一種以Artifact為中心的多業(yè)務(wù)流程協(xié)同監(jiān)控方法

劉海濱，柴朝華，李 暉,，王 穎

(1.河北科技師范學(xué)院 工商管理學(xué)院，河北 秦皇島 066004；2.燕山大學(xué) 信息科學(xué)與工程學(xué)院，河北 秦皇島 066004)

0 引言

云計算、大數(shù)據(jù)、人工智能、工業(yè)4.0及電子商務(wù)等技術(shù)的不斷發(fā)展，從根本上徹底改變了當(dāng)今世界企業(yè)的運營方式，企業(yè)全球化時代的到來促使未來企業(yè)必將走向合作共贏、融合發(fā)展的管理模式。在此背景下，業(yè)務(wù)流程管理(business process management, BPM)研究領(lǐng)域也在由傳統(tǒng)的企業(yè)內(nèi)部向跨企業(yè)業(yè)務(wù)流程轉(zhuǎn)變。多業(yè)務(wù)流程協(xié)同[1]是BPM技術(shù)新的熱點問題之一。所謂多流程協(xié)同是指多個企業(yè)的業(yè)務(wù)協(xié)同工作共同完成一個業(yè)務(wù)目標(biāo)。企業(yè)業(yè)務(wù)在協(xié)同工作中，不僅要考慮自身，更要考慮合作伙伴企業(yè)的利益。為了確保信譽，企業(yè)必須能實時監(jiān)控業(yè)務(wù)環(huán)境，保證服務(wù)質(zhì)量，必須能夠靈活地應(yīng)對變化的業(yè)務(wù)需求。因此，相關(guān)研究學(xué)者提出了多業(yè)務(wù)流程協(xié)同監(jiān)控技術(shù)[2-3]，旨在通過對多流程業(yè)務(wù)合作伙伴行為進(jìn)行監(jiān)控，進(jìn)而快速適應(yīng)業(yè)務(wù)需求的變更，降低由于業(yè)務(wù)需求改變而帶來的損失，最大化企業(yè)自身的利益。

目前，在BPM領(lǐng)域，NGAMAKEUR等人從多業(yè)務(wù)流程協(xié)同建模角度開展了深入研究，CORRADINI 提出了基于OMG標(biāo)準(zhǔn)的多業(yè)務(wù)流程協(xié)同建模方法，文獻(xiàn)[4]構(gòu)建了在開發(fā)服務(wù)環(huán)境下進(jìn)行業(yè)務(wù)流程協(xié)同的系統(tǒng)，文獻(xiàn)[5]針對動態(tài)協(xié)作環(huán)境建立了以Artifact為中心的業(yè)務(wù)流程執(zhí)行框架。XIONG等人則針對多業(yè)務(wù)流程協(xié)同中出現(xiàn)的數(shù)據(jù)流錯誤檢測[6]、協(xié)同模式的分析與提取[7]等問題進(jìn)行了研究，未考慮對協(xié)同執(zhí)行進(jìn)行系統(tǒng)的監(jiān)控。文獻(xiàn)[8-10]分別從以Artifact驅(qū)動的流程協(xié)同監(jiān)控、智能設(shè)備的應(yīng)用、物聯(lián)網(wǎng)的應(yīng)用及區(qū)塊鏈的應(yīng)用等方面為切入點深入研究了多業(yè)務(wù)流程監(jiān)控體系構(gòu)建的問題，但其監(jiān)控方法都是自頂向下的設(shè)計，在協(xié)同監(jiān)控過程中只注重過程，而忽略了核心業(yè)務(wù)數(shù)據(jù)自身的重要性。文獻(xiàn)[11-12]提出了基于實時數(shù)據(jù)采集的監(jiān)控模型，但研究重點仍是一個從監(jiān)控需求到監(jiān)控模型再自動轉(zhuǎn)換為監(jiān)控系統(tǒng)的自頂向下的體系，未強調(diào)數(shù)據(jù)的重要性。

