CN111199381B - 一种基于流程引擎实现的智能工单审批方法 - Google Patents

Abstract

本发明公开了一种基于流程引擎实现的智能工单审批方法，具体包含以下三个步骤；抽象模型，系统合并；通过配置流程节点，规定在业务关键节点处需要指定人、角色进行相应决策或者执行相关操作，并对于流程全生命周期进行控制；灵活配置，动态接入：通过模板配置的形式指定某一类工单在发起时需要传输的字段及类型，并通过傻瓜式拖拽编辑的方式确定具体工单流程中的节点配置；智能化：在已经配置好的工单流程模板数据上进行分析学习，可获得该类型工单模板常见高频配置。其降低了工单流程配置的门槛，提升了流程配置的效率，且满足工单字段灵活可配置的要求；降低之前多系统维护的成本，满足以后几乎所有业务以工单为载体进行流程运转的需要。

Description

一种基于流程引擎实现的智能工单审批方法

技术领域

本发明涉及业务流程引擎应用领域，尤其涉及一种基于流程引擎实现的智能工单审批方法。

背景技术

当前为了处理工作中的正常审批流转以及待处理工作项，分别基于流程引擎以及规则引擎做了两套系统：审批中心以及任务中心。

其中，审批中心使用的流程引擎常被业界用于审批流程中，以解决复杂繁多的业务流程问题，同时也规避了如果采用if else代码实现将带来的逻辑不可维护风险；另因为业务流程在代码中可读性很差，所以流程引擎设计了业务流程模型标准图示BPMN,使用者只需要把业务场景设计为标准流程图，把流程图放入流程引擎中按流程节点定义约定逐步流转即可，此举很好地提升了流程本身的扩展性及业务可描述性。

类似地，任务中心使用的规则引擎由推理引擎发展而来，是一种嵌入在应用程序中的组件：它将业务决策从应用程序代码中剥离出来，使用预定义的语义模块编写业务决策；最终实现了“接受数据输入，解释业务规则，并根据规则做出业务决策”的应用目标。可以看作是另外一种规避常规代码实现带来不可维护风险的方案。

目前这两个系统可以一定程度上解决公司日常流程流转以及待办任务全生命周期管理的需求，但是在日常的使用运营中存在以下几个问题：

①功能重叠：流程引擎和规则引擎的功能有重叠类似部分，但是目前需要对两个系统分别进行维护，会有一定程度上的人力浪费；

②数据不通：因为审批流和任务数据目前分散在两个系统中，而且两者的配置不尽相同，做深度的【审批-任务】数据融合打通代价较高，具有一定程度的“数据孤岛”效应；与其他系统耦合严重，灵活性差：因为现有的审批、任务系统并没有记录更多业务相关的数据，一些业务相关详情展示严重依赖业务系统的接口；每次有新的流程、任务接入均需要对【业务系统】【审批、任务】两边系统代码分别做相应修改；

③运营成本较高，覆盖场景不全：虽然流程引擎支持标准图示BPMN，但是在图表的配置上要求一定的技术门槛，一般由研发人员配置，不能满足普通运营人员即可维护的需要；使用的门槛进一步提高了全场景覆盖的难度，所以目前两个系统在整体公司运营场景上的覆盖度比较低。

发明内容

本发明所要解决的技术问题是针对背景技术的不足提供一种基于流程引擎实现的智能工单审批方法，其降低了工单流程配置的门槛，提升了流程配置的效率，且满足工单字段灵活可配置的要求；降低之前多系统维护的成本，满足以后几乎所有业务以工单为载体进行流程运转的需要。

本发明为解决上述技术问题采用以下技术方案：

一种基于流程引擎实现的智能工单审批方法，具体包含以下三个步骤；

步骤1、流程引擎选型以及统一的业务逻辑层对接：通过配置流程节点，规定在业务关键节点处需要指定人、角色进行相应决策或者执行相关操作，并对于流程全生命周期进行控制；将审批流以及任务抽象后进行合并，统一为工单概念，底层统一使用流程引擎进行配置；

