CN113298492B - 一种基于流程引擎的高响应流程智能处理方法及系统 - Google Patents
一种基于流程引擎的高响应流程智能处理方法及系统 Download PDFInfo
- Publication number
- CN113298492B CN113298492B CN202110556692.8A CN202110556692A CN113298492B CN 113298492 B CN113298492 B CN 113298492B CN 202110556692 A CN202110556692 A CN 202110556692A CN 113298492 B CN113298492 B CN 113298492B
- Authority
- CN
- China
- Prior art keywords
- flow
- processing
- engine
- historical
- module
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 246
- 230000008569 process Effects 0.000 title claims abstract description 234
- 230000004044 response Effects 0.000 title claims abstract description 25
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 165
- 238000011112 process operation Methods 0.000 claims abstract description 20
- 238000012795 verification Methods 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 37
- 239000013598 vector Substances 0.000 claims description 35
- 230000000694 effects Effects 0.000 claims description 33
- 230000003993 interaction Effects 0.000 claims description 25
- 230000000903 blocking effect Effects 0.000 claims description 20
- 238000012986 modification Methods 0.000 claims description 19
- 230000004048 modification Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 14
- 238000005192 partition Methods 0.000 claims description 14
- 238000011161 development Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005111 flow chemistry technique Methods 0.000 claims description 7
- 230000000977 initiatory effect Effects 0.000 claims description 7
- 238000012821 model calculation Methods 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 230000003213 activating effect Effects 0.000 claims description 6
- 230000008520 organization Effects 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 5
- 210000001503 joint Anatomy 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
