Интеллектуальный анализ знаниеемких бизнес-процессов с экстернализацией неявных зависимостей - Статья

Традиционные подходы к моделированию ЗБП направлены на отображение неявных знаний в модели процесса в виде ссылки на соответствующих исполнителей[6,7] и не уделяют достаточно внимания вопросам формализации таких знаний и последующего их включения в модель. Результаты применения таких знаний в виде последовательности событий зафиксированы в логах выполнившихся процессов. Изложенное определяет актуальность проблемы интеллектуального анализа знаниеемких бизнес-процессов с учетом явной и неявной составляющей знаний о процессе. Целью данной статьи является детализация проблемы интеллектуального анализа знаниеемких бизнес-процессов с учетом явной и неявной составляющей знаний о процессе и разработка обобщенного метода интеллектуального анализа ЗБП. Представленные в работах[6,8] результаты позволяют сделать вывод о том, что требования к модели знание - емкого бизнес-процесса, а также к методам ее построения должны отражать как использование неявных знаний исполнителями, так и цикл преобразования этих знаний в явную форму.Показано, что общая проблематика включает в себя две составляющие, отражающие различные этапы жизненного цикла бизнес-процесса: проблема построения моделей ЗБП как гибких процессов; проблема моделирования изменений знание - емкого бизнес-процесса во время его выполнения. Проблема построения моделей ЗБП как гибких адаптируемых процессов средствами интеллектуального анализа определяется тем, что в результате использования существующих методов построения и визуализации модели БП на основе анализа их логов формируются спагетти - подобные модели, практическое использование которых сопряжено со значительными трудностями.

Знаниеемкий процесс (ЗБП) представляет собой бизнес-процесс, алгоритм действий котрого изменяется под влиянием организационных знаний. Знания организации подразделяются на явные и неявные[1-3]. Явные знания обычно представлены в форме документов и непосредственно включаются в модель процесса в форме описания используемых объектов, бизнес-правил, ограничений и т.п. Неявные знания непосредственно связаны с человеком, отражают его опыт и интуицию. Эти знания используются исполнителями при адаптации ЗБП к текущему состоянию предметной области. Преобразование таких знаний в явную форму и последующее их включение в модель процесса выполняется путем их экстернализации [4,5]. Последняя представляет собой неформализованный процесс преобразования знаний и выполняется экспертом после наблюдения за действиями, выполняемыми исполнителями процесса.

Таким образом, при построении модели ЗБП необходимо учитывать влияние неявных знаний как во время построения модели процесса, так и при его реализации.

Традиционные подходы к моделированию ЗБП направлены на отображение неявных знаний в модели процесса в виде ссылки на соответствующих исполнителей[6,7] и не уделяют достаточно внимания вопросам формализации таких знаний и последующего их включения в модель. В то же время экстернализация неявных знаний позволяет повысить адекватность модели знание - емкого процесса и устранить зависимость от настроения, мотивации, уровня квалификации персонала.

Неявные знания в рамках рассматриваемой тематики представляют собой знания о действиях в определенном контексте, отражающие контекстно-зависимый опыт персонала. Результаты применения таких знаний в виде последовательности событий зафиксированы в логах выполнившихся процессов. Такие логи содержат не только записи о темпоральной последовательности действий, но и информацию о среде этих действий, представленную атрибутами соответствующих событий. Следовательно, в рамках технологии интеллектуального анализа процессов могут быть получены не только традиционные workflow - модели, но и выявлены зависимости, отражающие применение неявных знаний, опыта персонала при выполнении бизнес-процесса в определенном контексте т.е. формализована экстернализация неявных зависимостей, задающих поведение ЗБП.

Изложенное определяет актуальность проблемы интеллектуального анализа знаниеемких бизнес-процессов с учетом явной и неявной составляющей знаний о процессе.

Целью данной статьи является детализация проблемы интеллектуального анализа знаниеемких бизнес-процессов с учетом явной и неявной составляющей знаний о процессе и разработка обобщенного метода интеллектуального анализа ЗБП.

Проблема интеллектуального анализа знаниеемких бизнес-процессов

Анализ характеристик ЗБП показывает, что при построении его модели необходимо учесть влияние неявных знаний как при формировании модели процесса, так и при его реализации.

