摘要：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。

摘要：本文研究一类具有时滞影响的一般BAM神经网络有限时间反同步问题.通过设计合适的状态控制器,引入新颖的数学分析方法,并利用不等式技巧,在不借助已有的有限时间稳定性定理,建立了驱动-响应框架下所研究模型的有限时间反同步的判据,所得到的结果推广并改进已有文献的结论.最后通过数值例子验证了所得理论结果的有效性.

摘要：当处理高度可变的流程时,已有的自动过程挖掘技术产生的模型可能并不能真实反映流程运行中不同决策点之间规则的变化情况。从声明性过程挖掘的角度出发,提出了一种具备可视化规则的决策表Petri网挖掘方法,实现真实日志到声明性过程决策表Petri网模型的映射。首先,形式化了决策表Petri网模型及其携带的规则分析决策表,并对模型的静态语义和动态语义进行定义;其次,通过扩展属性的添加,分析流程内部属性和事件属性是否会对决策产生影响,并通过规则分析决策表的异常值属性,判断规则的异常程度;最后,在一组人工日志和真实事件日志的基础上进行实验仿真,并与数据Petri网的挖掘技术进行分析对比。实验结果表明所提方法在反映流程运行中规则的变化情况具有一定优势,并为数据流异常检测提供数值可解释性;同时,所设计的决策表Petri网挖掘方法可以将决策信息与模型结构整合在一起,为过程模型的可变性建模提供形式化基础。

摘要：数据Petri网能够将工作流网与案例数据、决策相结合,从而实现控制流视角和数据视角的交互,并且数据Petri网还具有坚实的形式化基础和清晰的执行语义。然而现在大多数流程建模只考虑控制流,并未考虑数据流。因此,基于数据Petri网对发生交通事故时保险公司车险理赔流程进行设计建模,利用ProM工具将所建立的数据Petri网模型转换为具有有界颜色域颜色Petri网,并对其稳健性进行分析。实验结果表明所构建的数据Petri网模型在控制流和数据感知方面都是稳健可靠的。