敏捷应对变化的业务流程可控性验证方法

技术领域

本发明属于计算机支持的业务流程技术领域，具体涉及敏捷应对变化的业务流程可控性验证方法。

背景技术

业务流程是计算机支持的一组活动序列，以实现特定的业务目标

日益竞争的商业环境导致现代流程应用面临着业务流程的执行条件、资源状况甚至是业务目标的频繁调整，从而产生了流程在模型级的(静态)和实例级的(动态)变化需求

表1Courtney等人给出的不确定性

残留不确定性的特征在于，频次不高，因而难以用统计或数据挖掘等数据分析方法有效应对；种类繁多，因而采用前摄式(Proactive)应对策略(如可变性建模

考察图1所示的一个生鲜在线商店的BPMN业务流程，它由两个互相交互的主体(客户和在线商店两个独立的泳池)构成，双方的信息和物质交换表现为虚线的消息。在线商店接收到客户发来的订单后启动流程，经拣货，发货后根据货物类型采取常温送货或冷链送货，然后确认收货，处理款项。

新冠疫情的发生，特别是各地针对疫情程度所采取的各种针对性防控措施给在线商店的运营带来了巨大的冲击，产生了大量的LTC。例如，因风险地区划定，无法照常送货上门，造成流程中断；因小区外来人员健康码核验和消毒过程，送货耗时延长，造成客户投诉；因送货人员不具有有效的健康码而导致门店对特定区域无法服务。由于新冠的首次突发性，使得在线商店无法运用现有的业务流程变化管理方案(如可变性建模

1、不予应对。不修改业务流程，观望事态发展，等待环境恢复如初。无疑，这将无法继续开展业务，只能放弃收益，甚至丧失原有的市场份额；

2、放任修改。允许从业人员根据其面临的情况偏离业务流程灵活处理。这极大地维持了业务的连续性，但未必能落实商业的合规性，也不一定能够保证企业的商业利益；

3、可控的反应式应变。在变化发生后允许从业人员根据其面临的情况使用低代码方式改变流程行为，但同时检验变化后的流程行为是否满足业务管理者所施加的合规性原则。

显然，应变策略3能够较好地处理LTC，维持业务的持续性，并保证商业利益。例如，一种采用策略3的技术方案

为了实现业务目标，业务流程需要符合业务规范，业务流程在应对变化的情况下，也需要确保变化后的业务流程符合(基线的)业务规范。业务规范来源于法律法规、行业标准、与利益相关者签订的合同等

可见，在敏捷应对变化的场景下，应变技术展现的灵活性和应变效果的合规性是一对难以调和的矛盾。为了应对变化，业务流程的活动序列和执行策略需要足够灵活，做到随机应变。然而，为了实现业务目标，业务流程需要符合业务规范，不能过分灵活。为了化解这个矛盾，Zhu等

方法的有效性和适用性是本发明的另一个关注点。如果前端人员需要使用不同方法分别验证功能性与非功能性约束，特别是当一个活动会同时影响两类约束，造成两类约束之间存在关联时，无疑会对运用这些技术造成障碍。例如，选择常温送货还是冷链送货不仅影响功能性约束(生鲜货物需要采用冷链送货)，还可能影响非功能性约束(采用冷链送货的成本更高)，两类约束的验证结果可能存在冲突，这种情况下功能性与非功能性约束宜于统一建模和验证。Zhu等

现有的发明专利申请

发明专利申请

发明专利申请

发明专利申请

发明内容

本发明的目的在于为了敏捷应对LTC，化解灵活性与合规性之间的矛盾，形成有效适用的解决方案，提出一种统一的敏捷应对变化的业务流程可控性验证方法。

本发明提供的敏捷应对变化的业务流程可控性验证方法，可定量地验证是否存在能让业务流程满足功能性与非功能性约束的执行策略，并且构造出最优策略。最优策略能够观察环境对业务流程的影响，动态地决定业务流程今后的执行行为，使得业务流程满足约束。如果验证完全通过，那么最优策略让业务流程一定满足约束；如果验证部分通过，那么最优策略让业务流程尽可能满足约束。

对业务流程管理而言，可控性验证(Controllability Verification)是比传统的可靠性验证(Soundness Verification)应用更加广泛的验证方法。可靠性验证只能验证业务流程按照一定策略执行时，是否能够满足约束

