工作流实例方面的挖掘与优化方法研究

When observing that the relationship and constraints between multiple workflow instances of the same workflow type can be utilized to enhance WfMS efficiency, we have investigated workflow instance aspect model and its' supporting system. Although workflow instance aspect model exists in reality widely and merits a lot in practice, it is still difficult to discover and model them as what is happened in traditional workflow. Mining workflow from business or WfMS logs becomes now an interesting and attractive research topic in workflow academic research domain. Enlightening by workflow mining method, this project will study mining of workflow instance aspect from business or WfMS logs as well as its optimization method. We will first utilize workflow mining and data mining method and technology to discover and mine the dependencies between multiple workflow instances of the same workflow type from business or WfMS logs. Then, from the dependencies discovered, we can discover the activities with instance aspect characteristics and build the workflow instance aspect model. We will also mine the decision rules and parameters which represent the execution knowledge of workflow instance aspect. Finally,the optimization, which is based on workflow simulation, of these decision rules and parameters of instance aspect model will be investigated. The outcomes of the theory and technology of this project can support the modeling of workflow instance aspect and optimize the execution of them and can then serve for the requirments of economic society, which is advocated by Chinese central goverment.

针对工作流多实例之间存在的批处理关联约束关系可加以利用以提高业务系统的执行效率，我们已对工作流实例方面的模型和执行系统深入展开了研究工作。尽管这种工作流实例方面模型在实际应用中广泛存在，但有效发现并进行建模仍较困难。从工作流执行日志中挖掘出工作流模型是工作流管理研究领域中近期广受关注的方向。受此启发，本项目将研究利用数据挖掘与工作流挖掘的方法，从大量的业务过程执行历史中挖掘和发现工作流多实例之间存在的数据依赖关系，提取出工作流实例方面模型，挖掘实例方面处理规则，并研究基于工作流仿真的实例方面执行的决策规则及可自适应的实例方面执行性能优化方法。项目研究成果将为工作流实例方面建模以及实例方面执行优化提供理论与技术支持并服务于节约型社会建设的需求。

本项目重点研究了工作流实例方面的挖掘与优化方法。项目在以下三个方面取得了重要研究成果：.1．针对“已经具有实例方面处理能力的工作流系统日志”，提出了一种基于工作流网的工作流实例方面模型挖掘方法。该方法充分利用了现有工作流挖掘方法的优势，解决了现有工作流挖掘方法无法挖掘出工作流实例方面模型的问题。同时，针对“尚未支持实例方面处理建模与优化执行的工作流系统日志”，根据数据库理论中函数依赖及其挖掘思想，设计了挖掘批处理依赖关系的算法以及挖掘近似批处理依赖的算法。.2．通过分析工作流实例方面处理的不同表现形式并设计相关推理规则，提出了一种工作流活动实例方面处理规则挖掘方法。该方法假设事件日志中包含了工作流活动在执行时的全部输入输出数据等信息，基于这些数据及推理规则，挖掘可描述并发活动实例在数据等方面的关联或约束关系的实例方面处理规则。.3．根据支持实例方面处理的工作流模型与执行规则，以最小化活动实例总停留时间、最小化活动实例总执行费用为优化目标，建立了活动实例分组调度时间、费用优化问题的优化模型，并针对优化目标函数的特征，结合微粒群、蚁群等智能优化算法，设计了工作流实例方面处理相关参数优化方法，并提出了相应的支持实例方面处理的工作流调度优化算法。