Представленные в работах[6,8] результаты позволяют сделать вывод о том, что требования к модели знание - емкого бизнес-процесса, а также к методам ее построения должны отражать как использование неявных знаний исполнителями, так и цикл преобразования этих знаний в явную форму.

Поэтому знаниевые требования к ЗБП непосредственно связаны как с отдельными элементами процесса, так и с его жизненным циклом, как показано в таблице.

При использовании существующих подходов для реализации приведенных в таблице требований к построению описания ЗБП возникают следующие ограничения на использование знаний[7,8]: существует барьер передачи знаний, который связан с тем, что неявные знания непосредственно связаны с людьми - исполнителями ЗБП; такой барьер затрудняет тиражирование бизнес-процессов;

компетенции человека исполнителя обычно основываются на знаниях из нескольких предметных областей;

неявные знания человека не могут быть непосредственно смоделированы и потому в описании процесса представляются в виде ссылки на объект знаний;

использование знаний зависит от контекста, в котором выполняется знаниеемкий бизнес-процесс;

необходимые знания могут быть затребованы или предоставлены как априорно, до запуска процесса (явные закономерности), так и при его выполнении (преимущественно неявные знания);

знания могут быть преобразованы из явной формы в неявную, а также переданы между людьми в неявной форме.

Рассмотренные особенности знание - емкого процесса позволяют выделить следующие его свойства, существенные для решения задач process mining.

Во-первых, структура процесса (последовательность его действий) изменяется на основе явных знаний в зависимости от наличия ресурсов и текущего состояния внешней среды. Поэтому различные трассы одного и того же процесса могут иметь существенные отличия, что затрудняет построение практически применимой модели.

Во-вторых, модель процесса может быть изменена во время его выполнения[9] вследствие применения неявных знаний, опыта исполнителей.

Таблица

Требования к ЗБП, учитывающие использование неявных знаний

Составляющие ЗБП Влияние неявного знания

Жизненный цикл процесса Требуется интеграция жизненного цикла бизнес-процесса и цикла управления знаниями.

Цикл управления знаниями Необходимо включить цикл преобразования знаний между явной и неявной формами. Такой цикл содержит процессы экстернализации, социализации, интернализации и комбинации знаний.

Цели процесса Цели процесса должны быть документированы и формализованы. При выявлении неявных целей необходимо перепроектировать процесс.

Последовательность действий (workflow) Необходимо включить подпроцессы получения, передачи и преобразования знаний в общую последовательность действий процесса. Указанные подпроцессы должны отражать предоставление необходимых для выполнения процесса знаний до и после запуска процесса.

Действия процесса Модель процесса должна содержать явное знание и отражать использование неявного знания в действиях процесса и причинно-следственных связях между действиями.

Организационная структура Необходимо связать знания о процессе, влияющие на его действия, либо с подразделениями организации либо с отдельными исполнителями.

Исполнители Уровень знаний и квалификации исполнителей должен соответствовать уровню требований, задаваемых в п.3,4 (workflow и отдельные действия процесса).

Аспекты процесса в целом Модель процесса должна содержать не только традиционные аспекты - workflow и организационную структуру, но и аспект знаний

Последние, как было показано выше, не могут быть включены в первоначальную модель до их экстернализации[5]. Это не позволяет провести априорную диагностику и выявить узкие места, задержки в обслуживании и т.п., которые могут возникнуть в результате применения неявных знаний.

Представленная общая проблематика интеллектуального анализа ЗБП включает в себя две составляющие, отражающие различные этапы жизненного цикла бизнес-процесса: проблема построения моделей ЗБП как гибких процессов;

проблема моделирования изменений знание-емкого бизнес-процесса во время его выполнения;

Проблема построения моделей ЗБП как гибких адаптируемых процессов средствами интеллектуального анализа состоит в том, что существующие методы построения и визуализации модели БП на основе анализа их логов не позволяет строить адекватную модель такого процесса.