因此，本文提出一種自底向上，以Artifact為中心的多流程協(xié)同監(jiān)控方法。首先，給出了以Artifact為中心的業(yè)務(wù)流程協(xié)同模型及其運行后產(chǎn)生的Artifact協(xié)同快照實例定義。其次，采用快照日志挖掘獲得候選的以Artifact為中心的業(yè)務(wù)流程協(xié)同模型，然后，根據(jù)蟻群優(yōu)化算法在候選流程模型中獲取最優(yōu)流程服務(wù)協(xié)同路徑。最后，通過實例分析驗證了方法的可行性。

1 相關(guān)定義

已有的多流程協(xié)同模型主要從管理模型和業(yè)務(wù)模型兩個方面對多流程協(xié)同進(jìn)行了描述，即著重在過程和控制流，忽略了業(yè)務(wù)流程之間的核心業(yè)務(wù)數(shù)據(jù)的交互，導(dǎo)致不能很好滿足業(yè)務(wù)流程協(xié)同的合規(guī)性、靈活性和自治性三方面需求[13-14]。以Artifact為中心的業(yè)務(wù)流程在建模過程中，充分考慮業(yè)務(wù)流程的核心業(yè)務(wù)數(shù)據(jù)及其更新情況，是以數(shù)據(jù)為中心業(yè)務(wù)流程建模思想的典型代表[15]。本文在以Artifact為中心建?；A(chǔ)上進(jìn)行擴展，提出以Artifact為中心的業(yè)務(wù)流程協(xié)同模型。該協(xié)同模型強調(diào)6個核心要素： Artifacts、流程服務(wù)、協(xié)同角色、Artifacts提供流程服務(wù)的監(jiān)控信息及Artifacts之間的服務(wù)協(xié)同的監(jiān)控信息。

定義1以Artifact為中心的業(yè)務(wù)流程協(xié)同模型(Artifact-centric Collaboration Model, ACCM )：以Artifact為中心的業(yè)務(wù)流程協(xié)同模型Π定義為一個多元組(A，V，R，C，F(xiàn)，B)，其中：

1)A為Artifact類型集合，一個Artifact類定義為一個四元組(D，T，S，Sf)，其中D表示名稱-值對的數(shù)據(jù)屬性集合，T表示與數(shù)據(jù)屬性集合D相對應(yīng)的數(shù)據(jù)類型集合，S表示數(shù)據(jù)屬性賦值狀態(tài)集合，并且Sf?S{Sinit}，Sinit為初始數(shù)據(jù)屬性賦值狀態(tài)，Sf表示數(shù)據(jù)屬性賦值完成狀態(tài)；

2)V為流程服務(wù)集合；

3)R為業(yè)務(wù)協(xié)同中的組織角色集合；

4)C是集合A與集合R的笛卡爾積的子集，即A×R={(x,y)|x∈A∧y∈R}，蘊含了流程協(xié)同模型中各個R包含的Artifact類型信息；

5)F是集合A與集合V的笛卡爾積的子集，即A×V={(x,y)|x∈A∧y∈V}，蘊含了對Artifact類提供的各個流程服務(wù)的監(jiān)控信息；

6)B是集合A、集合V及另一個集合A的笛卡爾積的子集，即A×V×A={(x,y,z)|x∈A∧y∈V∧z∈A}，蘊含了各個Artifact類的生命周期過程中影響到其狀態(tài)變化的流程服務(wù)及該流程服務(wù)隸屬的Artifact實例信息。本定義重點介紹了ACCM在后續(xù)流程協(xié)同監(jiān)控中涉及到的要素，其余要素在本文后續(xù)研究中涉及到，故從略。

Artifact實例間的協(xié)同快照反映了協(xié)同流程的相關(guān)監(jiān)控信息，比如ACCM模型中各個組織角色、各個Artifact實例及其流程服務(wù)的總服務(wù)次數(shù)、服務(wù)成功率、平均服務(wù)成本及平均服務(wù)滿意度等。這些監(jiān)控信息可以客觀地反映出當(dāng)前各個組織角色在某一服務(wù)方面的服務(wù)能力、服務(wù)成本、服務(wù)質(zhì)量等，從而對ACCM的監(jiān)控質(zhì)量和可利用性提供更科學(xué)的支持。

定義2Artifact實例協(xié)同快照：給定與Artifact類A相關(guān)的流程協(xié)同模型ACCMA，該模型下的Artifact類A的一個實例協(xié)同快照H可定義為多元組(ID，Al，Sb，Sa，G，P，H，M，E，L，Z，I，Q，K)，其中：