先介绍与本发明相关的工作

(1)业务流程的变化应对

今天的商业世界是瞬息万变的，业务流程的执行环境是动态的，业务流程容易产生变化需求，包括可变性、松散性、调整、演变需求

业务流程应对变化的方法可以分为前摄式和反应式两类。前摄式方法为所有可能发生的变化都提前制定好应对方案。可变性建模、流程配置方法

反应式方法不提前制定应对方案，而是在变化发生后临时应对。有些变化是不可预知的，具有高度的不确定性，无法提前制定应对方案；有些变化虽然是可预知的，但是种类繁多，由于成本和模型简洁性限制，无法提前制定应对方案。本发明重点关注无法提前制定应对方案的长尾型变化，对于这些变化只能使用反应式方法来应对。ADEPT技术

(2)业务流程的可控性验证

现有的业务流程可控性验证方法大多关注时间约束。Eder等

STNU有一些变种，应用于业务流程时，可以处理更多的流程结构，验证更多的约束

STNU及其变种都是以时间约束为中心的，而业务流程还有更多种约束需要验证。Peng等

(3)离散事件动态系统与控制器合成

为了验证更多种约束，本发明将利用离散事件动态系统与控制器合成技术。

离散事件动态系统(Discrete Event Dynamic System，DEDS)是事件驱动的、状态离散的动态系统

控制器合成(也叫控制器综合)

Santos等

张红霞等

Venero等

本发明提供的敏捷应对变化的业务流程可控性验证方法，参见图15；具体步骤如下。

(1)业务流程模型的构建

本发明的业务流程模型，包含BPMN中的一些核心元素，用于建模控制流；包含变量，用于建模数据流；还包含功能性与非功能性约束，用于建模业务规范。

形式化地，设业务流程模型P是一个多元组(N,E,V,A,C

其中，N＝N

这样，N和E构成控制流；V和A构成数据流；C

(1.1)控制流的构建

业务流程的控制流由结点和边组成。本发明支持BPMN中的六种结点，包括开始事件、中间事件、结束事件、活动、排他网关、并行网关。本发明支持BPMN中的一种边，即顺序流。例如，在线商店业务流程的控制流如图1所示。

(1.2)数据流的构建

业务流程的数据流也很重要，数据流决定着排他网关后面的路径选择，活动的执行也需要访问数据。在验证可控性时，可以只考虑会影响可控性的数据，即与约束相关的数据。数据流由变量的定义和访问组成。

本发明支持三种类型的变量的定义，分别是整数型、布尔型、枚举型。整数型变量在定义时需要指定取值范围。布尔型变量的取值范围是固定的，即{false,true}。枚举型变量在定义时需要指定枚举元素的集合。为了让枚举型变量参与运算，可以为每个枚举元素指定一个整数值(可以参考波达计数法)，也可以自定义一种从枚举元素到枚举元素的运算法则。

数据的访问包括排他网关从业务流程中读取数据，中间事件和活动读写数据。

业务流程中的排他网关可以读取数据。从排他网关流出的每一条顺序流上可以指定一个关于变量取值的条件，作为路径选择的条件。

业务流程中的中间事件和活动可以读写数据。在修改变量时，本发明支持三种类型的变量赋值，分别是确定赋值、可控赋值、不可控赋值。确定赋值是指变量的值可以由一个表达式，或者通过一段程序确定。可控赋值是指流程控制器可以控制变量的取值。不可控赋值是指变量的取值取决于环境。对于不可控赋值，可以指定可能取值之间的概率分布，默认情况是均匀分布。

例如，在验证在线商店业务流程的可控性时，可以定义如表2所示的变量。

表2在线商店业务流程中的变量

从排他网关流出的顺序流“常温”上的条件是变量“送货方式”取值为“常温”；顺序流“冷链”上的条件是变量“送货方式”取值为“冷链”。

业务流程中活动对变量的修改如表3所示。当变量的取值取决于环境时，使用不可控赋值，例如变量“货物类型”不可控，因为所需货物取决于客户；变量“货物品质”不可控，取决于仓库中的货物批次；变量“送货耗时”不可控，取决于路况。当流程控制器可以决定变量的取值时，使用可控赋值，例如控制变量“发货优先级”、“优惠金额”可以影响成本和客户满意度；控制变量“送货方式”可以影响流程的路径选择。

