,通过寻找模型中存在的决策点并对其添加决策表来构建合理且尽可能贴合实际系统的数据流Petri网模型;根据模型与事件日志中存在的依赖关系,使用给定的代价函数计算最优对齐与参考对齐所需代价值,在此基础上计算得到日志与模型的一致性度,根据结果衡量流程执行的一致性;通过实例分析对所提方法进行验证,结果表明,融合数据流与决策表的方法在一致性检查中更具合理性.