Generating process model collections
Generating process model collections
复制标题
生成流程模型集合
DOI：
10.1007/s10270-015-0497-6
复制
发表时间：
2015-10
影响因子：
2
通讯作者：
Paul Grefen
中科院分区：
文献类型：
--
作者：
闫志强;Remco Dijkman;Paul Grefen
业务流程管理在组织的管理中起着重要的作用。越来越多的组织将其操作描述为业务流程。对于组织来说，收集数千个业务流程是很常见的，但是出于保密的原因，这些收集通常不对研究人员开放，或者仅部分开放。另一方面，研究管理流程模型集合的技术，如流程检索技术，需要大量的集合用于评估目的。因此，本文提出了一种技术来生成这样的过程模型的集合，基于现实世界的集合的属性。现有的技术集中在过程模型的结构，本文提出的技术还生成任务标签，包括从现实生活中的任务标签的话，并考虑节点和边缘类型的语义信息。我们评估我们的技术，应用它来生成两个合成集合的过程模型超过60,000和2,000模型，分别。我们表明，生成的合成集合具有类似的属性，原来的集合。据我们所知，这是第一种可以生成合成BPMN模型的技术，因此可以对具有实验室设置的定量参数和基于真实世界流程模型集合的定性属性的流程集合进行实验。
Business process management plays an important role in the management of organizations. More and more organizations describe their operations as business processes. It is common for organizations to have collections of thousands of business processes, but for reasons of confidentiality these collections are often not, or only partially, available to researchers. On the other hand, research on techniques for managing process model collections, such as techniques for process retrieval, requires large collections for evaluation purposes. Therefore, this paper proposes a technique to generate such collections of process models, based on the properties of real-world collections. Where existing techniques focus on the structure of the process models, the technique proposed in this paper also generates task labels that consists of words from real-life task labels and considers semantic information of node and edge types. We evaluate our technique by applying it to generate two synthetic collections of process models of over 60,000 and over 2,000 models, respectively. We show that the generated synthetic collections have similar properties to the original collections. To the best of our knowledge, this is the first technique that can generate synthetic BPMN models, thus enabling experimentation with process collections that have laboratory-set quantitative parameters and qualitative properties that are based on real-world process model collections.
登录
查看更多内容
DOI：
10.1007/978-3-319-08222-6_8
发表时间：
2014-07
期刊：
--
影响因子：
--
作者：
Keqiang Liu;Zhiqiang Yan;Yuquan Wang;L. Wen;Jianmin Wang
通讯作者：
Keqiang Liu;Zhiqiang Yan;Yuquan Wang;L. Wen;Jianmin Wang
DOI：
10.1007/978-3-642-16934-2_28
发表时间：
2010-10
期刊：
--
影响因子：
--
作者：
Tao Jin;Jianmin Wang;N. Wu;M. Rosa;A. T. Hofstede
通讯作者：
Tao Jin;Jianmin Wang;N. Wu;M. Rosa;A. T. Hofstede
影响因子：
2
作者：
Jinhyun Kim;Inhye Kang;Jin-Young Choi;Insup Lee;Sungwon Kang
通讯作者：
Jinhyun Kim;Inhye Kang;Jin-Young Choi;Insup Lee;Sungwon Kang
DOI：
10.1007/978-3-642-32885-5_20
发表时间：
2012-09
期刊：
Oper. Res.
影响因子：
--
作者：
Zhiqiang Yan;R. Dijkman;P. Grefen
通讯作者：
Zhiqiang Yan;R. Dijkman;P. Grefen
DOI：
10.1016/b978-0-12-799959-3.00021-5
发表时间：
2015
期刊：
--
影响因子：
--
作者：
Mark von Rosing;Stephen White;F. Cummins;H. D. Man
通讯作者：
Mark von Rosing;Stephen White;F. Cummins;H. D. Man