表3在线商店业务流程中活动对变量的修改

(1.3)业务规范的构建

本发明所考虑的业务规范是与业务相关的约束，可以分为功能性与非功能性约束，它们比无死锁等基本性质更加精细。

业务流程的功能由一组活动组成，功能性约束是对活动之间执行顺序的约束，确保活动实现业务目标。本发明基于Zhu等

表4功能性约束符号和LTL公式

非功能性约束是对成本、利润、客户满意度等的约束，确保业务质量和绩效。业务质量和绩效通常可以用关键绩效指标(Key Performance Indicator，KPI)来量化。KPI通过一些参数计算得到，这些参数可以是流程变量的取值。非功能性约束就是对KPI取值范围的约束。如果流程控制器能够动态地控制可控变量的取值，使得业务流程满足非功能性约束，无论不可控变量如何影响KPI，那么业务流程就具有非功能性约束下的可控性。

例如，在线商店业务流程的功能性约束如图2所示。约束(a)要求拣到生鲜货物后需要采用冷链送货。为了使得业务流程满足这个约束，流程控制器需要在活动“拣货”完成时观察变量“货物类型”的取值，如果取值为“生鲜”，那么需要在活动“发货”执行时将变量“送货方式”设置为“冷链”。约束(b)要求确认收货和处理款项需要同时存在(或同时不存在)。为了使得业务流程满足这个约束，流程控制器如果观察到其中一个活动执行了，那么需要安排另一个活动也执行。由于图1所示的在线商店业务流程非常简单，这两个约束显然是可控的。对于现实中更加复杂的流程和约束，必须借助计算机来自动验证。

在线商店业务流程关注两个KPI，包括客户满意度和成本指数。客户满意度的计算公式为：货物品质+发货优先级-送货耗时/20+优惠金额/10。成本指数的计算公式为：货物品质+发货优先级+优惠金额/10。为了便于计算，将货物品质的枚举(一等,二等,三等)映射为整数(5,4,2)，将发货优先级的枚举(一级,二级,三级)映射为整数(5,4,2)。因此，在线商店业务流程有两个非功能性约束，包括(a)客户满意度要大于等于8；(b)成本指数要小于等于12。为了使得业务流程满足这两个约束，流程控制器需要在活动“拣货”执行时观察变量“货物品质”的取值，然后在活动“发货”执行时决定变量“发货优先级”的取值，再在活动“确认收货”执行时观察变量“送货耗时”的取值，然后在活动“处理款项”执行时决定变量“优惠金额”的取值。如果上述动态控制策略存在，那么业务流程就具有非功能性约束下的可控性。

(2)基于MDP的业务流程行为的描述

为了定量分析、验证业务流程的可控性，本发明利用MDP来描述业务流程的行为。本发明用MDP中的状态来描述业务流程的状态；用动作来描述流程控制器可以控制的操作；用状态转移概率来描述环境对业务流程的影响；用概率时态逻辑公式来描述业务规范。因为业务流程中的不同活动之间一般没有好坏之分，所以本发明不考虑奖励。

形式化地，设MDP M是一个多元组(S,A,P,Φ)，其中，S是状态的集合；A是动作的集合；P是状态转移概率矩阵，其中p

在利用MDP来描述业务流程的行为之前，可以先利用约简规则

为了描述业务流程的行为，需要描述控制流、数据流、业务规范。

(2.1)控制流的描述

根据业务流程的控制流元素包含六种结点和一种边。每种控制流元素都要用MDP来描述。开始事件用开始状态来描述。结束事件用结束状态来描述。中间事件、活动用动作来描述，当前状态通过动作转移到下一个状态。排他网关用多个候选动作来描述，每个候选动作转移到各自的下一个状态。并行网关的每条并行线程分别用一个子MDP来描述，多个子MDP只在网关处同步执行，在其它地方都异步执行。顺序流用状态之间的先后顺序来描述。

例如，在线商店业务流程对应的MDP如图3所示。图中每个动作只会转移到一个状态，转移概率都是1，因此图中省略转移概率。在描述业务流程的控制流时，对网关的处理是一个难点。在线商店业务流程含有排他网关，图3展示了对排他网关的处理。对并行网关的处理如图4所示，流程中的两条子线程描述为两个子MDP，父子MDP之间只在“网关1”和“网关2”处同步执行，而“子线程数据流的描述。

(2.2)数据流的描述，是对控制流MDP的细化。业务流程的数据流由变量的定义和访问组成。变量定义是通用的，可以直接沿用，因此只需考虑变量访问的描述。

排他网关可以读取变量，用于选择路径。从排他网关流出的顺序流上的条件用MDP的动作上的守卫来描述。例如，图3所示MDP中的动作“常温”的守卫是“送货方式＝常温”；动作“冷链”的守卫是“送货方式＝冷链”。

