CN104966136A - 一种流程执行动态预测方法 - Google Patents

一种流程执行动态预测方法 Download PDF

Info

Publication number
CN104966136A
CN104966136A CN201510352776.4A CN201510352776A CN104966136A CN 104966136 A CN104966136 A CN 104966136A CN 201510352776 A CN201510352776 A CN 201510352776A CN 104966136 A CN104966136 A CN 104966136A
Authority
CN
China
Prior art keywords
flow
prediction
flow process
information
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510352776.4A
Other languages
English (en)
Inventor
姜晓丹
林明
吕翊
戴宇升
李学恩
韩国权
黄海峰
李庆
袁双
王双
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SMARTDOT TECHNOLOGIES Co Ltd
Original Assignee
SMARTDOT TECHNOLOGIES Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SMARTDOT TECHNOLOGIES Co Ltd filed Critical SMARTDOT TECHNOLOGIES Co Ltd
Priority to CN201510352776.4A priority Critical patent/CN104966136A/zh
Publication of CN104966136A publication Critical patent/CN104966136A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种流程执行动态预测方法,属于计算机技术领域。本发明在客户端用户UI界面上,提供了一个流程流转的下一步详细预测信息,完整显示了流程运行到下一步的所走的详细路径以及匹配的规则,同时也显示了下一步用户的详细信息,还可以展开用户间的即时沟通。当用户在业务表单上进行了填写和修改操作,表单上的与流程相关的业务数据会预先提交给后台流程引擎,流程引擎根据用户提交的数据进行预测执行,并及时返回流程的下一步运转所停在的环节的详细信息返回给用户UI端显示。本发明极大地改变了目前工作流或业务流程执行操作中的用户体验,能够将未来流程的信息,通过动态预测即时的展现给操作用户,方便了流程内的人员的沟通协作。

