Akademia Ekonomiczna w Katowicach
Streszczenie
W artykule zaprezentowano przykład systemu opartego na metodzie Case-Based Reasoning (CBR) wspomagającego modelowanie przepływu pracy. Artykuł pokazuje moĪliwe zadania, jakie moĪe wykonaü system informatyczny wyposaĪony w moduł CBR w trakcie modelowania procesów biznesowych.
Summary
The article presents an example of system based on technique Case-Based Re-asoning (CBR) to workflow modelling. This paper shows possible areas, where CBR is able to support business process modelling.
1. Wstp
Modelowanie procesów jest procesem cigłym. Dc do obnienia jego kosztów poszukuje si metod modelowania pozwalajcych na wykorzystanie istniejcej w organizacji wiedzy na te-mat tworzenia procesów.
Podczas tworzenia nowego modelu procesu mona bazowa na fragmentach sprawdzonych, gotowych procesów. Ze wzgldu na ilo i złoono procesów podejmuje si próby wspomagania człowieka w poszukiwaniu i adaptacji przydanych rozwiza z przeszłoci poprzez inteligentne systemy informatyczne.
Celem artykułu jest rozpoznanie obszarów problematyki wspomagania modelowania proce-sów, w których uyteczna jest metoda wnioskowania na podstawie przypadków (ang. Case-Based Reasoning, CBR). W artykule przedstawiono problemy modelowania procesów, rol CBR w roz-wizywaniu wymienionych problemów, a take wskazano otoczenie innych metod, z którymi współpracujc, systemy CBR mog wykaza najwysz skuteczno. W dalszej czci zaprezen-towano przykład systemu CBR wspomagajcego modelowanie przepływu pracy.
2. Systemy wnioskujce na podstawie przypadków
Metoda wnioskowania na podstawie przypadków wykorzystuje wiedz specyficzn zawart w dowiadczonych w przeszłoci sytuacjach, zwanych przypadkami.
CBR definiowane s jako systemy rozwizujce nowe problemy poprzez adaptacj rezulta-tów, które były wykorzystane podczas rozwizywania starych problemów [5]. Nowy problem jest rozwizywany poprzez odnalezienie podobnego do niego przypadku w zbiorze i zastosowaniu do niego rozwizania skojarzonego z odnalezionym przypadkiem. Istotn cech CBR jest zdolno do uczenia si, co odbywa si poprzez gromadzenie rozwiza przeszłych problemów i udostpnianie ich do rozwizywania nowych problemów w przyszłoci.
Cykl działania systemu realizujcego metod CBR mona opisa przy pomocy, pokazanych na rysunku 1, czterech etapów [1]:
• Wykorzystanie (ang. reuse) wiedzy zawartej w tym przypadku do rozwizania problemu, • Ocena przydatnoci (ang. revise) zaproponowanego rozwizania,
• Zapamitanie (ang. retain) dowiadczenia w celu póniejszego wykorzystania podczas rozwizywania nowych problemów w przyszłoci.
Rys.1. Cykl działania systemów CBR ħródło: [1]
Systemy CBR znalazły zastosowanie w rozwizywaniu zagadnie klasyfikacyjnych i syntety-zujcych. Rozwizywanie zagadnie syntetyzujcych polega na łczeniu ze sob elementów prze-szłych rozwiza. Zalicza si tu planowanie polegajce na scalaniu elementów planów istniej-cych, a take konfigurowanie, czyli opracowywanie nowego szablonu działa na podstawie ele-mentów istniejcych szablonów.
3. Problemy modelowania procesów
Zadania modelowania typowych procesów biznesowych mona opisa poprzez zadania mode-lowania przepływem pracy (ang. workflow). Do zada tych mona zaliczy definicje i wybór stosownych zada, sekwencje zada, przydział wykorzystywanych przez zadania zasobów, umiej-scowienie agentów (ról) wykonujcych okrelone zadania, planowanie zada współbienych i ostatecznie walidacje i sprawdzenie modelu.