1) ID為Artifact實例協(xié)同快照唯一標(biāo)識符；

2)Al為本Artifact類A的實例名稱；

3)Sb為流程協(xié)同前Artifact類A的屬性賦值狀態(tài)；

4)Sa為流程協(xié)同后Artifact類A的屬性賦值狀態(tài)；

5)G為流程協(xié)同類型，協(xié)同類型用于說明該快照代表的協(xié)同過程中本Artifact實例是協(xié)同中服務(wù)的供給方還是需求方；

6)P為流程協(xié)同中的流程服務(wù)信息；

7)H為流程協(xié)同相關(guān)的Artifact實例信息；

8)M為流程協(xié)同發(fā)生的時間；

9)E為流程協(xié)同憑證信息；

10)L為流程協(xié)同所需流程服務(wù)成本信息；

11)Z為流程服務(wù)的運行次數(shù)；

12)I為流程協(xié)同的結(jié)果信息；

13)Q為流程協(xié)同的滿意度信息；

14)K為流程協(xié)同過程中的其他相關(guān)信息。

2 以Artifact為中心的多流程協(xié)同監(jiān)控

2.1 ACCM協(xié)同監(jiān)控模型挖掘

如何從Artifact實例協(xié)同快照中找到各個組織角色、各個Artifact實例及其服務(wù)的相關(guān)監(jiān)控信息，獲得候選ACCM協(xié)同模型是一個關(guān)鍵問題。

為此，本文提出了ACCM監(jiān)控模型的挖掘算法。ACCM監(jiān)控模型挖掘的主要過程就是對Artifact實例協(xié)同流程快照集合進(jìn)行遍歷。針對每一個快照H，取出Al(主體Artifact實例)、P(協(xié)同流程服務(wù))、G(流程協(xié)同類型)、H(服務(wù)相關(guān)Artifact實例)、L(流程協(xié)同的所需成本)、Z(流程服務(wù)的運行次數(shù))、I(流程協(xié)同的結(jié)果)及Q(流程協(xié)同的滿意度)等信息，根據(jù)G的值確定出流程服務(wù)提供方Artifact實例Ap、流程服務(wù)接受方Artifact實例Ar。從ACCM的F集中尋找(Ap，P)元素，如果找不到，則新建(Ap，P)元素添加到ACCM的F集中。然后，根據(jù)本快照當(dāng)中的L、Z、I、Q信息重新計算(Ap，P)元素的服務(wù)總次數(shù)、成功服務(wù)次數(shù)、平均服務(wù)成本、服務(wù)平均滿意度等指標(biāo)并記錄更新。從ACCM的B集中尋找(Ar，P，Ap)元素，如果找不到，則新建(Ar，P，Ap)元素并添加到ACCM的B集中。然后，根據(jù)本快照當(dāng)中的L、Z、I、Q信息重新計算 (Ar，P，Ap)元素的服務(wù)總次數(shù)、成功服務(wù)次數(shù)、平均服務(wù)成本、服務(wù)平均滿意度等指標(biāo)并記錄更新。重復(fù)執(zhí)行以上操作，直到遍歷所有快照后算法結(jié)束。

算法中F及B集合中元素的服務(wù)總次數(shù)Ctotal的計算方法是通過將當(dāng)前快照的Z值累計到Ctotal中去即可；成功服務(wù)次數(shù)Csuccess的計算需要先判斷該快照的I值，如果I值為“成功”，則將Z的值累積到Csuccess中，否則不累計。而F、B集合中元素的平均服務(wù)成本Ccostavg、服務(wù)平均滿意度Dsatisfaction的計算稍復(fù)雜，令F或B集合中元素的原本服務(wù)總次數(shù)、平均服務(wù)成本，服務(wù)平均滿意度記為Coriginal、Ccostoriginal和Doriginal，則Ccostavg、Dsatisfaction的計算公式為

(1)

(2)

下面是ACCM協(xié)同監(jiān)控模型挖掘算法的偽代碼描述：

算法1ACCM協(xié)同監(jiān)控模型挖掘算法

Input: 協(xié)同流程快照集合SH，ACCM中各Artifact實例可提供的流程服務(wù)集合F、各Artifact實例生命周期中涉及到的由相關(guān)Artifact實例提供的流程服務(wù)集合B