中间事件和活动可以读取、修改变量。修改变量时支持三种类型的变量赋值，包括确定赋值、可控赋值、不可控赋值。确定赋值用一个动作来描述，该动作转移到下一个状态。可控赋值的每个候选值分别用一个动作来描述，每个动作转移到各自的下一个状态。不可控赋值的不同候选值用一个动作转移到不同的下一个状态的概率来描述。

例如，在线商店业务流程中的活动“发货”对应的MDP片段如图5所示。因为变量“发货优先级”可控，所以候选值“一级”、“二级”、“三级”分别描述为一个动作。变量“送货方式”的情况类似。活动“拣货”对应的MDP片段如图6所示。因为变量“货物类型”不可控，所以通过动作“货物类型”转移到状态“普通”、“生鲜”的概率各为1/2(默认情况是均匀分布)。变量“货物品质”的情况类似。

(2.3)业务规范的描述

用MDP来描述业务流程的控制流、数据流之后，可以用对MDP的约束来描述业务规范。对MDP的约束可以用概率LTL

业务流程的功能性约束是对活动之间执行顺序的约束，可以根据表4用LTL公式来表达。把LTL公式中的“A”、“B”替换成MDP的状态，并且给LTL公式加上P运算符，就形成了概率LTL公式。例如，图2所示的两个功能性约束可以分别描述为以下两个概率LTL公式：

Pmax＝？[G(s＝1∧货物类型＝生鲜→F s＝6)]

业务流程的非功能性约束是对KPI的约束，要求业务流程结束时KPI的取值在规定的范围之内。对MDP来说，就是到达结束状态时KPI要满足约束。例如，在线商店业务流程的两个非功能性约束可以分别描述为以下两个概率LTL公式：

Pmax＝？[G(s＝9→客户满意度≥8)]

Pmax＝？[G(s＝9→成本指数≤12)]。

(3)基于PRISM的可控性验证

PRISM是一个概率模型检测器，支持MDP的可控性验证和控制器合成。PRISM支持定量分析某个目标约束的可控性，还支持分析多个目标约束之间的权衡，得到帕累托曲线

(3.1)模型文件的编码

模型文件由变量和变量的变化组成。MDP的状态是隐含的，取决于所有变量的取值。因此，我们不需要像图5、图6那样自己编码出所有的状态，而是只需要编码出每个变量的变化。在验证时，PRISM会自动生成MDP的状态空间。PRISM支持进程代数运算符，如果有多个子MDP，那么可以用并行组合运算符将多个子MDP组合在一起。在模型文件中还可以定义KPI的计算公式。

例如，在线商店业务流程MDP的模型文件片段见附录2，上部是变量的定义，中部是变量的变化，下部是KPI的计算公式。由于活动“拣货”要修改两个变量，为了方便编码，将它拆成两个s值，即1和2。同样地，活动“发货”拆成3和4。

(3.2)性质文件的编码

性质文件支持各种概率时态逻辑来表达目标约束，包括概率LTL。性质文件还支持多个目标约束的组合，这样可以分析冲突目标之间的权衡，得到帕累托曲线。例如，在线商店业务流程的约束对应的性质文件见附录2，上部是验证业务流程在两个功能性约束下的可控性，下部是分析两个非功能性约束之间的权衡。

(3.3)验证结果

将模型文件和性质文件输入PRISM，就可以得到验证结果。对于单个目标约束，可以得到可控性。对于多个目标约束的组合，可以得到帕累托曲线，曲线上的每个点都是权衡点，要提高一个约束的可控性就必须降低另一个约束的可控性。例如，对在线商店业务流程的验证结果是，业务流程在两个功能性约束下的可控性为1，即具有完全可控性，两个非功能性约束之间的帕累托曲线如图7所示。该帕累托曲线表明，客户满意度的可控性最高为0.89，此时成本指数的可控性为0.78；成本指数的可控性最高为1，此时客户满意度的可控性为0.67。这两个KPI是冲突的，需要在帕累托曲线上选择一个权衡点。