Pierwsz grup problemów, przed którymi stoj twórcy modelu jest wyodrbnienie cech no-wego modelu – tworzony model musi spełnia okrelone wymagania. Nowe rozwizanie wprowa-dza si w cile okrelonym celu (nowy produkt, obnienie kosztów produkcji itp.) wynikajcym z realizacji strategii organizacji. Modelowanie procesów, wykonywane cyklicznie w celu osigni-cia kolejnego stopnia doskonałoci i sprawnoci procesów – nie polega na budowaniu za kadym razem wszystkiego od nowa. Nowe modele mona tworzy na podstawie fragmentów innych modeli. Dlatego najczciej kolejnym problemem jest odszukanie modeli (lub poszczególnych komponentów) podobnych (problem zwizany z klasyfikacj modeli procesów). Majc na uwadze moliw ilo i stopie złoonoci procesów – odszukanie takich podobiestw naley traktowa jako etap pracochłonny. Ostatecznie, na podstawie znalezionych modeli podobnych oraz dowiad-czenia twórców dokonuje si adaptacji znalezionych modeli do potrzeb nowotworzonego (według wyspecyfikowanych wymaga). W artykule przedstawione bdzie zastosowanie CBR do rozwi-zania dwóch ostatnich z wymienionych problemów. Oba przedstawione problemy modelowania procesów – szukanie podobiestw oraz adaptacja znalezionych rozwiza zawieraj si w etapach cyklu CBR (retrieval, reuse, revise).
4. Case-Based Reasoning w modelowaniu procesów
CBR odzwierciedla naturalny sposób uczenia si na podstawie przykładów z przeszłoci i z tego powodu dobrze nadaje si rozwizania wskazanych poprzednio problemów modelowania procesów. Nie mona jednak zastosowa tej metody, bez wysiłku jej rozszerzenia o nowe moli-woci. Wynika to ze specyfiki prezentacji procesu, która musi obj cał struktur wymienionych elementów modelowania procesów (m.in. sekwencyjno i współbieno czynnoci). Model procesu reprezentowany jest graficznie w formie diagramu, a stosowanym formalizmem jego zapisu jest (m.in.) graf.
Typowe w systemach CBR metody wspomagajce etap wyszukiwania (retrieval) oraz adapta-cji (w fazie revise) nie mog tu znale zastosowania, ze wzgldu na specyficzny sposób zapisu przypadku procesu (w postaci grafu). Naley zatem poszukiwa innych, ni dotd stosowane w systemach CBR, metod matematycznych, aby odpowiednio móc wyznaczy podobiestwo przy-padków oraz skomponowa gotowe propozycje modeli. Moliwy kierunek rozwoju CBR zostanie przedstawiony w nastpnym rozdziale, w którym opisano przykład systemu wspomagajcego modelowanie przepływu pracy.
5. Przykład systemu CBR w modelowaniu przepływu pracy
Prezentowany w [4] system Case-Oriented Design Assistant for Workflow Modeling (CO-DAW) umoliwia wielokrotne wykorzystywanie (reuse) wiedzy o procesach z utworzonego w organizacji repozytorium procesów.
Podejcie CBR znajduje zastosowanie w problemach planowania procesu biznesu ze wzgldu na powtarzalny charakter zada biznesowych w rónych kontekstach, istnienie podobnych typów danych i zalenoci midzy zadaniami oraz powtarzalno typowych ogranicze dla biznesu.
Rysunek 2 przedstawia cykl planowania przepływem pracy. Cykl ten zawiera fazy wystpuj-ce w cyklu CBR: wyszukanie (retrieval), wykorzystanie (reuse), owystpuj-cena (revise), zapamitanie (retain).
Rys.2. Cykl planowania workflow w systemie CODAW ħródło: Opracowanie własne na podstawie [4]
Repozytorium (baza przypadków) zawiera zapisane schematy przepływów pracy (prototypy przypadków, ang. prototypical cases) oraz egzemplarze przypadków (ang. instance-level cases). Proces planowania rozpoczyna si od wprowadzenia nowych wymaga biznesowych, co inicjuje przeszukanie bazy przypadków. Odpowiednie przypadki mog zosta odszukane na podstawie tekstowych zapyta dla danych niestrukturalnych oraz zapyta opartych na XML (eXtensible Markup Language) dla czciowo ustrukturalizowanych.