- G06F16/972—Access to data in other repository systems, e.g. legacy data or dynamic Web page generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于流程引擎的高响应流程智能处理方法及系统,所述方法包括:用户通过登录验证后进入处理系统,输入待处理流程;处理系统接收待处理流程后进行流程检测并运行;处理系统记录运行后的流程数据并记录流程运行路径相关数据;然后对记录的数据进行数据扩展以达到详细运行流程的扩展来扩充历史性流程;所述系统包括:应用数据库、流程引擎服务器系统、客户端软件;本发明提出的流程智能处理方法具备高响应特点,能够有效地提高处理效率;并且在流程运行完毕后能够对运行流程进行改革性的扩展来完善充足历史性流程的记录,进而在后续使用中能够更便捷的识别新的流程,实现高响应特点。
Description
技术领域
本发明智能流程平台技术领域,具体是一种基于流程引擎的高响应流程智能处理方法及系统。
背景技术
协同办公系统是将现代化办公和计算机网络功能结合起来的一种新型的办公方式。协同办公系统没有统一的定义,凡是在传统的办公室中采用各种新技术、新机器、新设备从事办公业务,都属于办公自动化的领域。在行政机关中,大都把办公自动化叫做电子政务,企事业单位就大都叫OA,即办公自动化。通过实现办公自动化,或者说实现数字化办公,可以优化现有的管理组织结构,调整管理体制,在提高效率的基础上,增加协同办公能力,强化决策的一致性,最后实现提高决策效能的目的。
在当前信息技术持续发展的背景下,各类型智能设备正在快速更新,且被广泛应用于企业发展过程中,可以实现对公司事务的实时掌握以及处理,创造更高效的沟通环境。
现有的流程引擎在处理流程的时候,都是采用静态调节的策略,且目前的流程引擎其流程运行较为单一,其普遍针对专一的场景和问题进行流程智能化处理,当针对不同的场景和问题时很难进行协同使用。并且,目前的流程处理系统响应速度过长,导致效率低下。
发明内容
为解决上述技术问题,本发明提供了一种基于流程引擎的高响应流程智能处理方法及系统。
本发明的技术方案是:一种基于流程引擎的高响应流程智能处理方法,具体包括:
S1:流程获取
用户通过登录验证后进入处理系统,输入待处理流程;
S2:流程判断并运行
处理系统接收待处理流程后进行流程检测并运行,具体为:
S2-1:建立流程;根据具体流程过程进行信息交互,建立相关活动数据信息或者建模信息;
S2-2:流程运行;根据建立的相关活动数据信息或者建模信息开始执行工作流程;
并同步检测与历史流程的相关性;若与历史流程的相关性一致,则按照历史流程运行方式进行运行;若与历史流程的并不完全一致,则处理系统在历史流程的运行方式基础上进行智能修正,或者通过人机交互形式人为修正后进行运行;若与历史流程完全不一致,则触发新的任务流程运行,处理系统根据实际的相关活动数据信息或者建模信息建立工作流程逻辑,并进行运行;
S3:流程记录并扩展
处理系统记录运行后的流程数据并记录流程运行路径相关数据;然后对记录的数据进行数据扩展以达到详细运行流程的扩展来扩充历史性流程。
进一步地,S3所述数据修正包括处理系统智能化局部数据修正以及人为数据修正。
更进一步地,所述人为数据修正通过流程管理人员进行人为数据修正。
进一步地,S2-2所述流程运行时处理系统将流程任务标记为A,处理节点标记为Ha(a=1,2,…,n),假设该流程存在N个分块,当前处理分块标记为X;则处理流程具体为:①处理节点Ha接受任务A的处理请求后执行当前X=0并发起任务开始消息;②激活流程第X+1个分块环节,处理节点Ha执行该环节逻辑,判断第X+1个分块环节逻辑与历史流程逻辑的相关性;处理系统同时对该步骤下达其他任务的请求逻辑;③完成当前环节并确定目标分块环节;④处理节点Ha将分块事物进行提交,并从通知任务管理器更新X值,即X=X+1;⑤将当前完成的分块X值与流程分块数N值进行比较,若X<N,则运行下一步骤,否则结束;⑥处理节点Ha向处理系统申请下一个分块处理,若同意则执行步骤②。
进一步地,S2-2所述同步检测与历史流程的相关性具体是采用关键词的向量空间模型计算方法进行计算;检测算法步骤为:①对建立相关活动数据信息或者建模信息进行关键词提取和加权,进而得到该工作流程的特征向量以及向量的权重;②然后根据已有的历史流程存储的特征向量以及向量的权重计算相似度,具体计算如下式:
其中,A1为待处理流程,A2为与待处理流程进行对比的其中一个已有的历史流程。
进一步地,一种基于流程引擎的高响应流程智能处理系统,包括应用数据库,与应用数据库信息交互的流程引擎服务器系统,以及与流程引擎服务器系统连接用于与用户进行对接的客户端软件;
所述流程引擎服务器系统包括引擎子数据库,与引擎子数据库信息交互的web服务器系统,以及工作流引擎;
所述web服务器系统包括通过web接口与客户端软件对接的浏览层,对客户端的请求进行处理和相应的web容器,与web容器交互用于对客服端请求进行服务的EJB容器,与引擎子数据库信息交互用于向客户端开放数据的引擎子数据库映射层,以及用于存储工作流管理中所需相关数据的web服务器数据库;
所述工作流引擎包括通过数据库接口与web服务器数据库连接的用户管理模块、组管理模块、流程管理与控制模块以及组件及业务逻辑模块。
