工作流运行时人员智能分配技术研究

论文摘要

工作流技术是企业实现业务过程自动化的使能技术,它将活动、数据和人协调起来。人员分配是活动与人员协调的重要内容,其目标为“将合适的活动分配给合适的人”。传统人员分配方法基于人员与活动的匹配知识来讨论分配策略与算法,从运筹优化的角度来研究这一问题。然而,在基于工作流的应用中,人员与活动的匹配知识难以获得并且人员本身具有动态性,故本文基于人员执行活动的历史信息来研究工作流运行时的人员分配技术,以解决匹配知识不完全条件下的人员分配问题,并尝试在工作流执行历史中归纳发现相关活动的特性。本文主要工作包括:1.提出了一种基于机器学习的半自动工作流人员分配方法。该方法针对工作流中某些关键活动的执行人需要在运行时进行动态指派的问题,通过学习相关工作流日志中该活动实例的人员分配模式,为流程实例负责人推荐这些关键活动的候选执行人。2.针对运行时工作项“拉动”分配模式,提出了一种基于时段逻辑的关联工作项挖掘方法。该方法通过分析工作流日志中工作项执行开始时刻与结束时刻,即时段信息,发现与用户所选取的工作项在执行时段上可以并行执行的关联工作项,并将其推荐给该用户。3.提出了一种基于决策树的活动执行时间预测技术。工作项执行时间取决于运行环境(例如,执行人、案例难度等要素)。该方法基于工作流日志中前序工作项的执行人、执行时间、等待时间等特征,预测当前活动的执行时间。为了说明研究的实用性,本文基于我国三家制造业企业的实际工作流日志,对上述方法进行了验证。同时,针对国家企业信息化支撑软件工程技术研究中心开发的TiPLM系统,设计了支持运行时人员分配的工作流管理系统,并进行了部分实现。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究目的和意义
• 1.2 基本概念
• 1.2.1 工作流控制流结构
• 1.2.2 工作流中的资源与资源分配
• 1.2.3 人员与工作流的交互的方式
• 1.3 国内外研究现状及其分析
• 1.4 论文的主要贡献
• 1.5 论文导读
• 第2章 半自动人员分配
• 2.1 问题的来源
• 2.2 企业中的手动人员分配
• 2.3 基于学习的半自动人员分配
• 2.3.1 选择目标活动
• 2.3.2 在工作流模板中寻找前驱活动
• 2.3.3 从日志中构造训练集
• 2.3.4 分类器训练
• 2.4 实验结果与评价
• 2.4.1 训练数据集的概况
• 2.4.2 分类器的准确率
• 2.4.3 各种学习算法的总体表现
• 2.4.4 对一些特殊情况的分析
• 2.4.5 对实验结果的评价
• 2.5 一些可能的改进
• 2.6 相关工作
• 2.7 小结
• 第3章 并行工作项推荐
• 3.1 问题的来源
• 3.2 工作流管理系统中的并行任务推荐机制
• 3.3 挖掘工作流日志中的并行活动
• 3.3.1 构造并行活动分组集合
• 3.3.2 排除异常日志
• 3.3.3 挖掘并行活动规则
• 3.4 实验以及结果
• 3.4.1 支持度和置信度的选择
• 3.4.2 对挖掘规则的分析
• 3.4.3 对实验结果的讨论
• 3.5 相关工作
• 3.6 小结
• 第4章 活动执行时间预测
• 4.1 问题的来源
• 4.2 分级时间预测
• 4.2.1 选择合适的级别和预测的目标活动
• 4.2.2 从日志中构造训练集和训练分类器
• 4.3 实验结果与评价
• 4.3.1 总体预测效果
• 4.3.2 分级数目对预测准确率的影响
• 4.3.3 日志数量对预测准确率的影响
• 4.3.4 预测结果的应用
• 4.4 相关工作
• 4.5 小结
• 第5章 方法的实现
• 5.1 智能技术在工作流管理系统中的应用
• 5.2 对TIPLM 工作流管理系统的构件化改造
• 5.2.1 基于构件的TiPLM 工作流管理系统体系结构
• 5.2.2 工作流核心系统的接口设计
• 5.2.3 改造以后的效果
• 5.3 应用举例
• 5.4 相关工作
• 5.5 小结
• 第6章 总结与展望
• 6.1 工作总结
• 6.2 工作展望
• 参考文献
• 致谢
• 附录 A TIPLM 工作流管理系统与实际数据的采集
• 个人简历、在学期间发表的学术论文与研究成果