(3.4)最优策略的构造

验证单个目标约束的可控性之后，PRISM可以直接生成最优策略。分析冲突目标之间的权衡之后，需要选择一个权衡点，再让PRISM生成最优策略。最优策略指明了在各种情况下应该如何给可控变量赋值。如果某个约束具有完全可控性，那么最优策略能够让业务流程一定满足该约束。如果某个约束具有部分可控性，那么最优策略能够让业务流程尽可能满足该约束。最优策略也是一个MDP，它是对业务流程MDP的限制，其中每个可控赋值都只保留一个值作为决策。

本发明针对业务流程的BPMN国际标准，利用马尔可夫决策过程描述业务流程的行为，运用PRISM模型检测器进行可控性验证，具备在敏捷应对长尾型变化的同时，统一检验是否存在保障业务流程功能性与非功能性约束的执行策略，构造最优执行策略的能力。

本发明的技术特点和优势主要在于：

(1)在之前可控的反应式应变技术

(2)提出一种自动构造使得业务流程满足约束的最优执行策略的方法，化解了业务流程灵活性与合规性之间的矛盾；

(3)提出一种定性的可控性验证方法，在业务流程不完全可控时也能自动构造尽力而为的执行策略，实现了优雅的降级。

附图说明

图1为在线商店的业务流程。

图2为在线商店业务流程的功能性约束。

图3为在线商店业务流程对应的MDP。

图4为含有并行网关的流程片段及其对应的MDP片段。

图5为活动“发货”对应的MDP片段。

图6为活动“拣货”对应的MDP片段。

图7为客户满意度与成本指数之间的帕累托曲线。

图8为不同送货耗时下的帕累托曲线。

图9为能够选择送货目的地的业务流程。

图10为LNG运输船的应急预案业务流程。

图11为LNG运输船应急响应的过程。

图12为LNG运输船应急响应的功能性约束。

图13为LNG运输船应急预案业务流程对应的MDP。

图14为活动“观察情况”对应的MDP片段。

图15为本发明敏捷应对变化的业务流程可控性验证方法框图。

具体实施方式

下面通过具体实施案例结合附图进一步介绍本发明。

实施例1，在线商店的业务流程可控性验证

在线商店在多座城市运营。特别新冠疫情发生后，防控措施不断更新，并且每座城市的情况各不相同，这给在线商店的业务流程带来了一系列长尾型变化。在线商店必须及时应对这些变化，快速地为多地修改业务流程。另一方面，为了实现业务目标，在线商店给业务流程制定了一些业务规范。让业务流程在变化中始终符合业务规范是一个挑战，业务流程的灵活性与合规性之间存在着矛盾。在线商店需要一种自动验证修改后的业务流程是否具有可控性的工具。

在线商店需要快速地为多座城市修改业务流程，难以确保修改后的业务流程符合业务规范。本发明的方法能够帮助在线商店自动验证业务流程的可控性并且构造最优执行策略，确保业务流程符合业务规范。

例如，为了给货物消毒，在线商店添加消毒活动，造成送货耗时延长；为了应对交通管制，在线商店决定根据管制情况修改送货耗时的范围，这都会影响客户满意度的可控性。因为客户满意度和成本之间是存在冲突的，所以修改送货耗时的范围会影响客户满意度和成本指数之间的帕累托曲线。不同送货耗时下的帕累托曲线如图8所示。送货耗时的范围越大，帕累托曲线越靠近原点，说明总体的可控性越差。当送货耗时在60分钟之内时，客户满意度的最高可控性达到1；当送货耗时的范围延长到180分钟时，客户满意度的最高可控性下降到0.63。在线商店得到帕累托曲线后，可以在曲线上选择权衡点，让系统构造最优策略，在成本允许的范围内尽可能提高发货优先级和优惠金额，以维持客户满意度。

例如，为了应对风险地区划定和社区封控，在线商店决定修改业务流程，添加查询风险等级、选择不同送货目的地的活动，如图9所示。对业务流程的修改可能会影响现有的约束，还可能会带来新的约束。选择不同送货目的地会影响客户满意度，送货上门、送到社区门口、取消订单贡献的客户满意度依次降低。一个新的非功能性约束是风险不能太高；“查询风险”会根据查询结果贡献风险指数；选择不同送货目的地也会影响风险指数，送货上门的风险最高，送到社区门口其次，取消订单最低。一个新的功能性约束是冷链送货最好送货上门。在线商店可以使用本发明的方法统一建模、验证功能性与非功能性约束，并且构造最优策略。最优策略能够综合考虑客户满意度、风险等因素，选择最佳送货目的地，让业务流程尽可能满足各种约束。