Description

一种流程执行动态预测方法
技术领域
本发明属于计算机技术领域,具体涉及一种基于UEFI固件,在开机过程中,对计算机设备操作系统内的文件,特别是可执行程序的文件进行保护的方法。
背景技术
常规的工作流设计和实现中,对于某个流程环节的操作人员,他只能得到流程图的静态信息,并且需要等到他提交了当前工作任务,系统才会给他反馈其提交后流程接着流转到哪个环节和相应的执行人的信息。这种反馈信息,具有较大的滞后性。使得当前的流程系统的操作中,当前环节的执行人无法充分了解流程的动态执行信息,特别是未来环节的预测信息,这就会使得当前环节的执行人难于知晓后面流程对当前环节的要求,难于知晓当前环节的处理会引发流程根据什么规则流转到哪,会增加误操作的可能,并且无法方便的实现线上和后继环节处理人的沟通。
当前常规技术实现中,受到这样的约束:1.每个节点的具体执行人员计算以及流向计算,往往和具体流程实例中提交的业务数据和实际执行人员紧密相关,因此往往需要工作流的当前环节人员向系统提交了当前待办任务后,系统才能够根据用户提交的具体信息计算出流程下一环节的具体相关信息并在用户提交操作的反馈结果中通知用户,例如“任务已提交给张三进行处长审批处理”。2.用户的提交操作将驱动流程引擎改变实际流程状态,这会使得当前环节的流程提交只能是最终待办执行完后用户的确认提交,并且不可重复多次。
发明内容
本发明的目的是为了克服已有技术的缺陷,提出一种流程执行动态预测方法,本发明采用动态预测的方法,能够利用业务表单的业务数据,来可重复多次的预测当前流程环节的未来后继流转和执行人信息的预测计算技术。
一种流程执行动态预测方法,该方法使用的装置由应用程序端和服务器端的具有预测能力的流程引擎组成;在应用程序端,与本发明相关的模块包括应用端预测信息展现模块、应用端预测结果分析模块和流程与业务状态提交模块;在应用的后台服务端,与本发明相关的模块包括流程预测演算模块和流程预测结果格式化输出模块;应用端预测信息展现模块用于将应用端预测结果分析模块所解析的预测结果内容描绘在用户界面上;在应用端的流程与业务状态提交模块主要负责将应用端表单界面上的与流程相关的数据以及当前流程环节的操作状态将其按接口协议组装成数据包,发给服务器后端的流程执行预测接口,并调用流程预测演算模块进行动态流程预测,预测的结果由流程预测结果格式化输出模块按接口协议组装成数据包反馈给应用端,应用端的预测结果分析模块反序列化该数据包,将解析好的流程预测数据反馈给应用端预测信息展示模块在用户界面上展示出来;
其实现步骤如下:
第一步:用户在客户端打开某个流程环节的待办操作界面,在该操作界面上提供一块区域显示下一流程环节的信息内容;在展示的信息中,除了包含下一步所停留节点和相关执行人信息,还将预测流转路径信息完整的显示出来,使得当前环节的用户能够完整的知道后继的执行信息;
第二步:在操作界面加载初始化时,采用非异步或异步的方式,由应用表单向后台的流程引擎调用动态流程预测的接口,其中传递的信息和正常流程待办的提交操作所提供的信息基本一致,包括但不限于流程变量,当前执行人和当前环节ID;在表单界面初次展示时,向流程引擎传递的流程变量信息来自于业务表单当前的初始显示时所包含的与流程变量关联的值的相关信息;因此在初次展示时,下一流程环节信息显示区中,展现的是根据当前待办用户以及业务表单在打开时的初始信息计算的流程的预测执行内容;
第三步:流程引擎收到流程预测执行的接口调用时,由于其执行行为和正常待办的提交操作执行是基本上一致的,都是根据客户端提交的相关数据,驱动流程引擎的流转计算,该流程实例将最终停留在下一个用户活动节点上,标志着本次流程计算完成;区别在于,流程预测的执行不会实际为下一个环节生成待办,不会实际更新存储数据库中该流程实例的所有状态;预测执行完成返回反馈结果时,数据库中相应的流程实例的所有状态仍然保持着该环节用户在实际待办提交操作前的状态;
第四步:在该实际环节的待办提交前,预测操作可以多次调用,因此可以根据用户对表单数据的修改实时预测这些修改对流程流转的影响,并直观的反应在用户界面上;
第五步:完成一次预测执行过程。
有益效果:
本发明采用的该动态预测流程执行的方法,极大地改变了目前工作流或业务流程执行操作中的用户体验,能够将未来流程的信息,通过动态预测,即时的展现给操作用户,用户可以据此信息,更深入的获得流程的管理信息和要求,并能够通过预测的结果中的执行人员信息,现场发起人员信息沟通,极大地方便了流程内的人员的沟通协作。
附图说明
图1为本发明实施例的流程执行动态预测未来执行信息的装置框图。
图2为本发明的执行流程图。
图3为流程模型示意图。
图4和5为共用一个相同的流程引擎和流程实例库的示意图。
图6和7为将流程的具体普通执行和流程的预测执行分开成两个不同的流程引擎的示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