Большинство современных алгоритмов интеллектуального анализа процессов ориентированы на построение одноуровневых моделей с жестко заданной структурой причинно-следственных связей[10,11]. Указанные алгоритмы не учитывают требование различной детализации по времени для отличающихся действий одного и того же процесса. Полученные с помощью существующих методов модели гибких знаниеемких процессов содержат большое количество вершин (соответствующее количеству событий во всех трассах лога в предельном случае) и связывающих их дуг. Отображение дуг в графе процесса не зависит от уровня исполнителей действий процесса в иерархии организации. Такие графы получили название спагетти - подобных (spaghetti-like) моделей[12]. Анализ и практическое использование таких моделей крайне затруднено.

Поэтому решение первой из рассматриваемых проблем связано со структуризацией и детализацией по времени исходного лога с учетом зависимостей между элементами контекста, в котором выполняется знаниеемкий бизнес-процесс.

Выделенные контекстно-зависимые фрагменты лога могут использоваться для экстернализации неизвестных ранее контекстных зависимостей, позволяющих разделить процесс по уровням детализации.

Экстернализация неявных зависимостей, отражающих влияние связей между элементами контекста на ход выполнения процесса дает возможность выстроить иерархию подпроцессов гибкого ЗБП и, тем самым, рассматривать процесс с требуемой в конкретный момент точностью.

Проблема моделирования изменений знание-емкого бизнес-процесса связана с тем, что во время его выполнения реализуются новые последовательности действий, которые не были изначально включены в модель. Данная проблема характеризуется следующими ключевыми особенностями: Во-первых, логи процесса изменяются во время выполнения интеллектуального анализа[9]. Это означает, что уже после начала проведения интеллектуального анализа традиционными методами необходимо изменить множество исходных данных: отбросить старые трассы реализации ЗБП и использовать новые трассы, которые добавляются в лог.

Во-вторых, изменение ЗБП во время его выполнения может осуществляется только на основе знаний о причинно-следственных связях между действиями, как явных, так и неявных. Такие знания отражают влияние изменений окружения бизнес-процесса на алгоритм его действий. Поскольку явные знания включены в процесс априорно, то возможная адаптация процесса будет определена в модели до начала его запуска. Данная ситуация отражает первую из рассмотренных проблем - построения гибких ЗБП методами интеллектуального анализа процессов.

Следовательно, новые последовательности действий, которые появляются в ходе выполнения ЗБП, возникают в результате применения исполнителями неявных знаний в условиях изменившегося контекста. Такие последовательности действий фиксируются в виде событий лога. Также для каждого события обычно задаются дополнительные атрибуты, указывающие роль и исполнителя данного действия, продукт над которым выполнялось действие, наименование организации или ее подразделения, в котором выполнялось действие и т.п. Совокупность таких атрибутов действий отражают доступную из лога часть контекста выполнения бизнес-процесса. Поэтому лог содержит информацию, в которой в скрытой форме зафиксированы зависимости, приведшие к появлению новых последовательностей действий процесса. Сравнение последовательности действий одного и того же ЗБП в различном контексте - например, в различных подразделениях транснациональной компании, дает возможность выделить эти зависимости.

Отметим, что для получения полного контекста ЗБП необходима дополнительная априорная информация, например о целях процесса, характеристиках организации, свойствах окружающей среды.

Метод интеллектуального анализа знаниеемких бизнес-процессов

Таким образом, решение рассмотренной проблематики интеллектуального анализа знаниеемких бизнес-процессов связано с выделением на основе анализа лога процесса неявных зависимостей, отражающих как связи между элементами контекста, так и влияние этих элементов на допустимые последовательности действий процесса (рисунок).

В последующем эти экстернализованные знания включаются в модель процесса. Поэтому проблема изменения процесса во время выполнения сводится к проблеме априорного построения процесса с изменяющейся структурой.

Рисунок - Проблематика интеллектуального анализа знаниеемких бизнес-процессов и подход к ее решению

Метод построения модели ЗБП на основе анализа логов включает в себя следующие основные этапы: Этап 1. Построение представления знаний о контексте выполнения ЗБП традиционными методами с использованием доступных явных знаний.

Этап 2. Выявление неявных зависимостей на основе анализа логов процессов. интеллектуальный ограничение бизнес зависимость

1.1. Выявление неявных связей между объектами, составляющими контекст процесса, на основе сопоставления атрибутов событий лога.

1.2. Выявление зависимостей между объектами контекста ЗБП и действиями процесса на основе сопоставления атрибутов и временных меток событий отличающихся трасс лога.