不同约束对可控性的要求不同。有些约束是必须完全可控的，例如生鲜货物必须采用冷链送货，否则货物会损坏，无法实现业务目标。有些约束是允许部分可控的，例如在困难情况下可以适当降低客户满意度的可控性。本发明的方法可以帮助在线商店定量地分析可控性，还可以分析多个约束之间的权衡。

在验证可控性之后，本发明的方法可以帮助在线商店自动构造最优执行策略，让业务流程尽可能满足约束。自动构造执行策略可以让业务人员更多地关注变化，而无需考虑执行策略问题，这提高了业务流程的灵活性。构造出来的执行策略可以让业务流程尽可能满足约束，这保证了业务流程的合规性。可见，本发明的方法能够化解业务流程的灵活性与合规性之间的矛盾，敏捷地应对变化。

实施例2，LNG运输的业务流程可控性验证

本发明的应用范围广泛，不仅能够应用于在线商店场景，还能应用于其它场景，例如应急响应场景。例如，某液化天然气(Liquefied Natural Gas，LNG)运输公司在海上经营LNG运输船。LNG是一种危险化学品，如果LNG运输船发生事故，造成LNG泄漏，那将是一场灾难。因此，LNG运输船必须制定应急预案，应急预案通常建模为业务流程。LNG运输船的简化版应急预案业务流程如图9所示，包括堵漏、灭火、弃货等多项应急措施，其中每个活动都可以分解为更加复杂的一组活动。糟糕的是，LNG的应急响应取决于多种因素，包括泄漏位置、泄漏量、附近船舶、天气等。应急预案无法覆盖所有可能的情况。当一个特定的事故发生时，必须及时调整应急预案业务流程来应对特殊情况；在业务流程执行过程中还可能会发生新的意外情况，造成实例级别的业务流程变化。另一方面，LNG的应急响应是安全攸关的，各个管理部门给业务流程制定了一系列业务规范，例如功能性约束有堵漏之前要通风，弃货之前要偏离航线等；非功能性约束有安全性要达到一定标准，资源消耗不能超过一定标准等。在快速调整业务流程的场景下，确保业务流程符合业务规范是一个挑战。本发明可以帮助LNG运输船统一地建模、验证功能性与非功能性约束的可控性，让LNG的应急响应符合业务规范。

LNG运输船应急预案业务流程模型的控制流如图10所示；数据流的变量定义如表5所示，其中安全等级的枚举值C到AAA分别映射为整数1到9，对应的安全性依次升高；活动对变量的修改如表6所示，对同一个变量的多次修改的效果是累加求和。

表5LNG运输船应急预案业务流程中的变量

表6LNG运输船应急预案业务流程中活动对变量的修改

LNG的应急响应是一个动态的过程，随着业务流程的执行，运输船(前端人员)逐渐调整活动序列来应对情况变化，管理部门(后端人员)逐渐添加新的功能性与非功能性约束来确保应急响应符合业务规范。

假设一艘LNG运输船正在海上航行，它的一个阀门突然破裂，LNG发生泄漏，但是没有着火。应急预案业务流程开始运行。为了适应当前情况，运输船决定执行通风、堵漏活动，如图11(a)所示。为了确保合规性，管理部门添加功能性约束“堵漏之前要通风，以降低气体浓度”，如图12(a)所示；管理部门添加非功能性约束“资源消耗要在20到50之间”，“安全等级要大于等于CCC”。

在堵漏过程中，LNG突然着火。为了应对新出现的意外情况，运输船决定关闭舱门和通风口以控制着火范围，并开展灭火，如图11(b)所示。为了确保合规性，管理部门添加功能性约束“灭火之前要关闭舱门和通风口，以切断氧气，控制着火范围”，如图12(b)所示。

过了一段时间，火灾变得不可控。运输船决定改变航线，并弃货以消除危险，如图11(c)所示。管理部门添加功能性约束“弃货时要改变航线”，如图12(c)所示；因为改变航线需要额外资源，所以更新非功能性约束“资源消耗要在20到60之间”。

在应急响应过程中，为了统一验证功能性与非功能性约束的可控性，本发明用MDP描述业务流程的行为，图10所示的业务流程对应的MDP如图13所示，因为业务流程包含并行网关，所以MDP包含三个子MDP，它们只在“网关1”和“网关2”处同步执行，在其它地方异步执行。活动“观察情况”对应的MDP片段如图14所示，该活动可控地修改变量“资源消耗”，不可控地修改变量“安全等级”，其它活动的MDP类似。本发明用概率时态逻辑公式来描述业务规范，图14所示的功能性约束对应的概率时态逻辑公式为：