如附图1所示,本发明的流程执行动态预测装置由应用程序端和服务器端的具有预测能力的流程引擎组成;在应用程序端(通常是客户端浏览器上的前端应用,但也不仅限于浏览器),与本发明相关的模块包括应用端预测信息展现模块、应用端预测结果分析模块和流程与业务状态提交模块;在应用的后台服务端,与本发明相关的模块包括流程预测演算模块和流程预测结果格式化输出模块;应用端预测信息展现模块用于将应用端预测结果分析模块所解析的预测结果内容描绘在用户界面上;在应用端的流程与业务状态提交模块主要负责将应用端表单界面上的与流程相关的数据(流程变量)以及当前流程环节的操作状态(例如多分支情况下,用户选择的分支信息),将其按接口协议组装成数据包(可以用JSON或XML),发给服务器后端的流程执行预测接口,并调用流程预测演算模块进行动态流程预测,预测的结果由流程预测结果格式化输出模块按接口协议组装成数据包(可以用JSON或XML)反馈给应用端,应用端的预测结果分析模块反序列化该数据包,将解析好的流程预测数据反馈给应用端预测信息展示模块在用户界面上展示出来。
如附图2所示,本发明的流程执行动态预测方法实现步骤如下:
第一步:用户在客户端打开某个流程环节的待办操作界面,在该操作界面上提供一块区域显示下一流程环节的信息内容;在展示的信息中,除了包含下一步所停留节点和相关执行人信息,还将预测流转路径信息完整的显示出来,使得当前环节的用户能够完整的知道后继的执行信息;
第二步:在操作界面加载初始化时,采用非异步或异步的方式,由应用表单向后台的流程引擎调用动态流程预测的接口,其中传递的信息和正常流程待办的提交操作所提供的信息基本一致,包括但不限于流程变量,当前执行人和当前环节ID;在表单界面初次展示时,向流程引擎传递的流程变量信息来自于业务表单当前的初始显示时所包含的与流程变量关联的值的相关信息;因此在初次展示时,下一流程环节信息显示区中,展现的是根据当前待办用户以及业务表单在打开时的初始信息计算的流程的预测执行内容;
第三步:流程引擎收到流程预测执行的接口调用时,由于其执行行为和正常待办的提交操作执行是基本上一致的,都是根据客户端提交的相关数据,驱动流程引擎的流转计算,该流程实例将最终停留在下一个用户活动节点上,标志着本次流程计算完成;区别在于,流程预测的执行不会实际为下一个环节生成待办,不会实际更新存储数据库中该流程实例的所有状态;预测执行完成返回反馈结果时,数据库中相应的流程实例的所有状态仍然保持着该环节用户在实际待办提交操作前的状态;
第四步:在该实际环节的待办提交前,预测操作可以多次调用,因此可以根据用户对表单数据的修改实时预测这些修改对流程流转的影响,并直观的反应在用户界面上;
第五步:完成一次预测执行过程。
流程动态执行预测信息的表现形式一般(但不限于)以流程的动态执行路径进行顺序展示。在流程的执行路径的表示上,以实际执行的流程的节点名称和流向线名称序列来表达。以图3所表示的流程模型为例,在当前环节显示的下一步流程预测信息中,流程的执行路径表达为{结果流向1,条件判断节点,满足条件1流向,审批处理1},并具体给出了此时预测计算出的审批处理1节点的处理人的名称信息。
流程预测演算模块实现冪等性的具体实现方案;由于流程预测演算具有冪等性,也就是用相同的参数提交流程预测接口,任意多次执行所产生的结果和影响均与一次执行的结果和影响相同。而流程引擎普通执行,在执行和演算过程中,会不断更新流程的状态,并持久化流程的状态,同时还会动态生成如待办任务项等其他结果。这就使得,采用普通流程引擎来进行预测执行,不具有冪等性。为了实现冪等性,本发明提出了如下两种实现方案。
第一种方案如附图4和5所示,将流程的具体普通执行和流程的预测执行共用一个相同的流程引擎和流程实例库,流程预测执行与流程的普通执行共享相同的算法过程。唯一不同的是,流程预测执行过程中,所更新的流程状态和生成的如待办项等影响结果都是针对内存对象的,并在流程动态预测演算执行完后,不持久化这些对象到数据库存储,而是直接丢弃这些对象。
第二种方案如附图6和7所示,将流程的具体普通执行和流程的预测执行分开成两个不同的流程引擎;同时,流程预测执行引擎有一个自己专属的专门预测计算用的流程实例库,当有预测执行请求时,流程预测执行引擎将根据流程实例iD,把当前流程实例的相关状态信息复制到预测计算用的流程实例库,随后,调用流程预测执行引擎进行演算。该方案中预测演算执行过程中和结果形成后,会在预测计算用的流程实例库中更新相关的状态信息。但在最终结果完成后,在获得流程下一步执行的详细预测结果后,预测引擎将数据库中的该条预测用流程实例及其相关信息全部删除。第二种方案,相对与第一种方案,要有不少性能损失,但它适用于那些没有将状态变更独立成内存对象表达的流程引擎实现(没有将状态变更独立成内存对象,也就无法通过简单丢弃内存对象来实现)。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (2)