1.3. Выявление зависимостей между взаимодействующими процессами на основе сопоставления временных меток событий логов этих процессов при условии, что сопоставляемые ЗБП работают в одном контексте (используют те же объекты).

Этап 3. Дополнение представления знаний о контексте выполнения ЗБП с использованием выявленных неявных зависимостей.

Этап 4. Выявление контекстно-зависимых фрагментов ЗБП на основе анализа логов с учетом темпорального аспекта процесса.

Этап 5. Построение моделей контекстно-зависимых подпроцессов традиционными методами process mining.

Этап 6. Построение обобщенной модели процесса, объединяющей выделенные на предыдущем шаге подпроцессы.

В статье рассмотрена проблематика интеллектуального анализа знаниеемких бизнес-процессов. Показано, что общая проблематика включает в себя две составляющие, отражающие различные этапы жизненного цикла бизнес-процесса: проблема построения моделей ЗБП как гибких процессов; проблема моделирования изменений знание - емкого бизнес-процесса во время его выполнения.

Проблема построения моделей ЗБП как гибких адаптируемых процессов средствами интеллектуального анализа определяется тем, что в результате использования существующих методов построения и визуализации модели БП на основе анализа их логов формируются спагетти - подобные модели, практическое использование которых сопряжено со значительными трудностями. Для решения данной проблемы необходимо выделить контекстно-зависимые фрагменты ЗБП с использованием методов интеллектуального анализа процессов.

Проблема моделирования изменений знание - емкого бизнес-процесса связана с тем, что во время его выполнения в результате действий исполнителей реализуются новые последовательности действий, которые не были изначально включены в модель. Для решения данной проблемы необходимо выявить зависимости, определяющие такое изменение процесса.

Предложен метод интеллектуального анализа знаниеемких бизнес-процессов, который предполагает поэтапное построение модели представления знаний о контексте с учетом неявной составляющей, а затем формирование модели ЗБП как совокупности контекстно-зависимых подпроцессов. Метод позволяет перейти от решения проблемы изменения процесса во время выполнения к решению проблемы построения гибких процессов, а затем построить модель адаптируемого процесса с учетом влияния контекста на ход его реализации.

1. Polanyi M. Personal Knowledge: Towards a Post-Critical Philosophy/ M. Polanyi. - University of Chicago Press, 1958. - 493 p.

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

3. Gronau N. Modeling and Analyzing knowledge intensive business processes with KMDL: Comprehensive insights into theory and practice / N. Gronau -Taschenbuch . - 519 p.

4. Polanyi M. The Tacit Dimension / M. Polanyi. - University of Chicago Press, 1966. - 104 p.

5. Нонака И. Компания - создатель знания. Зарождение и развитие инноваций в японских фирмах / И. Нонака, X. Такеучи - М., 2003. - 384 с.

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

7. Gronau N. Modeling of knowledge intensive business processes with the declaration language KMDL / N. Gronau, U. Palmer, K. Schulte, T. Winkler // Professional knowledge management - Experiences and visions/- Bonn, 2003. - pp.315-322.

8. Snowden D. The ASHEN Model an enabler of action in Knowledge Management// April 2000. - №3(7). - P.14-17.

9. Bose R. P. J. C. HANDLINGCONCEPT Drift in Process Mining/ R. P. J. C. Bose, W. M. P. van der Aalst, I. Zliobaite, M. Pechenizkiy//Advanced Information Systems Engineering (23rd International Conference, CAISE 2011, London, UK, June 20-24, 2011 / Ed. H. Mouratidis, C. Rolland. - Berlin: Springer, 2011. - pp. 391-405.

10. Remus U. Process oriented knowledge management. Concepts and modeling// PHD thesis. - University of Regensburg. - Germany, Regensburg. - 2002.

11. Scheer A.-W. ARIS From business process to the application system// Berlin Heidelberg. - 3rd edition. - 1998. - 215 p.

12. W. M. P. van der Aalst Workow Mining: Discovering Process Models from Event Logs/ W. M. P. Van der Aalst, A. J. M. M. Weijters L. Maruster// IEEE Transactions on Knowledge and Data Engineering, 16(9), 2004.- pp.1128-1142.

Размещено на .ru