Output: ACCM中的F、B集合

Begin

1. 定義變量i=1，標(biāo)記SH={H1,H2,…,HN}；

2. 從SH中獲取Hi的Al、P、G、H、L、Z、I及Q等屬性；

3. 如果G的值為“供給”，則流程服務(wù)提供方Artifact實例Ap=Al，流程服務(wù)接受方Artifact實例Ar=H，否則Ap=H，Ar=Al；

4. 定義變量Coriginal、Ccostoriginal、Doriginal，如果元素(AP，P)∈F，則取出(AP，P)元素的Ctotal、Ccostavg、Dsatisfaction屬性的值賦值分別給Coriginal、Ccostoriginal、Doriginal，否則將(AP，P)元素并入F，并給(AP，P)元素的Ctotal、Csuccess、Ccostavg、Dsutisfaction屬性賦初值0，變量Coriginal、Ccostoriginal、Doriginal也賦值為0；

5. 根據(jù)式(1)、(2)計算出(AP，P)元素新的Ccostavg、Dsatisfaction屬性值更新到F集合中；

6. 如果快照Hi的I屬性值為“成功”，則元素(AP，P)的屬性Csuccess=Csuccess+Z，并更新到F集合中；

7. 元素(AP，P)的屬性Ctotal=Ctotal+Z，并更新到F集合中；

8. 如果元素(Ar，P，Ap)∈B，則取出B中(Ar，P，Ap)元素的Ctotal、Ccostavg、Dsatisfaction屬性的值分別記入變量Coriginal、Ccostoriginal、Doriginal，否則將(Ar，P，Ap)元素并入B，并給(Ar，P，Ap)元素的Ctotal、Csuccess、Ccostavg、Dsatisfaction屬性賦初值0，變量Coriginal、Ccostoriginal、Doriginal也賦值為0；

9. 根據(jù)式(1)、(2)計算出(Ar，P，Ap)元素新的Ccostavg、Dsatisfaction屬性值并更新到B集合中；

10. 如果快照Hi的I屬性值為“成功”，則元素(Ar，P，Ap)的屬性Csuccess=Csuccess+Z，并更新到B集合中；

11. 元素(Ar，P，Ap)的屬性Ctotal=Ctotal+Z，并更新到B集合中；

12. 如果i

13. 返回F、B集合；

End

以上算法中，主要的操作集中在對SH、F、B集合的遍歷上。令集合F、B的基數(shù)為U、W，隨著對SH的遍歷，U、W從0開始逐漸增加，最極端的情況下，U、W最多增加到N，實際情況下U、W要遠(yuǎn)小于N；而在對SH的每一步遍歷中，F(xiàn)、B集合的當(dāng)時基數(shù)不超過i，且i

2.2 ACCM監(jiān)控協(xié)同模型優(yōu)化

根據(jù)算法1，挖掘得到ACCM的協(xié)同監(jiān)控模型圖。該協(xié)同監(jiān)控模型圖中主要有Artifact實例、流程服務(wù)兩類節(jié)點，而邊包括Artifact實例與流程服務(wù)之間的邊和流程服務(wù)之間的邊兩類。Artifact實例與流程服務(wù)之間為有向邊，由Artifact實例指向流程服務(wù)的邊代表了該Artifact實例提供了此流程服務(wù)。反之，由流程服務(wù)指向Artifact實例的邊代表該流程服務(wù)給Artifact實例提供了服務(wù)，并更新了Artifact數(shù)據(jù)屬性賦值狀態(tài)。從算法1可知，監(jiān)控模型的各個邊上還包含服務(wù)總次數(shù)、成功服務(wù)次數(shù)、平均服務(wù)成本、平均服務(wù)滿意度4個監(jiān)控質(zhì)量信息屬性。