步骤2，支持灵活配置模板的系统设计：通过模板配置的形式指定某一类工单在发起时需要传输的字段及类型，并通过傻瓜式拖拽编辑的方式确定具体工单流程中的节点配置，同时让工单系统灵活记录所需展示的静态业务表单数据，当有新的业务场景对接时，通过配置工单模板定义所需的字段，由业务系统修改代码进行对接：

步骤3，基于统计概率的智能模板推荐：在已经配置好的工单流程模板数据上进行分析学习，可获得该类型工单模板常见高频配置：当配置人员选定该类型后由系统自动带出推荐的配置项目，而其中进行的人工调整数据又可作为进一步学习的数据源，进一步提升推荐模板的正确率，完善业务场景覆盖维度。

作为本发明一种基于流程引擎实现的智能工单审批方法的进一步优选方案，在步骤1中，流程引擎的选型以及业务层对接，具体如下：选择Activiti5作为底层的流程引擎，通过配置实际使用流程图场景以及分析其数据结构可以发现，对于工单系统业务逻辑层，对接其生成BPMN的相关接口；通过工单业务流程逻辑层对接底层Activiti5的方式，实现应用流程引擎控制整体流转的目标。

作为本发明一种基于流程引擎实现的智能工单审批方法的进一步优选方案，在步骤2中，支持灵活配置模板的系统设计，具体如下：

抽取出基础不可再分的元素，并和前端约定该元素的呈现方式，由系统对元素进行组合排序后产生控件实体，并将控件绑定到具体的工单模板中，最终持久化到数据库；当前端需要渲染页面时，通过查询接口获取模板页面控件排布并进行实时元素布局，

由前后端确认所有可能出现在页面上的最小元素，以及元素组合成的控件样式后，即可通过这样一种配置存储，由接口返回页面呈现的模板数据进行相关页面呈现，以及后续的值填充。

作为本发明一种基于流程引擎实现的智能工单审批方法的进一步优选方案，在步骤3中，基于统计概率的智能模板推荐，具体如下：

步骤3.1，数据建模，一个工单模板配置包括以下内容：

页面模板字段：控件-包含元素，控件前后关联关系，以及控件下可能出现的基础元素；

涉及流程节点：流程节点的前后关系以及每个流程相关角色、人员配置；

步骤3.2，根据运营人员实际配置数据进行概率计算；各类数值关联计算公式具体如下：

控件N和其他控件M的先后关联概率为

控件N和元素e的关联概率为

流程节点前后之间关联概率以及节点关联人员、角色配置计算公式为：

节点L1和其他节点L2的先后关联概率为

节点L1和角色r的关联概率为

步骤3.3，将每个控件，节点下的概率数据进行降序排序；

步骤3.4.提供关联推荐服务；设定推荐数量，在用户发起新工单模板配置时，提供四类查询服务，在用户设计新工单模板的时候提供每一步操作推荐关联对象，提升运营效率。

5、根据权利要求4所述的一种基于流程引擎实现的智能工单审批方法，其特征在于：在步骤3.4中，四类查询服务包含

最常关联该控件的其他控件；

最常关联该控件的相关元素；

最常关联该流程节点的其他节点；

最常关联该流程节点的角色、人员配置。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明降低了工单流程配置的门槛，提升了流程配置的效率，且满足工单字段灵活可配置的要求；另外还降低之前多系统维护的成本，满足以后几乎所有业务以工单为载体进行流程运转的需要；对比新系统上线前后,新增一个审批流并投入使用所需要的事项明细及人力消耗可以看到新系统所需要的人力及时间成本大大降低。

