This paper introduces the concept of process variants in process-aware information systems (PAIS) during the design-time phase, where multiple variants of a single process must be specified. Today's organizations have to manage multiple variants of a given process, such as multiple order processes or payment processes for a specific product or service they offer. Traditional business process management tools lack in adequately capture and represent explicitly these variants. Hence, for more than a decade an array of approaches have been proposed to tackle this gap. A reference or customizable process model has been introduced to model these variants collections in a way that each variant could be derived by inserting/removing an activity according to a process context. This survey reviews current literature by providing an overview of meta-modelling approaches that have been extended in order to capture the variations of business processes. Moreover, we give a comparative analysis of these approaches based on different criteria we identified from the inventory activity, providing insights into their strengths and limitations. This paper concludes that current approaches to process variants meta-modelling provide a comprehensive view of the conceptual level of process variants and the control-flow process perspective. While some approaches go a step further by capturing variability in resources or specialization among activities/processes.


翻译:本文件介绍了在设计-时间阶段对过程有认识的信息系统(PAIS)的流程变式概念,在设计-时间阶段必须具体指明单一程序的多种变式;今天各组织必须管理特定进程的多种变式,如多个订单过程或它们提供的具体产品或服务的付款过程;传统的业务流程管理工具缺乏充分体现这些变式,并明确代表这些变式;因此,十多年来,为弥补这一差距提出了一系列办法;为这些变式的模型引入了一个参考或可定制程序模型,每个变式都可以通过根据过程背景插入/移动活动来产生;本项调查审查当前文献,概述为反映业务流程的变化而扩展的元模型方法;此外,我们根据我们从清单活动中确定的不同标准对这些办法进行比较分析,介绍其长处和局限性;本文件的结论是,目前对变式模型的处理方法提供了对进程变式概念水平和控制-流动过程观点的全面看法;有些办法通过在资源专业化/流程中采取进一步步骤,通过收集资源变化性活动/流程。

0
下载
关闭预览

相关内容

Processing 是一门开源编程语言和与之配套的集成开发环境(IDE)的名称。Processing 在电子艺术和视觉设计社区被用来教授编程基础,并运用于大量的新媒体和互动艺术作品中。
多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
12+阅读 · 2023年1月19日
A Comprehensive Survey on Transfer Learning
Arxiv
121+阅读 · 2019年11月7日
Generative Adversarial Networks: A Survey and Taxonomy
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员