ACCM的協(xié)同監(jiān)控模型圖各個邊上的監(jiān)控質(zhì)量信息屬性值的差異給ACCM優(yōu)化提供了客觀、可靠的依據(jù)。ACCM監(jiān)控協(xié)同模型優(yōu)化的目的是給某個組織角色的某一服務(wù)尋找最優(yōu)的合作伙伴，而在ACCM監(jiān)控模型中,待優(yōu)化的服務(wù)具體表現(xiàn)為某Artifact實例，每個指向Artifact實例的邊代表了其曾經(jīng)使用的服務(wù)，邊上的相關(guān)質(zhì)量信息屬性則可以作為這些服務(wù)進(jìn)行比較的依據(jù)。針對ACCM優(yōu)化的需求，本文提出監(jiān)控ACCM模型中各流程服務(wù)的4個評價指標(biāo)，分別是支持度、可信度、平均服務(wù)成本及平均服務(wù)滿意度。

流程服務(wù)的支持度是指在當(dāng)前協(xié)同流程快照集中該流程服務(wù)發(fā)生的頻繁度。針對各流程服務(wù)，設(shè)定一個支持度閾值，支持度超過該閾值的流程服務(wù)才進(jìn)入ACCM優(yōu)化的選擇范圍。下面給出支持度的計算公式：

(3)

其中，|SH|代表本次協(xié)同流程快照集的基數(shù)，Ctotal(V)代表流程服務(wù)V發(fā)生的總次數(shù)。

流程服務(wù)的可信度是指該流程服務(wù)發(fā)生過的次數(shù)中，成功結(jié)束的次數(shù)占比。該可信度將作為協(xié)同流程優(yōu)化的一個重要評價指標(biāo)，下面給出可信度的計算公式：

(4)

其中，Csuccess(V)代表流程服務(wù)V成功的次數(shù)，Ctotal(V)代表流程服務(wù)V發(fā)生的總次數(shù)。

流程服務(wù)的平均服務(wù)成本和平均服務(wù)滿意度指標(biāo)則直接使用監(jiān)控模型中各個流程服務(wù)的平均服務(wù)成本和平均服務(wù)滿意度屬性即可。

ACCM監(jiān)控協(xié)同模型優(yōu)化的下一步工作是從ACCM監(jiān)控協(xié)同模型圖中尋找一條最優(yōu)流程服務(wù)協(xié)同路徑。以某Artifact實例為根節(jié)點(Aroot)，從ACCM監(jiān)控模型圖中逐層找出該Artifact實例需要的流程服務(wù)及提供這些流程服務(wù)的Artifact實例，找到的相關(guān)流程服務(wù)及Artifact實例即為實現(xiàn)目標(biāo)Artifact實例的一個路徑。從圖結(jié)構(gòu)來看，該路徑是ACCM監(jiān)控模型的一個子圖。顯然，在ACCM監(jiān)控模型圖中，一個Artifact實例存在多個流程服務(wù)協(xié)同路徑。假設(shè)目標(biāo)Artifact實例為Aroot，G(Aroot)為該Artifact實例的流程協(xié)同路徑集，ACCM優(yōu)化的最終目的就是要從針對Aroot的流程服務(wù)協(xié)同路徑集G(Aroot)中找出最優(yōu)路徑Gopt(Aroot)。

G(Aroot)是ACCM監(jiān)控模型的子圖，其元素包括Artifact實例、流程服務(wù)兩類結(jié)點及連接這兩類結(jié)點的邊，其實質(zhì)是完成Aroot需要調(diào)用的所有下層流程服務(wù)的集合，這里每一個下層服務(wù)P可以表示為該服務(wù)的接受Artifact實例Ar、提供Artifact實例Ap及其本身的組合(Ar，P，Ap)，故G(Aroot)可以表示為ACCM監(jiān)控模型中B集合的子集。

ACCM監(jiān)控模型中的流程服務(wù)已經(jīng)建立了四類評價指標(biāo)：支持度、可信度、平均服務(wù)成本及平均服務(wù)滿意度。根據(jù)G(Aroot)中包含的各流程服務(wù)的指標(biāo)值可以計算出G(Aroot)的支持度、可信度、平均服務(wù)成本及平均滿意度。已知G(Aroot)可表示為ACCM監(jiān)控模型中B集的一個子集B′，令G(Aroot)=B′={b1,b2,…,bn}，bi代表路徑G(Aroot)中的某一服務(wù)(Ar，P，Ap)。下面給出G(Aroot)各評價指標(biāo)值的計算公式：

(5)

(6)

(7)

(8)