附图说明

图1是现有的工单审批系统1的示意图；

图2是现有的工单审批系统2的示意图；

图3是配置流程节点，规定在业务关键节点处需要指定人、角色进行相应决策或者执行相关操作示意图；

图4是修改前系统的运营使用的状态图；

图5是修改后系统的运营使用的状态图；

图6是单模板常见高频配置示意图；

图7是选择Activiti5作为底层的流程引擎示意图；

图8是修改后系统数据存储的概要实体关系；

图9是页面模板字段构建的统计数据；

图10是流程节点构建的统计数据；

图11是activiti数据库；

图12是activiti-exploer应用的打开登录页面；

图13是activiti数据库的简单流程图；

图14是配置工单模板页面字段示意图；

图15是配置流程节点数据示意图；

图16是业务系统接入示意图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

针对以上四类问题，本发明通过以下几个措施进行相应解决：

举措一、抽象模型，系统合并：虽然目前审批中心以及任务中心基于的底层实现不同，但是两者在业务层面所做的事情完全一致：通过配置流程节点，规定在业务关键节点处需要指定人、角色进行相应决策或者执行相关操作(见图3)，并对于流程全生命周期进行控制；在这里我们将审批流以及任务抽象后进行合并，统一为工单概念，底层统一使用流程引擎进行配置；简单来讲：审批流可以视为关键节点数多于一的工单，任务目前可以视为仅一个节点(完成)的工单，两者可以建立相互关联关系，合并成为更复杂的工单流程形式；统一成一个系统后，共用一套代码与数据库，之前系统的数据进行迁移后统一成为新工单数据，解决了背景技术中的①②问题；

举措二、灵活配置，动态接入：针对现有的审批、任务表单，抽取出公共的展示控件，通过模板配置的形式指定某一类工单在发起时需要传输的字段及类型，并通过“傻瓜式”拖拽编辑的方式确定具体工单流程中的节点配置，降低了新工单类型的配置成本；同时这种形式可以让工单系统灵活记录所需展示的静态业务表单数据，当有新的业务场景对接时，只需要通过配置工单模板定义所需的字段，由业务系统修改代码进行对接即可，工单系统不需要相应代码调整，修改前后系统的运营使用变化为图4、图5：这样可以解决背景技术中的③④中与外部系统耦合严重，运营成本过高的问题；

对比新系统上线前后,新增一个审批流并投入使用所需要的事项明细及人力消耗如表1：

表1

可以看到新系统所需要的人力及时间成本大大降低

举措三、智能化：因为大部分流程配置中，所需要配置的模板字段、控制的关键节点数量以及对应人员配置趋同，往往配置完成一个后，剩余的同类工单模板配置更多地是进行局部微调而不需完全重新制作；所以在已经配置好的工单流程模板数据上进行分析学习，可以获得该类型工单模板常见高频配置：当配置人员选定该类型后由系统自动带出推荐的配置项目，而其中进行的人工调整数据又可以作为进一步学习的数据源，进一步提升推荐模板的正确率，进一步完善背景技术中④中的业务场景覆盖维度。如图6所示。

3.具体的发明内容

一.流程引擎选型以及业务层对接

因为新的工单系统底层流程实现依赖统一的流程引擎，所以首先我们需要选取一个合适的流程引擎作为基础组件，支撑工单系统的业务。

通过比对几个主流流程引擎的特点如表2所示：

表2

我们最终选择Activiti5作为底层的流程引擎，通过配置实际使用流程图场景以及分析其数据结构可以发现，对于工单系统业务逻辑层，只需要对接其生成BPMN的相关接口即可：如图7所示；

由此我们通过工单业务流程逻辑层对接底层Activiti5的方式，实现应用流程引擎控制整体流转的目标。

二.一种支持模板灵活配置的系统设计

通过分析可知，能实现灵活配置页面展示字段的最佳方式是：尽可能抽取出基础不可再分的元素，并和前端约定该元素的呈现方式(宽高等信息)，最终由系统对元素进行组合排序后产生控件实体，并将控件绑定到具体的工单模板中，最终持久化到数据库；当前端需要渲染页面时，通过查询接口获取模板页面控件排布并进行实时元素布局，其中数据存储的概要实体关系如下图9和图8所示。