1.一种流程执行动态预测方法,其特征在于,该方法使用的装置由应用程序端和服务器端的具有预测能力的流程引擎组成;在应用程序端,与本发明相关的模块包括应用端预测信息展现模块、应用端预测结果分析模块和流程与业务状态提交模块;在应用的后台服务端,与本发明相关的模块包括流程预测演算模块和流程预测结果格式化输出模块;应用端预测信息展现模块用于将应用端预测结果分析模块所解析的预测结果内容描绘在用户界面上;在应用端的流程与业务状态提交模块主要负责将应用端表单界面上的与流程相关的数据以及当前流程环节的操作状态将其按接口协议组装成数据包,发给服务器后端的流程执行预测接口,并调用流程预测演算模块进行动态流程预测,预测的结果由流程预测结果格式化输出模块按接口协议组装成数据包反馈给应用端,应用端的预测结果分析模块反序列化该数据包,将解析好的流程预测数据反馈给应用端预测信息展示模块在用户界面上展示出来;
其实现步骤如下:
第一步:用户在客户端打开某个流程环节的待办操作界面,在该操作界面上提供一块区域显示下一流程环节的信息内容;在展示的信息中,除了包含下一步所停留节点和相关执行人信息,还将预测流转路径信息完整的显示出来,使得当前环节的用户能够完整的知道后继的执行信息;
第二步:在操作界面加载初始化时,采用非异步或异步的方式,由应用表单向后台的流程引擎调用动态流程预测的接口,其中传递的信息和正常流程待办的提交操作所提供的信息基本一致,包括但不限于流程变量,当前执行人和当前环节ID;在表单界面初次展示时,向流程引擎传递的流程变量信息来自于业务表单当前的初始显示时所包含的与流程变量关联的值的相关信息;因此在初次展示时,下一流程环节信息显示区中,展现的是根据当前待办用户以及业务表单在打开时的初始信息计算的流程的预测执行内容;
第三步:流程引擎收到流程预测执行的接口调用时,由于其执行行为和正常待办的提交操作执行是基本上一致的,都是根据客户端提交的相关数据,驱动流程引擎的流转计算,该流程实例将最终停留在下一个用户活动节点上,标志着本次流程计算完成;区别在于,流程预测的执行不会实际为下一个环节生成待办,不会实际更新存储数据库中该流程实例的所有状态;预测执行完成返回反馈结果时,数据库中相应的流程实例的所有状态仍然保持着该环节用户在实际待办提交操作前的状态;
第四步:在该实际环节的待办提交前,预测操作可以多次调用,因此可以根据用户对表单数据的修改实时预测这些修改对流程流转的影响,并直观的反应在用户界面上;
第五步:完成一次预测执行过程。
2.如权利要求1所述的流程执行动态预测方法,其特征在于,所述流程预测演算模块实现冪等性有两种方式,第一是将流程的具体普通执行和流程的预测执行共用一个相同的流程引擎和流程实例库,流程预测执行与流程的普通执行共享相同的算法过程;第二是将流程的具体普通执行和流程的预测执行分开成两个不同的流程引擎;同时,流程预测执行引擎有一个自己专属的专门预测计算用的流程实例库,当有预测执行请求时,流程预测执行引擎将根据流程实例iD,把当前流程实例的相关状态信息复制到预测计算用的流程实例库,随后,调用流程预测执行引擎进行演算。
CN201510352776.4A 2015-06-25 2015-06-25 一种流程执行动态预测方法 Pending CN104966136A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510352776.4A CN104966136A (zh) 2015-06-25 2015-06-25 一种流程执行动态预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510352776.4A CN104966136A (zh) 2015-06-25 2015-06-25 一种流程执行动态预测方法