上述評價指標(biāo)對從G(Aroot)中選擇Gopt(Aroot)提供了依據(jù)。支持度指標(biāo)反映了某一協(xié)同路徑的利用價值，若該指標(biāo)偏低，則說明該路徑其余指標(biāo)不具備較強的信息質(zhì)量，通常設(shè)定一個閾值來判斷某路徑是否具備可利用性。其余三個指標(biāo)均可作為評價最可信路徑、最低成本路徑及最大滿意度路徑的評價標(biāo)準(zhǔn)。綜合上述指標(biāo)，可找出綜合性價比最優(yōu)路徑，下面給出G(Aroot)綜合評價的計算公式：

Fevaluation(G(Aroot))=

(9)

在ACCM監(jiān)控模型、目標(biāo)服務(wù)即Artifact實例及評價函數(shù)(最大可信度、最低成本、最大滿意度或綜合性價比最優(yōu))明確的情況下，Gopt(Aroot)也是確定的，可以算法找出Gopt(Aroot)。ACCM監(jiān)控模型具備圖結(jié)構(gòu)，ACCM優(yōu)化無論采用什么評價指標(biāo)，最終都可以轉(zhuǎn)化為圖優(yōu)化問題中的最短路問題，故該問題是一個NP問題。下面給出一種基于蟻群算法的啟發(fā)式ACCM優(yōu)化算法。

蟻群算法是一種模擬蟻群搜尋食物行為模式的啟發(fā)式優(yōu)化算法。單個螞蟻的行為模式表現(xiàn)為在其經(jīng)過的路徑上釋放一種“信息素”的物質(zhì)，而其又可以感知該“信息素”并沿著“信息素”濃度較高的路徑行走，“信息素”的濃度會隨著時間的推移變小。這種單個螞蟻的行為模式隨著時間推移會在蟻群中形成了一種正反饋機制，一段時間以后，整個蟻群就會沿最短路徑在食物與巢穴之間往返。用螞蟻走過的路徑作為優(yōu)化問題的可行解，那么所有螞蟻的走過的路徑集合即為優(yōu)化問題的解空間。把針對各個路徑的評估函數(shù)值作為“信息素”，隨著時間的推移，最優(yōu)路徑上的“信息素”濃度會越來越高，最終整個蟻群在正反饋機制的作用下會逐漸集中在最優(yōu)路徑上，此時就找到了優(yōu)化問題的最優(yōu)解。

下面是ACCM蟻群優(yōu)化算法的偽代碼描述：

算法2ACCM蟻群優(yōu)化算法

Input:目標(biāo)Artifact實例Aroot、各Artifact實例生命周期中涉及到的由相關(guān)Artifact實例提供的流程服務(wù)集合B、由單個螞蟻ant組成的蟻群ANT、迭代次數(shù)N

Output:Gopt

Begin

1. 定義變量n=0，F(xiàn)opt=0，初始化Gopt=?

2. while：n

3. for all ant∈ANT循環(huán)

4. 定義路徑G=?

5. 調(diào)用螞蟻尋路算法(算法3)，輸入Aroot、B、ant，返回路徑存入G

6. 計算Fevoluation(G)

7. 計算路徑G上各b元素“信息素”值的改變量

8. 如果Gopt=?或者Fevoluation(G)>Fopt，那么Fopt=Fevoluation(G)，Gopt=G

9. 結(jié)束for循環(huán)

10. 保存ACCM監(jiān)控模型中B集合中各b元素更新的“信息素”值

11.n=n+1

12. 結(jié)束while循環(huán)

13. 返回Gopt

End

算法3螞蟻尋路算法

Input:目標(biāo)Artifact實例Aroot、各Artifact實例生命周期中涉及到的由相關(guān)Artifact實例提供的流程服務(wù)集合B、螞蟻ant

Output:路徑G

Begin

1. 定義變量G=?，Gcur=?

2. for allb∈B循環(huán)

3. 讀取b元素(Ar，P，Ap)的Ar， 如果Ar=Aroot，Gcur=Gcur∪

4. 結(jié)束for循環(huán)

6. 將Gcur中的b元素根據(jù)P值的不同進(jìn)行分類，從每一類的b元素中按照“信息素”分布選擇一個b元素并入G

7. 如果G=?，返回G

8. for allb∈G循環(huán)

9. 定義路徑G′=?