最终，由前后端确认所有可能出现在页面上的最小元素，以及元素组合成的控件样式后，即可通过这样一种配置存储，由接口返回页面呈现的模板数据进行相关页面呈现，以及后续的值填充。

三.基于概率统计的智能模板推荐

1.数据建模，由上文系统设计可知，一个工单模板配置包括以下几个重点内容：

>页面模板字段：控件-包含元素，控件前后关联关系，以及控件下可能出现的基础元素；

>涉及流程节点：流程节点的前后关系以及每个流程相关角色、人员配置；

则这两类数据可分别构建两类统计数据为：如图9和图10所示；

由此可知，实际业务的模板配置以及节点配置下，相邻的控件关系、控件下包含元素，流程节点前后关系、节点下人员/角色配置信息可能出现数据的概率都可以计算。

2.根据运营人员实际配置数据进行概率计算；

经过一定时间的运营人员实际配置，可以获得上述模型实际数值信息，并获得各类数值关联计算公式为：

控件N和其他控件M的先后关联概率为

控件N和元素e的关联概率为

流程节点前后之间关联概率以及节点关联人员、角色配置计算公式为：

节点L1和其他节点L2的先后关联概率为

节点L1和角色r的关联概率为

3.每个控件，节点下的概率数据进行排序；

每个控件下会有两个概率列表：和其他控件的关联概率，和某个元素的关联概率；

每个节点下会有两个概率列表：和其他节点的关联概率，和某个角色、人员的关联概率；

将这四类概率数据列表进行降序排序，则每个概率所关联元素和主体关联关系依次降低。

4.提供关联推荐服务

设定最大推荐数量(如TOP3)，在用户发起新工单模板配置时，提供四类查询服务：

>最常关联该控件的其他控件；

>最常关联该控件的相关元素；

>最常关联该流程节点的其他节点；

>最常关联该流程节点的角色、人员配置；

最终在用户设计新工单模板的时候提供每一步操作推荐关联对象，提升运营效率。

具体实施方式及附图：

1.Activiti5环境搭建：

1.1创建activiti数据库，创建后对照下图检查各个表是否存在，如图11所示；

1.2部署activiti-exploer应用，并打开登录页检查是否启动成功，如图12所示；

1.3创建简单流程图，检查activiti-explorer和数据库连接是否有效；如图13所示；如果创建上传流程图无问题，则activiti部署完成无问题。

2.工单应用系统接入Activiti

2.1代码引入activiti相关依赖

2.2对接activiti的BPMN相关接口，以下为几个代码样例：

生成一个简单流程部署：

//存储流程图片

InputStream inputsream＝processEngine.getRepositoryService().getProcessDiagram(processInstance.getProcessDefinitionId())；

FileUtils.copyInputStreamToFile(inputsream,new File("xxx/createTest_1.png"))；

//7.存储xml

InputStream processBpmn＝processEngine.getRepositoryService().getResourceAsStream(deployment.getId(),"createTest_1.bpmn")；

FileUtils.copyInputStreamToFile(processBpmn,new File("xxx/createTest_1.bpmn20.xml"))；

启动一个流程实例：

完成该流程：

这样工单系统和Activiti的数据即可通过内部API调用实现打通。

3.实际模板及流程配置；

3.1配置工单模板页面字段；如图14所示。

3.2配置流程节点数据；如图15所示；

3.3保存工单模板，即可由系统对接、用户触发生成对应工单实例。

4.业务系统接入，如图16所示；

各业务系统按照需要对接的工单模板字段为依据，分别对接工单系统以下功能模块：

①工单创建②工单节点通过、驳回、转交③工单查询(列表、详情、待处理人等)④工单状态变更；

从而实现对于该业务条线对于工单流程的全生命周期控制。

5.各类关联概率数据计算及应用；

每晚系统空闲时启动定时任务全量计算各类模板下，【控件-控件】、【控件-元素】、【节点-节点】、【节点-人员/角色】四类概率关系，并进行排序；最终在用户发起新的工单模板时，按照具体场景进行相关数据推荐；