1. Wyszukanie modeli procesów ju istniejcych w repozytorium z podobnymi wymaganiami Nowe wymagania biznesowe
2. Jeli podobne rozwizania istniej - przejd do fazy wykorzystania (reuse)
3. Jeli podobne rozwizania nie istniej, ale istnieje czciowe dopasowanie – komponuj nowe rozwizanie
7. Uycie wiedzy dziedzinowej do modyfikacji modelu
7.1. Zmiana sekwencji zada lub modyfikacja zbioru ogranicze
7.2. Zmiana alokacji zasobów, agentów lub specyfikacji IT
8. Walidacja / weryfikacja nowego rozwizania
9. Zapisanie nowego modelu w repozytorium
RETAIN
4. Uycie modeli dziedzinowych i czciowe dopasowanie w celu syntezy nowych alternatyw procesu
5. Selekcja zada, sprawdzanie ogranicze. Manualne lub poprzez uycie AI planing wygenerowanie sekwencji procesu
6. Alokacja zasobów i agentów
Wiedza w repozy-torium
Faza wyszukania (retrieval) umoliwia udostpnienie wiedzy, wymaganej w trakcie tworzenia modelu dla nowych wymaga biznesowych. Odszukane przypadki s analizowane pod ktem modyfikacji w kierunku przydatnoci w procesie tworzenia nowego rozwizania. Podczas fazy ponownego uycia (reuse) wybrany, sporód wyszukanych, przypadek jest modyfikowany. Zmia-nie moe ulec sekwencja zada, ponadto zadania mog zosta dodane lub usunite. W dalszej kolejnoci sekwencja zada oraz alokacja zasobów mog by analizowane pod wzgldem zada współbienych oraz wymaga infrastrukturalnych, takich jak lokalizacja danych oraz przydział agentów (ról). Oczyszczony model jest poddawany walidacji i weryfikacji opartej na regułach dziedzinowych, animacji, symulacji i formalnych analiz.
Zakoczony sukcesem etap walidacji moe przyczyni si do rozwoju systemu zarzdzania przepływem pracy, a ponadto, nowe rozwizanie jest zapisywane w fazie gromadzenia (retain) w repozytorium.
Ocena przydatnoci (revise) moe przebiega wg dwóch scenariuszy. Kady prototyp przy-padku jest modelowany jako złoenie zada atomowych, dostpnych w predefiniowanej bibliotece zada. W pierwszym scenariuszu nowy przepływ pracy komponowany jest ze złoonych zada (grup zadaniowych), a w drugim nowy przepływ pracy syntetyzowany jest poprzez kompozycje zada atomowych. System tworzy kilka alternatyw modeli, najlepszy z nich, wybrany wg takich kryteriów jak minimalizacja kosztów, uycie zasobów, jest poddawany fazie walidacji i weryfika-cji.
Rys.3. Architektura systemu CODAW ħródło: [4]
Architektur systemu CODAW, która obrazuje interdyscyplinarny charakter prac nad syste-mem przedstawia rysunek 3. Poszczególne moduły systemu wykonuj fazy cyklu CBR: wyszuka-nie, ponowne uycie, kompozycj, adaptacj i weryfikacj. Numerami oznaczono kolejno kro-ków koordynowanych przez moduł kontroli procesu CBR (CBR Process Control). Wyszukiwanie przypadku inicjowane jest przez zapytanie (1), dalsze wskazówki generowane s poprzez opis problemu (2) i wyszukanie (3) wykonane przez menadera przypadków, przypadki s selekcjono-wane (6) i zwracane (7). Dodatkowo przypadki mog by poddane indeksacji i uzupełnieniu w oparciu o repozytorium (4 i 5.1), alternatywnie, system wyszukane przypadki podda moe adap-tacji i weryfikacji (8 i 5.2) lub kompozycji (8 i 5.3), zwracajc ostatecznie rozwizanie (9).
Schemat zawiera wykaz pomocniczych technologii (open source) uywanych w systemie. Mechanizmy wyszukiwania XPath i XQuery realizowane s na XML-owej bazie danych eXist. Podstawowe algorytmy badajce izomorfizm grafów wykorzystano z Java Data Structures Library (JDSL). Wyszukiwanie podobnych przypadków oparto na algorytmie SFW (Similarity Flooding for Workflow). W wyniku zastosowania algorytmu SFW podobiestwo grafów obliczane jest na podstawie semantycznego podobiestwa nazw (etykiet) wzłów i krawdzi oraz podobiestwa typologii grafów [4]. Kompozycja przypadków wykonywana jest przez algorytm SHOP (Simple Hierarchical Ordered Planning), oparta jest na idei workflow, zgodnie z któr kolejno zada definiowana porednio jest poprzez pocztkowe i kocowe warunki zada. Algorytm planowania SHOP dokonuje dekompozycji zada (przypadku znalezionego w fazie wyszukiwania) na podza-dania, a nastpnie kompozycji (budowy) przepływu na podstawie warunków pocztku i koca poszczególnych zada atomowych oraz znajomoci pocztkowego i finalnego stanu procesu biz-nesowego, jaki ma zosta zamodelowany [4].