10. 調(diào)用螞蟻尋路算法，輸入b、B、ant，返回路徑存入G′

11.G=G∪G′

12. 結(jié)束 for 循環(huán)

13. 返回G

End

算法2中變量N代表著蟻群尋路的總迭代次數(shù)，這個次數(shù)對應(yīng)著蟻群尋路原理中的一段時間，N越大，表示等待正反饋機制生效的時間越長，算法優(yōu)化的效果越好，實際應(yīng)用中要根據(jù)算法運行效率和優(yōu)化效果的平衡來選取N的值。算法3中第6行提到按照“信息素”分布從一類具有相同的接受Artifact實例Ar和流程服務(wù)P的b元素中選擇一個b元素，令該具有相同的接受Artifact實例Ar和流程服務(wù)P的b元素集為GP={b1，b2，…，bn}，當(dāng)前蟻群尋路的迭代輪次為m，則其中各b元素的選取概率計算公式為

(10)

式中,τm代表各個路徑G上各b元素在當(dāng)前迭代的“信息素”濃度值。從公式可以看出“信息素”濃度越高的b元素被選取的概率越大。在第0輪迭代時，整個ACCM監(jiān)控模型中的B集合中所有b元素的“信息素”值初始化為一個相同的值，一般設(shè)為0。算法2中的第7行提到了路徑G上b元素的“信息素”改變量的計算，下面說明其計算方法。路徑G上的b元素上的“信息素”的改變量就采用評價函數(shù)Fevaluation(G)的值，蟻群ANT中螞蟻ant走完其路徑時，ACCM監(jiān)控模型中整個B集合中的b元素的“信息素”改變量的計算公式為

Ψant(bi)=Fevaluation(Gant)·Flogical(bi∈Gant),

(11)

式中，F(xiàn)logical(A)表示邏輯取值函數(shù)，邏輯表達(dá)式A為真則函數(shù)值取1，邏輯表達(dá)式A為假則函數(shù)值取0。令當(dāng)前迭代輪次為m，蟻群ANT中所有螞蟻走完其路徑后，ACCM監(jiān)控模型中整個B集合中的b元素的總“信息素”改變量的計算公式為

(12)

ACCM蟻群優(yōu)化算法的主要操作集中在對B集合和蟻群的遍歷及蟻群尋路的迭代。令蟻群尋路的迭代次數(shù)為X，B集合的基數(shù)為U，蟻群的基數(shù)為W，每個螞蟻尋路的過程是遞歸的，但其路徑中b元素最多不超過U，故其總體操作的時間復(fù)雜度為O(UU)。那么整個ACCM蟻群優(yōu)化算法的時間復(fù)雜度為O(XWUU)，該算法的時間復(fù)雜度主要取決于ACCM監(jiān)控模型中B集合的基數(shù)U大小，若U偏大時，還可以通過冗余法降低螞蟻尋路算法單次調(diào)用的時間復(fù)雜度，從而使整體優(yōu)化算法的時間復(fù)雜度降低到O(XWUlogU)。

3 實例分析

本文以某一站式旅游服務(wù)平臺為例進(jìn)行實例分析。該旅游服務(wù)平臺能提供滿足旅游者所有旅游相關(guān)的產(chǎn)品的流程服務(wù)，包括吃、住、行、游、購、娛等方面。在該平臺的服務(wù)過程中，不同組織角色的流程服務(wù)相互協(xié)同，給旅游者提供了一站式旅游服務(wù)。表1給出在業(yè)務(wù)流程協(xié)同模型ACCM中的流程服務(wù)集V。

該ACCM模型下產(chǎn)生的流程服務(wù)協(xié)同快照數(shù)約為20 000個(隨機選取其中的20%作為測試集)，流程協(xié)同快照實例下所示：

表1 流程服務(wù)表Tab.1 Table of process services

已知ACCM協(xié)同模型及其協(xié)同快照集合，利用算法2挖掘ACCM監(jiān)控模型，算法運行過程中，根據(jù)式(1)、(2)分別計算出Ccostavg、Dsatisfaction的值，Ctotal、Csuccess的值由Z屬性挖掘獲得，最終挖掘出的部分B集結(jié)果如表2所示。

