Über die Anwendung, Klassifizierung und Übertragbarkeit von Methoden für einen Ähnlichkeitsabgleich von Geschäftsprozessmodellen

Titelangaben

Baumann, Michaela:
Über die Anwendung, Klassifizierung und Übertragbarkeit von Methoden für einen Ähnlichkeitsabgleich von Geschäftsprozessmodellen.
Bayreuth , 2018 . - 239 S.
( Dissertation, 2018 , Universität Bayreuth, Fakultät für Mathematik, Physik und Informatik)

Volltext

	Format: PDF Name: DISSERTATION_Baumann_Michaela.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Deutsches Urheberrechtsgesetz. Das Dokument darf zum eigenen Gebrauch kostenfrei genutzt werden. Darüber hinaus bedürfen die Vervielfältigung, Bearbeitung, Verbreitung und jede Art der Verwertung der schriftlichen Zustimmung des jeweiligen Rechteinhabers.
	Download (1MB)

Abstract

Der Einsatz von Prozessmodellen zur Abbildung und Umsetzung betrieblicher Arbeitsabläufe wird in immer mehr Unternehmen durchgesetzt. Hierbei wachsen die verwendeten Modellrepositorien schnell an, es muss also eine Vielzahl an Prozessmodellen effektiv verwaltet werden. Zu dieser Verwaltung zählt auch, Modellabgleiche durchzuführen, das heißt, gleiche oder ähnliche Prozessmodelle in der Masse an Modellen zu erkennen und Hinweise zu einer Verschmelzung solcher Modelle zu geben. Mehrfachmodellierungen und Modellvarianten können hierbei verschiedene Ursachen haben, die von Unternehmensfusion über zielgruppengerichtete Modellierung bis hin zu Modellevolution reichen. Auch bei der Übersetzung von Modellen in eine andere Modelliersprache oder bei der Evaluation solcher Übersetzungsmethoden ist ein Abgleich von Modellen notwendig. In der Literatur werden einige Möglichkeiten für Prozessmodellabgleiche vorgeschlagen, die jedoch vornehmlich nur imperativ modellierte Prozesse abdecken und dort auch nur einen Teil der eigentlich zur Verfügung stehenden Modellinformationen nutzen. Bei diesen in der Literatur verwendeten Methoden wird, nachdem eine Abbildung zwischen zwei zu vergleichenden Prozessmodellen festgelegt ist, die jeweils eine Aktivität des ersten Modells auf eine Aktivität des zweiten Modells abbildet, wobei keine Aktivität mehrfach in dieser Abbildung auftritt, auf Basis dieser Abbildung ein Ähnlichkeitswert errechnet. Zur Berechnung werden Informationen über die Struktur des Prozessmodells, über das Verhalten des Prozesses und über die Aktivitätsbeschreibungen genutzt. Der Ähnlichkeitswert ist eine Zahl zwischen null (keine Ähnlichkeit) und eins (volle Ähnlichkeit), der über die zugrunde liegende Abbildung maximiert wird. Die vorliegende Arbeit erweitert die Ansätze aus der Literatur in mehreren Punkten. Zusätzlich zu den Aktivitätsbeschreibungen, der Struktur und dem modellierten Verhalten werden verwendete Datenobjekte, zuständige Agenten bzw. Rollen oder Personengruppen sowie benutzte Werkzeuge/Services zur Ähnlichkeitsberechnung herangezogen. Die Möglichkeiten der zugrunde liegenden Abbildung werden von einer 1:1-Abbildung zu einer M:N-Abbildung erweitert, das heißt, es können Mengen von Aktivitäten auf Mengen von Aktivitäten abgebildet werden, um unterschiedliche Granularitäten der zu vergleichenden Modelle zu berücksichtigen. Des Weiteren wird eine Ausweitung der Abgleichsansätze auf deklarativ modellierte Prozesse, das sind Prozesse, die auf einem Regelsystem beruhen, besprochen. Eine Proof of Concept-Implementierung einiger Abgleichsansätze sowie mehrere vergleichende Evaluationen zeigen die Funktionsweise und Anwendbarkeit der vorgestellten Methoden.

Abstract in weiterer Sprache

The use of process models for the mapping and implementation of company workflows is being enforced in more and more companies. The model repositories used grow rapidly, thus, a large number of process models need to be managed effectively. This administration also includes the conduction of model matching, that is, identifying equal or similar process models in the mass of models and giving advice for merging such models. Multiply modeled process models and model variants can have various causes, ranging from company fusion to target group oriented modeling to model evolution. A comparison of models is also necessary when translating models into another modeling language or when evaluating such translation methods. In the literature, some possibilities for process model matching are proposed, which, however, primarily cover only imperatively modeled processes and thereby use only a part of the actually available model information. In these methods used in the literature, after a mapping, which maps an activity of the first model to an activity of the second model, where no activity occurs twice in the mapping, between two process models to be compared is defined, a similarity value is computed based on the mapping. The calculation uses information about the structure of the process model, the behavior of the process, and the activity descriptions. The similarity value is a number between zero (no similarity) and one (full similarity) that is maximized across the underlying mapping. The work at hand extends the approaches from the literature in several aspects. In addition to the activity descriptions, the structure, and the modeled behavior, data objects, responsible agents, roles or groups of persons, as well as utilized tools/services are used for the similarity calculation. The possibilities of the underlying mapping are extended from a 1:1 mapping to an M:N mapping, which means that sets of activities can be mapped to sets of activities in order to consider different granularities of the models to be compared. Furthermore, an extension of the matching approaches to declaratively modeled processes, i.e., processes represented as constraint-based models, is discussed. A proof of concept implementation of some matching approaches as well as several comparative evaluations show the functionality and applicability of the presented methods.