16761

16761

ارائه سازوكاري براي پايش رخداد محور فعاليت كسب‌وكار

كارشناسي ارشد

نرم‌افزار

اسفند 1394

دكتر محسن شريفي

كامپيوتر

چكيده عمليات كسب‌وكار سازمان‌هاي امروزي، به شدت تحت تأثير تعداد زياد رخدادهاي كسب‌وكار داخلي و خارجي است. از سويي ديگر، با استفاده از پردازش رخدادهاي پيچده مي‌توان به صورت بي‌درنگ الگوهاي پيچيده رخدادها و در نتيجه موقعيت‌هاي خاص را شناسايي كرد. بنابر اين برنامه‌هاي كاربردي پايش فعاليت كسب‌وكار، با بهره گيري از سامانه هاي پردازش رخداد پيچيده، قادر به تحليل برخط رخدادهاي مربوط به فرآيندهاي كسب‌وكار هستند. در سازمان‌هاي آگاه از فرآيند، با استفاده از يك مدل فرآيند، روال مورد انتظار جريان كاري توصيف مي شود. البته به دلايل متعددي، نمي‌توان اين رويه معيار را به گونه‌اي اعمال كرد كه تطابق بر مدل، در نمونه فرآيندها تضمين شود و ممكن است كه نمونه فرآيندهاي واقعي، با رفتار معيار (توصيف شده در مدل فرآيند)، منطبق نباشند. يكي از وظايف سامانه‌هاي پايش فعاليت كسب‌وكار، تحت عنوان بررسي تطابق، شناسايي و گزارش انحراف از رويه معيار است. سازوكارهاي متعددي ارائه شده‌اند كه با توليد قواعد پردازش رخدادهاي پيچيده از نمايه‌هاي رفتار عارضي استخراج‌شده از مدل فرآيند كسب‌وكار و استفاده از ضد الگوها، انحرافات از مدل را گزارش مي‌دهند. در اغلب موارد استفاده صنعتي، پيچيدگي مدل‌هاي كسب‌وكار و تعدد اجراي مدل، منجر به نرخ بالاي ايجاد نمونه فرآيندهاي پيچيده مي‌گردد. بنابراين در بررسي تطابق، نرخ بالاي رخداد و تعدد قواعد پردازش رخداد پيچيده و در نتيجه چالش مصرف منابع محاسباتي وجود دارد. در اين پايان‌نامه، به منظور رويارويي با اين چالش، سازوكاري توزيع‌شده و مقياس‌پذير، پيشنهادشده كه پردازش مربوط به پايش نمونه فرآيندها را ميان گره‌هاي محاسباتي پردازش رخداد پيچيده، به صورتي توزيع مي‌كند كه حتي¬الامكان بار گره ها متوازن باشد. همچنين، با ارائه روشي جهت بهبود نگهداري تطبيق جزئي در حافظه، ميزان مصرف منابع تا حد قابل قبولي كاهش يافته است. سازوكار پيشنهادي، پياده‌سازي شده و با توجه به آزمايش‌هاي انجام‌شده، در نرخ‌هاي مختلف نمونه فرآيند، نسبت به روش‌هاي پايش برخط تطابق مدل فرآيند، تا ميزان 20 درصد، مصرف حافظه كاهش يافته است. واژه‌هاي كليدي: پايش فعاليت كسب‌وكار، پردازش رخدادهاي پيچيده، مديريت فرآيند كسب‌وكار.

1395/12/07

1/1/1900 12:00:00 AM

Abstract The business operations of today’s enterprises are heavily influenced by numerous number of internal an​d external business events. On the other hand, by using Complex Event Processing (CEP), complex patterns of events an​d therefore specific situations could be identified. Business Activity Monitoring (BAM) applications are capable of online analysis of events related to business processes using CEP. In Process-Aware organizations, a typical process model describes organization’s expected workflow but due to numerous restrictions, this normative procedure could not be constrained, therefore it would be likely that real world business instances deviate from normative procedure (described in process model). A part of BAM System’s tasks, as Conformance Checking, covers reporting this kind of deviations. Numerous mechanisms has been proposed to report deviations from model by generating CEP rules as Anti-Patterns from Casual Behavioral Profiles which derived from business process model. In industry use cases, with complex process models having multiple instances running simultaneously, such mechanisms dealing with high rate of input events an​d CEP rules, therefore suffer from consuming lots of computing resources. In response to these challenges, in this thesis, a distributed, scalable mechanism proposed which by dispatching monitoring process of process instances among CEP nodes balances the load among processing nodes. Also, a method proposed that enhanced keeping partial matching instances in memory which leads to significant saving of computing resources. The distributed mechanism has been implemented an​d its load balancing an​d scalability approved by accomplished experiments. The proposed enhancement in conformance checking rules has been implemented an​d according to accomplished experiments, for different rates of process instances, has better performance comparing to other event driven conformance checking mechanisms. Keywords: Business Activity Monitoring, Complex Event Processing, Business Process Management.