Publications (1)

Publication Number Publication Date
CN104966136A true CN104966136A (zh) 2015-10-07

Family

ID=54220170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510352776.4A Pending CN104966136A (zh) 2015-06-25 2015-06-25 一种流程执行动态预测方法

Country Status (1)

Country Link
CN (1) CN104966136A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107851057A (zh) * 2015-06-19 2018-03-27 阿普泰克科技公司 预测模型的动态执行
CN108154252A (zh) * 2016-12-02 2018-06-12 百度在线网络技术(北京)有限公司 用于预估流程完成时间的方法和装置
CN109241384A (zh) * 2018-07-26 2019-01-18 南方电网科学研究院有限责任公司 一种科研信息的可视化方法及装置
CN109508209A (zh) * 2018-10-11 2019-03-22 南京机器岛智能科技有限公司 一种基于统计数据的app加载流程优化方法
CN110765098A (zh) * 2019-09-02 2020-02-07 北京东软望海科技有限公司 流程运行预测系统及方法
CN111275388A (zh) * 2018-12-05 2020-06-12 北京京东尚科信息技术有限公司 一种任务流工作模板更新方法和装置
CN112749949A (zh) * 2021-01-13 2021-05-04 杭州天谷信息科技有限公司 基于easyRule规则引擎配置化预测flowable工作流审批路径的方法
CN114556288A (zh) * 2019-11-25 2022-05-27 甲骨文国际公司 工作流程中用户界面的分支预测

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101714231A (zh) * 2009-11-20 2010-05-26 广东金宇恒科技有限公司 一种不基于过程模型的自由工作流管理方法及系统
CN102566988A (zh) * 2010-12-14 2012-07-11 苏州工业园区谱芯科技有限公司 基于用户使用流程有向图的测试用例自动生成方法及测试方法
CN103425564A (zh) * 2013-08-22 2013-12-04 安徽融数信息科技有限责任公司 一种智能手机软件使用预测方法
CN103617486A (zh) * 2013-11-21 2014-03-05 中国电子科技集团公司第十五研究所 一种复杂业务流程动态图形化监控的方法与系统
CN103856542A (zh) * 2012-12-07 2014-06-11 上海斐讯数据通信技术有限公司 一种基于移动终端的自适应服务提供系统和方法
CN104134159A (zh) * 2014-08-04 2014-11-05 中国科学院软件研究所 一种基于随机模型预测信息最大化传播范围的方法
US9009093B1 (en) * 2012-10-04 2015-04-14 Amazon Technologies, Inc. Deal scheduling based on user location predictions

