Технические науки/12.Автоматизированные системы управления на производстве.

д.т.н. Левыкин В.М., к.э.н. Чала О.В.

Харьковский национальный университет радиоэлектроники, Украина

Адаптация жизненного цикла знание - емких бизнес-процессов на основе анализа их логов

Интеллектуальный анализ процессов (process mining) объединяет методы исследования поведения множество физических или информационных объектов на основе обработки информации о последовательностях событий, которые фиксируют такое поведение [1]. Результирующее поведение объектов представляется в виде модели процесса. В качестве исходных данных, содержащих последовательности событий, используются файлы логов (журналов регистрации событий) информационных систем.

Лог представляет собой файл, в котором последовательно записана информация событиях, отражающих действия процесса. Для каждого события в логе, как правило, указывается временная метка (timestamp), фиксирующая момент его возникновения. Обычно с каждым событием лога связывается дополнительная информация в форме его атрибутов: ресурсы для выполнения действия, зафиксированного соответствующим событием; элементы данных, отражающие свойства объекта, с которым оперирует соответствующее действие [1]. Таким образом, лог содержит исходную информацию о последовательности действий процесса во времени, а также контексте, в котором эти действия выполнялись. Контекст процесса отражен в логе атрибутами событий.

Методы process mining позволяет на основе анализа логов решить следующие задачи [1]: выявление и формализация модели выполняющегося процесса; проверка соответствия выполняющегося процесса и его априорной модели; усовершенствование модели процесса, как показано на рисунке.

Рисунок – Решение задач process mining на этапах проектирования и адаптации жизненного цикла бизнес-процессов

Таким образом, методы интеллектуального анализа позволяют реализовать непрерывное усовершенствование модели бизнес-процесса на основе сопоставления модели выполняющегося процесса «как есть» и сконфигурированной в информационной системе модели «как должно быть». Поэтому этапы проектирования и адаптации жизненного цикла бизнес-процесса включают в себя решение задач интеллектуального анализа.

В то же время, применение существующих методов интеллектуального анализа к построению моделей знание-емких процессов (ЗБП) связано со значительными трудностями в силу изменчивости таких процессов.

Знание-емкий бизнес-процесс представляет собой процесс, чье поведение и результаты определяются знаниями исполнителей [2]. Последние совместно формируют знания организации и используют их при принятии решений в ходе выполнения процесса.

При управлении ЗБП возникает проблема моделирования изменений процесса. Данная проблема связана с тем, что во время выполнения реализуются новые последовательности действий, которые не были изначально включены в модель. Новые действия выполняются исполнителями процесса с использованием как формальных, так и неформальных, неявных знаний [3].

Данная проблема характеризуется следующими ключевыми особенностями. Во-первых, логи процесса изменяются во время выполнения интеллектуального анализа, что требует проведения фильтрации последовательностей событий. Во-вторых, изменение ЗБП во время его выполнения может осуществляться только на основе знаний о причинно-следственных связях между действиями, как явных, так и неявных. Такие знания отражают влияние контекста бизнес-процесса на алгоритм его действий. Следовательно, новые последовательности действий, которые появляются в ходе выполнения ЗБП, возникают в результате применения исполнителями неявных знаний в условиях изменившегося контекста. Сравнение последовательностей действий одного и того же БП в различном контексте – например, в различных подразделениях транснациональной компании, дает возможность выделить этим зависимости.

Таким образом, при управлении знание-емкими бизнес-процессами необходимо адаптировать жизненный цикл бизнес-процессов с учетом выявления в процессе анализа логов зависимостей, которые отражают неявные знания исполнителей процесса и приводят к изменению последовательности его действий.

Предлагаемый подход заключается в подстройке жизненного цикла ЗБП путем построения и использования уровня представления знаний такого процесса. Подход основан на экстернализации неявных знаний исполнителей, изменяющих ЗБП при его функционировании. Экстернализация состоит в выявлении зависимостей между контекстом и добавленными (измененными) последовательностями действий процесса путем сравнения атрибутов действий для аналогичных процессов. Экстернализованные неявные зависимости либо включаются в состав модели процесса, либо представляются в форме конфигурационных правил.

Тогда последовательность этапов жизненного цикла изменяется в зависимости от решаемых при интеллектуальном анализе задач. При решении первой задачи используется традиционная последовательность: из логов формируется исходная модель. При решении второй задачи на основе сравнения выполняющейся и априорной моделей методами process mining выявляются скрытые зависимости, которые могут быть включены в модель либо сконфигурированы в форме бизнес-правил. При решении третьей задачи после анализа логов могут быть выполнены: реинжиниринг ЗБП с переходом к этапу проектирования; частичная перестройка ЗПБ с переходом к этапу адаптации;  локальное усовершенствование ЗБП с переходом к этапу конфигурирования.

Література:

1. W.M.P. van der Aalst. Process Mining: Data Science in Action. Springer-Verlag, Berlin, 2016.-466p.

2. Gronau N. KMDL-Capturing, Analysing and Improving Knowledge-Intensive Business Processes / N. Gronau, C. Müller, R. Korf // Journal of Universal Computer Science. - 2005. – №11(4). – pp. 452- 472.

3. Sternberg R. J. Tacit Knowledge in Professional Practice: Researcher and Practitioner Perspectives/ Robert J. Sternberg and Joseph A. Horvath. Hills- dale, N.J.: Erlbaum. –1999. – 254 p.