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。上面对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以再不脱离本发明宗旨的前提下做出各种变化。

Claims (3)

1.一种基于流程引擎实现的智能工单审批方法，其特征在于：具体包含以下三个步骤；

步骤1，流程引擎选型以及统一的业务逻辑层对接：通过配置流程节点，规定在业务关键节点处需要指定人、角色进行相应决策或者执行相关操作，并对于流程全生命周期进行控制；将审批流以及任务抽象后进行合并，统一为工单概念，底层统一使用流程引擎进行配置；

步骤2，支持灵活配置模板的系统设计：通过模板配置的形式指定工单流程在发起时需要传输的字段及类型，并通过拖拽编辑的方式确定具体工单流程中的节点配置，同时记录所需展示的静态业务表单数据，当有新的业务场景对接时，通过配置工单模板定义所需的字段，并修改代码进行对接：

步骤3，基于统计概率的智能模板推荐：在已经配置好的工单模板数据上进行分析学习，可获得工单模板常见高频配置：当配置人员选定工单模板后由系统自动带出推荐的配置项目，并进行的人工调整数据作为进一步学习的数据源，进一步提升推荐模板的正确率，完善业务场景覆盖维度；

在步骤1中，流程引擎的选型以及业务层对接的步骤具体如下：选择Activiti5作为底层的流程引擎，对于业务逻辑层，对接其生成BPMN的相关接口；通过业务逻辑层对接底层Activiti5的方式，实现应用流程引擎控制整体流转的目标。

2.根据权利要求1所述的一种基于流程引擎实现的智能工单审批方法，其特征在于：在步骤2中，支持灵活配置模板的系统设计，具体如下：

抽取出基础不可再分的元素，并和前端约定该元素的呈现方式，由系统对元素进行组合排序后产生控件实体，并将控件绑定到具体的工单模板中，最终持久化到数据库；当前端需要渲染页面时，通过查询接口获取模板页面控件排布并进行实时元素布局，由前后端确认所有可能出现在页面上的最小元素，以及元素组合成的控件样式后，即可通过这样一种配置存储，由接口返回页面呈现的模板数据进行相关页面呈现，以及后续的值填充。

3.根据权利要求1所述的一种基于流程引擎实现的智能工单审批方法，其特征在于：在步骤3中，基于统计概率的智能模板推荐具体如下：

步骤3.1，数据建模，一个工单模板配置包括以下内容：

页面模板字段：控件-包含元素，控件前后关联关系，以及控件下可能出现的基础元素；

涉及流程节点：流程节点的前后关系以及每个流程相关角色、人员配置；

步骤3.2，根据运营人员实际配置数据进行概率计算；各类数值关联计算公式具体如下：

控件N和其他控件M的先后关联概率为

控件N和元素e的关联概率为

流程节点前后之间关联概率以及节点关联人员、角色配置计算公式为：

节点L1和其他节点L2的先后关联概率为

节点L1和角色r的关联概率为

步骤3.3，将每个控件，节点下的概率数据进行降序排序；

步骤3.4.提供关联推荐服务；设定推荐数量，在用户发起新工单模板配置时，提供四类查询服务，在用户设计新工单模板的时候提供每一步操作推荐关联对象，提升运营效率；

在步骤3.4中，四类查询服务包含：

与一个控件最常关联的其他控件；

与一个控件最常关联的相关元素；

与一个流程节点最常关联的其他节点；

与一个流程节点最常关联的角色、人员配置。

Images