Pmax＝？[F u＝14→F t＝6]

两个非功能性约束对应的概率时态逻辑公式为：

Pmax＝？[G(s＝2→20≤资源消耗≤50)]

Pmax＝？[G(s＝2→安全等级≥1)]

本发明运用PRISM模型检测器来验证MDP的可控性，从而验证业务流程的可控性。图13所示MDP对应的PRISM模型文件片段见附录3，模型文件中包含三个模块(module)，分别是三个子MDP，它们的并行组合构成系统(system)。PRISM性质文件见附录4，性质文件包含三个功能性约束和两个非功能性约束。

验证结果表明，运输船每次修改后的业务流程都在功能性与非功能性约束下具有完全可控性。

总之，本发明能够在各种敏捷应对业务流程长尾型变化的场景下统一建模、验证功能性与非功能性约束的可控性。

附录1：

s:[0..11]init 0；

item_type:[0..1]；

item_quality:[0..5]；

issue_priority:[0..5]；

delivery_method:[0..1]；

[]s＝0->1/2:(s'＝1)&(item_type'＝0)+1/2:(s'＝1)&(item_type'＝1)；

[]s＝1->1/3:(s'＝2)&(item_quality'＝2)+1/3:(s'＝2)&(item_quality'＝4)+1/3:(s'＝2)&(item_quality'＝5)；

[]s＝2->(s'＝3)&(issue_priority'＝2)；

[]s＝2->(s'＝3)&(issue_priority'＝4)；

[]s＝2->(s'＝3)&(issue_priority'＝5)；

[]s＝3->(s'＝4)&(delivery_method'＝0)；

[]s＝3->(s'＝4)&(delivery_method'＝1)；

[]s＝4&delivery_method＝0->(s'＝5)；

[]s＝4&delivery_method＝1->(s'＝7)；

formula customer_satisfaction＝item_quality+issue_priority-delivery_time/20+amount_discount/10；

formula cost_indicator＝item_quality+issue_priority+amount_discount/10；

附录2：

附录3：

附录4：

参考文献

[1]Weske M.Business process management:concepts,languages,architectures[M].Springer Berlin Heidelberg,2019.

[2]Reichert M,Weber B.Enabling flexibility in process-awareinformation systems:challenges,methods,technologies[M].Heidelberg:Springer,2012.

[3]Song W,Jacobsen H A.Static and dynamic process change[J].IEEETransactionson Services Computing,2016,11(1):215-231.

[4]Courtney H,Kirkland J,Viguerie P.Strategy under uncertainty[J].Harvardbusiness review,1997,75(6):67-79.

[5]Rosa M L,van der Aalst W M P,Dumas M,et al.Business processvariability modeling:A survey[J].ACM Computing Surveys(CSUR),2017,50(1):1-45.

[6]Lerner B S,Christov S,Osterweil L J,et al.Exception handlingpatterns forprocess modeling[J].IEEE Transactions on Software Engineering,2010,36(2):162-183.

[7]Zhu J,Peng J,Zhang L,et al.Improving Business Process Resilienceto Long-tailedBusiness Events via Low-code[C]//2022 IEEE InternationalConference on WebServices(ICWS).IEEE,2022:343-348.

[8]Ye L,Zhu B,Hu C,et al.On-the-fly collaboration for legacy businessprocesssystems in an open service environment[C]//2019 IEEE InternationalConferenceon Web Services(ICWS).IEEE,2019:393-397.

[9]Chen X,Cao H,Ye L,et al.Fulfilling functional demands of bpm inlong-tailedchange environments[C]//2020 International Conference on ServiceScience(ICSS).IEEE,2020:129-135.

[10]Imgrund F,Fischer M,Janiesch C,et al.Conceptualizing a frameworkto managethe short head and long tail of business processes[C]//BusinessProcessManagement:16th International Conference,BPM 2018.SpringerInternationalPublishing,2018:392-408.

[11]Awad A,Decker G,Weske M.Efficient compliance checking using BPMN-Q andtemporal logic[C]//Business Process Management:6th InternationalConference,BPM 2008.Springer Berlin Heidelberg,2008:326-341.