进一步地,所述客户端流程包括窗口界面、审批界面和管理界面。
进一步地,所述流程引擎服务器系统还包括内核处理模块系统;所述内核处理模块系统包括用于对流程处理中进行修正扩展的服务扩展模块,对扩展的服务流程进行完善的流程运行增强模块。
进一步地,所述流程引擎服务器系统还包括开发修订模块;所述开发修订模块包括用于开发人员登录的登录窗口,用于对流程定义进行修改、添加、删除的定义模块。
进一步地,所述组管理模块包括对浏览层的客户提供接口以对接用户管理模块用于管理用户权限信息的组织模块,用于对管理人员提供接口且能够通过接口进行部署的管理模块,对流程处理过程中进行人为流程信息交互修改的执行修改模块。
进一步地,所述流程管理与控制模块包括任务管理模块、日志管理模块、异常管理模块、过程管理模块、安全管理模块、资源管理模块以及过程定义管理模块。
与现有技术相比,本发明的有益效果是:本发明提出的流程智能处理方法具备高响应特点,能够有效地提高处理效率;同时,本发明提出的流程智能处理方法在处理过程中能够根据实际的相关活动数据信息或者建模信息进行智能或者人为修正,能够有效地避免流程错误运行;并且在流程运行完毕后能够对运行流程进行改革性的扩展来完善充足历史性流程的记录,进而在后续使用中能够更便捷的识别新的流程,实现高响应特点。
附图说明
图1是本发明的处理系统的模块图;
图2是本发明实施例2的流程引擎服务器系统的模块框图;
图3是本发明实施例3的流程引擎服务器系统的模块框图;
图4是本发明实施例5的流程引擎服务器系统的模块框图;
图5是本发明实施例4、5的组管理模块的模块框图;
其中,1-应用数据库、2-流程引擎服务器系统、21-引擎子数据库、22-web服务器系统、221-web容器、222-EJB容器、223-引擎子数据库映射层、224-web服务器数据库、23-工作流引擎、231-用户管理模块、232-组管理模块、2321-组织模块、2322-管理模块、2323-执行修改模块、233-流程管理与控制模块、234-组件及业务逻辑模块、24-内核处理模块系统、25-服务扩展模块、242-流程运行增强模块、25-开发修订模块。
具体实施方式
实施例1:如图1所示的一种基于流程引擎的高响应流程智能处理系统,包括应用数据库1,与应用数据库1信息交互的流程引擎服务器系统2,以及与流程引擎服务器系统2连接用于与用户进行对接的客户端软件;客户端流程包括窗口界面、审批界面和管理界面;其中,应用数据库1主要有流程定义包、流程数据库、流程实例库、工作流活动库、工作项数据库、工作流相关活动关系数据库、工作流活动转移条件库、流程实例日志库、人员信息库等等;
如图2所示,流程引擎服务器系统2包括引擎子数据库21,与引擎子数据库21信息交互的web服务器系统22,以及工作流引擎23;引擎子数据库21由动态数据库和静态数据库组成,其中,动态数据库用于存储流程处理运行时所产生的的动态数据,静态数据库用于对应应用数据库1存储相关流程实例数据;
web服务器系统22包括通过web接口与客户端软件对接的浏览层,对客户端的请求进行处理和相应的web容器221,与web容器221交互用于对客服端请求进行服务的EJB容器222,与引擎子数据库21信息交互用于向客户端开放数据的引擎子数据库映射层223,以及用于存储工作流管理中所需相关数据的web服务器数据库224;
工作流引擎23包括通过数据库接口与web服务器数据库224连接的用户管理模块231、组管理模块232、流程管理与控制模块233以及组件及业务逻辑模块234;其中,组件及业务逻辑模块234用于对流程进行解析,并将解析后的流程数据信息与web服务器数据库224进行对接;而流程管理与控制模块233用于为引擎的执行提供服务并且实现对不同流程进行切换控制;
本实施例智能处理系统的处理方法,具体包括:
S1:流程获取
用户通过登录验证后进入处理系统,输入待处理流程;
S2:流程判断并运行
处理系统接收待处理流程后进行流程检测并运行,具体为:
S2-1:建立流程;根据具体流程过程进行信息交互,建立相关活动数据信息或者建模信息;
S2-2:流程运行;根据建立的相关活动数据信息或者建模信息开始执行工作流程;
并同步检测与历史流程的相关性;若与历史流程的相关性一致,则按照历史流程运行方式进行运行;若与历史流程的并不完全一致,则处理系统在历史流程的运行方式基础上进行智能修正,或者通过人机交互形式人为修正后进行运行;若与历史流程完全不一致,则触发新的任务流程运行,处理系统根据实际的相关活动数据信息或者建模信息建立工作流程逻辑,并进行运行;其中,流程运行时处理系统将流程任务标记为A,处理节点标记为Ha(a=1,2,…,n),假设该流程存在N个分块,当前处理分块标记为X;则处理流程具体为:①处理节点Ha接受任务A的处理请求后执行当前X=0并发起任务开始消息;②激活流程第X+1个分块环节,处理节点Ha执行该环节逻辑,判断第X+1个分块环节逻辑与历史流程逻辑的相关性;处理系统同时对该步骤下达其他任务的请求逻辑;③完成当前环节并确定目标分块环节;④处理节点Ha将分块事物进行提交,并从通知任务管理器更新X值,即X=X+1;⑤将当前完成的分块X值与流程分块数N值进行比较,若X<N,则运行下一步骤,否则结束;⑥处理节点Ha向处理系统申请下一个分块处理,若同意则执行步骤②;