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101714231A (zh) * 2009-11-20 2010-05-26 广东金宇恒科技有限公司 一种不基于过程模型的自由工作流管理方法及系统
CN102566988A (zh) * 2010-12-14 2012-07-11 苏州工业园区谱芯科技有限公司 基于用户使用流程有向图的测试用例自动生成方法及测试方法
US9009093B1 (en) * 2012-10-04 2015-04-14 Amazon Technologies, Inc. Deal scheduling based on user location predictions
CN103856542A (zh) * 2012-12-07 2014-06-11 上海斐讯数据通信技术有限公司 一种基于移动终端的自适应服务提供系统和方法
CN103425564A (zh) * 2013-08-22 2013-12-04 安徽融数信息科技有限责任公司 一种智能手机软件使用预测方法
CN103617486A (zh) * 2013-11-21 2014-03-05 中国电子科技集团公司第十五研究所 一种复杂业务流程动态图形化监控的方法与系统
CN104134159A (zh) * 2014-08-04 2014-11-05 中国科学院软件研究所 一种基于随机模型预测信息最大化传播范围的方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107851057A (zh) * 2015-06-19 2018-03-27 阿普泰克科技公司 预测模型的动态执行
CN108154252A (zh) * 2016-12-02 2018-06-12 百度在线网络技术(北京)有限公司 用于预估流程完成时间的方法和装置
CN109241384A (zh) * 2018-07-26 2019-01-18 南方电网科学研究院有限责任公司 一种科研信息的可视化方法及装置
CN109508209A (zh) * 2018-10-11 2019-03-22 南京机器岛智能科技有限公司 一种基于统计数据的app加载流程优化方法
CN111275388A (zh) * 2018-12-05 2020-06-12 北京京东尚科信息技术有限公司 一种任务流工作模板更新方法和装置
CN110765098A (zh) * 2019-09-02 2020-02-07 北京东软望海科技有限公司 流程运行预测系统及方法
CN110765098B (zh) * 2019-09-02 2020-10-02 望海康信(北京)科技股份公司 流程运行预测系统及方法
CN114556288A (zh) * 2019-11-25 2022-05-27 甲骨文国际公司 工作流程中用户界面的分支预测
CN112749949A (zh) * 2021-01-13 2021-05-04 杭州天谷信息科技有限公司 基于easyRule规则引擎配置化预测flowable工作流审批路径的方法

Similar Documents

Publication Publication Date Title
CN104966136A (zh) 一种流程执行动态预测方法
TWI649662B (zh) 工程工具、系統以及模組
Ferreira et al. Product lifecycle management in knowledge intensive collaborative environments: An application to automotive industry
Gozhyj et al. Web resources management method based on intelligent technologies
US8560636B2 (en) Methods and systems for providing a virtual network process context for network participant processes in a networked business process
Shahzad et al. Data mining based job dispatching using hybrid simulation-optimization approach for shop scheduling problem
JP5875794B2 (ja) ネットワーク化されたビジネスプロセスにおけるネットワーク参加者に関するサービス品質を管理するための方法、およびそのような方法を実行するための命令を格納するマシン可読媒体
US8438272B2 (en) Methods and systems for managing quality of services for network participants in a networked business process
Canito et al. Contextual adaptative interfaces for industry 4.0
KR20170077204A (ko) 네트워크 성능 근본 원인 분석을 위한 방법 및 시스템
Lee et al. Enhancement of industrial monitoring systems by utilizing context awareness
CN111125518B (zh) 家电信息推荐的系统及方法
US10902011B1 (en) Systems and methods for context development
Repta et al. Towards the development of semantically enabled flexible process monitoring systems
US9240965B2 (en) Methods and systems for business interaction monitoring for networked business process
Lin et al. Performance evaluation for a footwear manufacturing system with multiple production lines and different station failure rates
WO2018079225A1 (ja) 自動予測システム、自動予測方法および自動予測プログラム
US9529572B1 (en) Composable application session parameters
Huo et al. A fuzzy control system for assembly line balancing with a three-state degradation process in the era of Industry 4.0
Freire et al. Chatbots in knowledge-intensive contexts: Comparing intent and llm-based systems
Grambow et al. Knowledge Provisioning-A Context-sensitive Process-oriented Approach Applied to Software Engineering Environments
Tuli et al. Explainable human activity recognition based on probabilistic spatial partitions for symbiotic workplaces
CN106055550A (zh) 用于网络中的自适应和上下文协作的方法和系统
Ngongoni et al. Event Structure Analysis as a Tool for Investigating Sustainability in Innovation Ecosystems
Wu et al. Diverse top-k service composition for consumer electronics with digital twin in mec

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
DD01 Delivery of document by public notice

Addressee: Lu Liheng

Document name: Notification of Passing Preliminary Examination of the Application for Invention

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20151007

WD01 Invention patent application deemed withdrawn after publication