[12]Zhu J.On Balancing Flexibility and Compliance of BusinessProcesses:Functional Constraints Modeling and Verification[C]//InternationalConferenceon Service-Oriented Computing.Cham:Springer Nature Switzerland,2022:327-333.

[13]Pavlovski C J,Zou J.Non-Functional Requirements in BusinessProcessModeling[C]//APCCM.2008,8:103-112.

[14]Peng J,Zhu J,Zhang L.Generalizing STNU to model non-functionalconstraintsfor business processes[C]//2022 International Conference onService Science(ICSS).IEEE,2022:104-111.

[15]Cairo M,Rizzi R.Dynamic controllability of simple temporalnetworks withuncertainty:Simple rules and fast real-time execution[J].Theoretical ComputerScience,2019,797:2-16.

[16]Dehnert J,Zimmermann A.On the suitability of correctness criteriaforbusiness process models[C]//Business Process Management:3rdInternationalConference,BPM 2005.Springer Berlin Heidelberg,2005:386-391.

[17]Eder J,Franceschetti M,

[18]Eder J,Franceschetti M,Lubas J.Time and Processes:TowardsEngineeringTemporal Requirements[C]//ICSOFT.2021:9-16.

[19]Dadam P,Reichert M.The ADEPT project:a decade of research anddevelopmentfor robust and flexible process support:Challenges andAchievements[J].ComputerScience-Research and Development,2009,23:81-97.

[20]Cao H,Chen X,Zhang L,et al.Guaranteeing sound reactions to long-tailedchanges:A syntax-directed annotation approach[C]//2020InternationalConference on Service Science(ICSS).IEEE,2020:162-169.

[21]Cao H,Chen X,Zhang L,et al.A sound response to long-tailedchanges inbusiness process management[J].Service Oriented Computing andApplications,2022,16(4):279-291.

[22]Cassandras C G,Lafortune S.Introduction to Discrete Event Systems[M].Springer Nature,2021.

[23]Puterman M L.Markov decision processes:discrete stochasticdynamicprogramming[M].John Wiley&Sons,2014.

[24]Baier C,

[25]Kwiatkowska M,Norman G,Parker D.PRISM 4.0:Verification ofprobabilisticreal-time systems[C]//Computer Aided Verification:23rdInternationalConference,CAV 2011.Springer Berlin Heidelberg,2011:585-591.

[26]Santos E A P,Francisco R,Vieira A D,et al.Modeling business rulesforsupervisory control of process-aware information systems[C]//BusinessProcessManagement Workshops:BPM 2011 International Workshops.SpringerBerlinHeidelberg,2012:447-458.

[27]张红霞,邹华,林荣恒,杨放春.基于马尔科夫决策过程的可适变业务流程建模及分析[J].电子与信息学报,2013,35(07):1760-1765。

[28]Venero S K,Schmerl B,Montecchi L,et al.Automated planning forsupportingknowledge-intensive processes[C]//Enterprise,Business-Process andInformationSystems Modeling,BPMDS2020,EMMSAD 2020.Cham:SpringerInternationalPublishing,2020:101-116.

[29]Pesic M,van der Aalst W M P.A declarative approach for flexiblebusinessprocesses management[C]//Business Process Management Workshops:BPM2006International Workshops.Springer Berlin Heidelberg,2006:169-180.

[30]Huth M,Ryan M.Logic in Computer Science:Modelling and reasoningaboutsystems[M].Cambridge university press,2004.

[31]SvoreňováM,Kwiatkowska M.Quantitative verification and strategysynthesisfor stochastic games[J].European Journal of Control,2016,30:15-30.

[32]Forejt V,Kwiatkowska M,Parker D.Pareto curves for probabilisticmodelchecking[C]//Automated Technology for Verification and Analysis:10thInternational Symposium,ATVA 2012.Springer Berlin Heidelberg,2012:317-332.

[33]复旦大学.基于语法制导编辑器生成器的跨界服务长尾变化应变方法:CN202110375310.1[P].2021-07-16.

[34]上海新炬网络信息技术有限公司.基于业务的系统变更风险控制方法:CN201410668042.2[P].2015-02-25.

[35]同济大学.业务流程设计缺陷的检测方法、可读存储介质及终端:CN202010032900.X[P].2020-06-09.

[36]华南理工大学.一种基于考虑约束的并行广度优先搜索的架构测试方法:CN202111679873.6[P].2022-04-19。