6. Uwagi ko cowe
O procesach biznesowych mona mówi w rónych ujciach. Ze wzgldu jednak na rozwaa-nie moliwoci zastosowa konkretnej techniki – Case Based Reasoning – specyfika procesu (or-ganizacja przepływu pracy, proces krytyczny biznesu) czy te jego typ (pomocniczy, podstawowy) nie maj decydujcego znaczenia. Wiedza o kadym procesie zawiera informacje o zdarzeniach, działaniach, kierunku przepływu, czasie realizacji i zadaniach współbienych. Do jej prezentacji bardzo dobrze dostosowane s rónego rodzaju graficzne notacje, takie jak diagramy UML, dia-gramy EPC, DFD (przepływu danych). Od systemu wspomagajcego modelowanie procesów oczekuje si nie tylko wygodnego rysowania obrazu procesu, ale take wskazówek na temat mo-delowania wynikłych z dowiadczenia zdobytego w poprzednich pracach. Historia tego dowiad-czenia moe by gromadzona w postaci bazy przypadków. Technika CBR swoim cyklem od-zwierciedla naturalny proces nauczania – zachodzcy zarówno w umysłach pojedynczych ludzi jak i struktur zorganizowanych.
Porównujc zaprezentowany przykład zastosowania techniki CBR do wspomagania modelo-wania procesów [4] z innymi (m.in. system CABS [2] i [3], system CAPMOSS [6]) mona za-uway wspólny schemat działania. Wyszukiwanie jest poprzedzone wprowadzeniem do systemu atrybutów opisujcych model, jaki ma zosta zaprojektowany. Na tej podstawie system przeszuku-je baz przypadków i odnajduprzeszuku-je przypadek najlepiej dopasowany. Uytkownik dostaprzeszuku-je model procesu najbardziej podobny do tego jaki ma stworzy i nastpnie na podstawie wiedzy dziedzi-nowej system dokonuje stosowanej adaptacji (na tym etapie czsto zachodzi konieczno współ-działania z uytkownikiem). Nowy przypadek (model) zostaje zapisany i powiksza baz do-wiadcze systemu w modelowaniu procesów.
Prace nad pozyskiwaniem i wykorzystaniem wiedzy o procesach, ze wzgldu na złoono problemu, maj charakter interdyscyplinarny, stosuje si kombinacje technik sztucznej inteligencji (systemy ekspertowe, CBR, AI planning), innych technik informatycznych oraz metod matema-tycznych.
CBR we współpracy z innymi metodami moe wspomaga gromadzenie i wykorzystanie wiedzy o procesach. Metoda ta moe zosta wykorzystana w modelowaniu procesów do klasyfi-kacji procesów, wyszukiwania podobnych procesów oraz wspomaga etap adaptacji (syntezy) nowych modeli. System wyposaony w moduł CBR moe pozwoli wykorzysta to, o czym orga-nizacja na temat budowania modeli ju „wie”, ale wiedza ta jest zapisana w postaci innych modeli. W oparciu o te zdolnoci moe usprawni realizacj paradygmatu zarzdzania procesowego – stałego doskonalenia procesów, dostosowywania ich do zaistniałych zmian.
Dalsze prace nad wykorzystaniem CBR w modelowaniu procesów wymagaj poszukiwania metod usprawniajcych etap adaptacji (m. in. syntezy modelu), tak aby rola uytkownika (twórcy modelu) była ograniczona jedynie do zada wymagajcych kreatywnoci człowieka i jego do-wiadczenia wybiegajcego poza moliwy zasób wiedzy zapisanej w systemie. Stanowi to bdzie take przedmiot docieka autorki.
Bibliografia
1. Aamodt A., Plaza E.: Case-Based Reasoning: Foundational Issues, Methodological Varia-tions, and System Approaches, AICom, Artificial Intelligence CommunicaVaria-tions, IOS Press 1994
2. Funk P.: Processes and Structured Transition Rules for Case-Based Reasoning, ICCBR 2001 3. Funk P., Crnkovic I.: Reuse, Validation and Verification of System Development Processes,
Proceedings to the First International Workshop on the Requirements Engineering Process, Florence Italy, September 1999
4. Madhusudan T., Zhao J., Marshall B.: A case-based reasoning framework for workflow mo-del management, Data & Knowledge Engineering 50, 2004 (87-115)
5. Riesbeck C., Schank R., Hillsdale N.J.: Inside Case-Based Reasoning, Lawrence Erlbaum 1989
6. Sang-ll Kim, Jae Kyeong Kim, Soung Hie Kim: Development of Case-Based Decision Support System for Process Modeling in BPR, International Journal of Intelligent Systems in Accounting, Finance and Management 9, Jun 2000 (93-105)
Anna Kempa
e-mail: kempa@ae.katowice.pl Katedra Informatyki
Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach 40-287 Katowice, ul. 1 Maja 50