表2 B集表Tab.2 Table of B sets

已知ACCM監(jiān)控模型的B集，根據(jù)算法3得到最優(yōu)路徑如圖1所示。圖中，a1為算法中的Aroot，即一站式旅游服務(wù)平臺Artifact實例，v1至v7表示完成a1所需的流程服務(wù)，各流程服務(wù)由其下連接的各Artifact實例提供，Artifact實例a41需要流程服務(wù)v1和v2，v1和v2由各自連接的Artifact實例提供。Artifact實例a42、a52所需流程服務(wù)過程與a41類似。最終，最優(yōu)流程服務(wù)路徑為圖中加粗顯示的路徑。最優(yōu)路徑中各b元素相關(guān)指標(biāo)及Fevalution(Aroot)的值如表3所示。

圖1 ACCM監(jiān)控模型優(yōu)化路徑圖Fig.1 The optimal path chart of ACCM

表3 最優(yōu)路徑評價指標(biāo)表Tab.3 Table of the optimal path evolution

命中率(Hit Rate)、查準(zhǔn)率(Precision)、查全率(Recall)和F1(Recall, Precision)是衡量優(yōu)化、推薦方法質(zhì)量的4個重要指標(biāo)。命中率是指流程服務(wù)伙伴協(xié)同路徑實際命中次數(shù)與其被推薦次數(shù)的比例。查全率是指推薦流程服務(wù)伙伴路徑命中個數(shù)與測試集中相關(guān)實際流程服務(wù)伙伴路徑數(shù)的比值。查準(zhǔn)率是指推薦流程服務(wù)伙伴協(xié)同路徑命中個數(shù)與流程服務(wù)伙伴協(xié)同路徑推薦數(shù)的比值。F1則是綜合查全率與查準(zhǔn)率的一個指標(biāo)值，其具體值為查全率與查準(zhǔn)率之積除以查全率與查準(zhǔn)率之和的商的2倍。在訓(xùn)練數(shù)據(jù)中挖掘出流程服務(wù)協(xié)同最優(yōu)路徑后，使用測試數(shù)據(jù)分析該最優(yōu)路徑的命中率、查準(zhǔn)率、查全率和F1指標(biāo)，結(jié)果如圖2所示。從圖中可以看出，隨著每次推薦時最大推薦數(shù)的增加，監(jiān)控效果大幅上升，較高的查準(zhǔn)率說明通過本文監(jiān)控模型得到的推薦結(jié)果的準(zhǔn)確性，相對較低的查全率其實反映著實際存在的盲目購買行為。本文提出的ACCM監(jiān)控模型通過挖掘到的B集及其評價指標(biāo)，較好地呈現(xiàn)出各個流程服務(wù)Artifact實例評價指標(biāo)的差異性，為業(yè)務(wù)流程協(xié)同過程中選擇最優(yōu)流程服務(wù)伙伴提供了可靠的數(shù)據(jù)，并在此數(shù)據(jù)基礎(chǔ)上實現(xiàn)了ACCM流程協(xié)同監(jiān)控的優(yōu)化。實例分析結(jié)果表明，以數(shù)據(jù)為中心的多流程協(xié)同監(jiān)控優(yōu)化方法是可行的。

圖2 監(jiān)控效果評價指標(biāo)圖Fig.2 The evaluation index of monitoring effect

4 結(jié)論

本文主要研究了以Artifact為中心的多流程協(xié)同監(jiān)控方法。該方法給出了以Artifact為中心的多流程協(xié)同模型ACCM，在ACCM模型上通過蟻群優(yōu)化算法，提取了流程服務(wù)的支持度、可信度、滿意度和服務(wù)成本等指標(biāo)，獲得了最優(yōu)服務(wù)伙伴協(xié)同路徑，解決了傳統(tǒng)多流程協(xié)同監(jiān)控技術(shù)忽略業(yè)務(wù)流程數(shù)據(jù)交互的重要性問題，大大提高了流程協(xié)同監(jiān)控的質(zhì)量和可利用率。

實際上，流程協(xié)同監(jiān)控指標(biāo)不僅局限于流程服務(wù)本身，也可以擴展到組織角色等其他元素。本文下一步的研究重點即在協(xié)同快照日志中挖掘更高質(zhì)量的監(jiān)控指標(biāo)。