同步检测与历史流程的相关性具体是采用关键词的向量空间模型计算方法进行计算;检测算法步骤为:①对建立相关活动数据信息或者建模信息进行关键词提取和加权,进而得到该工作流程的特征向量以及向量的权重;②然后根据已有的历史流程存储的特征向量以及向量的权重计算相似度,具体计算如下式:
其中,A1为待处理流程,A2为与待处理流程进行对比的其中一个已有的历史流程;
S3:流程记录并扩展
处理系统记录运行后的流程数据并记录流程运行路径相关数据;然后对记录的数据进行数据扩展以达到详细运行流程的扩展来扩充历史性流程;
其中,S3数据修正包括处理系统智能化局部数据修正以及人为数据修正;人为数据修正通过流程管理人员进行人为数据修正;在进行数据修正时需要对用户提出的流程对应的动态操作进行约束和限制,并保证修正后的工作流过程在语法级别上的正确性和数据一致性;具体为:用户提出工作流请求后在流程智能处理系统中读取历史流程实例模板,并进一步地检查流程模板与用户提出工作流请求是否具备合法性后进一步的进行修正操作;然后将修改过的模板应用并建立新模板,进而更新执行的引擎子数据库21,进而运行流程。
需要说明的是:在智能处理时,实际运行包括但不局限于如下要素:开始:流程运行受到用户或者管理人员对流程认为进行激活后开始运行;任务:定义工作流且将其数据输入系统后利用引擎子数据库21中存储的历史子过程数据进行对比;并将相应的历史子过程数据进行汇集;决策:通过汇集的历史子过程数据判断是否直接能够运行工作流程,进而产生多个输出路径,然后进行决策后选择后续子过程的唯一路径;运行:触发并运行决策后的唯一路径后执行操作。
实施例2:一种基于流程引擎的高响应流程智能处理系统,包括应用数据库1,与应用数据库1信息交互的流程引擎服务器系统2,以及与流程引擎服务器系统2连接用于与用户进行对接的客户端软件;
如图3所示,流程引擎服务器系统2包括引擎子数据库21,与引擎子数据库21信息交互的web服务器系统22,工作流引擎23,以及内核处理模块系统24;
web服务器系统22包括通过web接口与客户端软件对接的浏览层,对客户端的请求进行处理和相应的web容器221,与web容器221交互用于对客服端请求进行服务的EJB容器222,与引擎子数据库21信息交互用于向客户端开放数据的引擎子数据库映射层223,以及用于存储工作流管理中所需相关数据的web服务器数据库224;
工作流引擎23包括通过数据库接口与web服务器数据库224连接的用户管理模块231、组管理模块232、流程管理与控制模块233以及组件及业务逻辑模块234;
内核处理模块系统24包括用于对流程处理中进行修正扩展的服务扩展模块241,对扩展的服务流程进行完善的流程运行增强模块242。
本实施例智能处理系统的处理方法,具体包括:
S1:流程获取
用户通过登录验证后进入处理系统,输入待处理流程;
S2:流程判断并运行
处理系统接收待处理流程后进行流程检测并运行,具体为:
S2-1:建立流程;根据具体流程过程进行信息交互,建立相关活动数据信息或者建模信息;
S2-2:流程运行;根据建立的相关活动数据信息或者建模信息开始执行工作流程;
并同步检测与历史流程的相关性;若与历史流程的相关性一致,则按照历史流程运行方式进行运行;若与历史流程的并不完全一致,则处理系统在历史流程的运行方式基础上进行智能修正,或者通过人机交互形式人为修正后进行运行;若与历史流程完全不一致,则触发新的任务流程运行,处理系统根据实际的相关活动数据信息或者建模信息建立工作流程逻辑,并进行运行;其中,流程运行时处理系统将流程任务标记为A,处理节点标记为Ha(a=1,2,…,n),假设该流程存在N个分块,当前处理分块标记为X;则处理流程具体为:①处理节点Ha接受任务A的处理请求后执行当前X=0并发起任务开始消息;②激活流程第X+1个分块环节,处理节点Ha执行该环节逻辑,判断第X+1个分块环节逻辑与历史流程逻辑的相关性;处理系统同时对该步骤下达其他任务的请求逻辑;③完成当前环节并确定目标分块环节;④处理节点Ha将分块事物进行提交,并从通知任务管理器更新X值,即X=X+1;⑤将当前完成的分块X值与流程分块数N值进行比较,若X<N,则运行下一步骤,否则结束;⑥处理节点Ha向处理系统申请下一个分块处理,若同意则执行步骤②;
同步检测与历史流程的相关性具体是采用关键词的向量空间模型计算方法进行计算;检测算法步骤为:①对建立相关活动数据信息或者建模信息进行关键词提取和加权,进而得到该工作流程的特征向量以及向量的权重;②然后根据已有的历史流程存储的特征向量以及向量的权重计算相似度,具体计算如下式:
其中,A1为待处理流程,A2为与待处理流程进行对比的其中一个已有的历史流程;
S3:流程记录并扩展
处理系统记录运行后的流程数据并记录流程运行路径相关数据;然后对记录的数据进行数据扩展以达到详细运行流程的扩展来扩充历史性流程。
其中,S3数据修正包括处理系统智能化局部数据修正以及人为数据修正;人为数据修正通过流程管理人员进行人为数据修正;在进行修改时,与实施例1不同的是能够利用内核处理模块系统24对修改的流程数据进行扩展、增强;当工作流较为复杂时,处理系统无法进行智能修正,那么需要管理人员认为进行修正干涉;首先对工作流结构定义进行明确并对其进行分类,将语义不明确性以及包含的动态变量均扩展在局限范围内,进而对新的工作流进行定义后进行运行。
实施例3:一种基于流程引擎的高响应流程智能处理系统,包括应用数据库1,与应用数据库1信息交互的流程引擎服务器系统2,以及与流程引擎服务器系统2连接用于与用户进行对接的客户端软件;
如图4所示,流程引擎服务器系统2包括引擎子数据库21,与引擎子数据库21信息交互的web服务器系统22,工作流引擎23,内核处理模块系统24,以及开发修订模块25;
web服务器系统22包括通过web接口与客户端软件对接的浏览层,对客户端的请求进行处理和相应的web容器221,与web容器221交互用于对客服端请求进行服务的EJB容器222,与引擎子数据库21信息交互用于向客户端开放数据的引擎子数据库映射层223,以及用于存储工作流管理中所需相关数据的web服务器数据库224;
工作流引擎23包括通过数据库接口与web服务器数据库224连接的用户管理模块231、组管理模块232、流程管理与控制模块233以及组件及业务逻辑模块234;
内核处理模块系统24包括用于对流程处理中进行修正扩展的服务扩展模块241,对扩展的服务流程进行完善的流程运行增强模块242;
开发修订模块25包括用于开发人员登录的登录窗口,用于对流程定义进行修改、添加、删除的定义模块;开发人员通过带有身份验证的登录窗口登录后能够授权用户以及管理人员的角色;其中,一个或多个用户通过授权可以拥有一个或多个角色,一个或多个管理人员通过授权可以拥有一个或多个角色;并且用户以及管理人员的角色可以相同,也可以不同。每个角色执行多个操作,智能处理系统可根据用户申请的角色来决定是否允许用户的操作;而管理人员也享有授权用户角色的权限;而授权后的角色可通过身份验证对智能处理系统进行访问。
本实施例智能处理系统的处理方法,具体包括:
S1:流程获取
用户通过登录验证后进入处理系统,输入待处理流程;
S2:流程判断并运行
处理系统接收待处理流程后进行流程检测并运行,具体为:
S2-1:建立流程;根据具体流程过程进行信息交互,建立相关活动数据信息或者建模信息;
S2-2:流程运行;根据建立的相关活动数据信息或者建模信息开始执行工作流程;
并同步检测与历史流程的相关性;若与历史流程的相关性一致,则按照历史流程运行方式进行运行;若与历史流程的并不完全一致,则处理系统在历史流程的运行方式基础上进行智能修正,或者通过人机交互形式人为修正后进行运行;若与历史流程完全不一致,则触发新的任务流程运行,处理系统根据实际的相关活动数据信息或者建模信息建立工作流程逻辑,并进行运行;其中,流程运行时处理系统将流程任务标记为A,处理节点标记为Ha(a=1,2,…,n),假设该流程存在N个分块,当前处理分块标记为X;则处理流程具体为:①处理节点Ha接受任务A的处理请求后执行当前X=0并发起任务开始消息;②激活流程第X+1个分块环节,处理节点Ha执行该环节逻辑,判断第X+1个分块环节逻辑与历史流程逻辑的相关性;处理系统同时对该步骤下达其他任务的请求逻辑;③完成当前环节并确定目标分块环节;④处理节点Ha将分块事物进行提交,并从通知任务管理器更新X值,即X=X+1;⑤将当前完成的分块X值与流程分块数N值进行比较,若X<N,则运行下一步骤,否则结束;⑥处理节点Ha向处理系统申请下一个分块处理,若同意则执行步骤②;
同步检测与历史流程的相关性具体是采用关键词的向量空间模型计算方法进行计算;检测算法步骤为:①对建立相关活动数据信息或者建模信息进行关键词提取和加权,进而得到该工作流程的特征向量以及向量的权重;②然后根据已有的历史流程存储的特征向量以及向量的权重计算相似度,具体计算如下式:
其中,A1为待处理流程,A2为与待处理流程进行对比的其中一个已有的历史流程;
S3:流程记录并扩展
处理系统记录运行后的流程数据并记录流程运行路径相关数据;然后对记录的数据进行数据扩展以达到详细运行流程的扩展来扩充历史性流程。
其中,S3数据修正包括处理系统智能化局部数据修正以及人为数据修正;人为数据修正通过流程管理人员进行人为数据修正;在进行修改时,与实施例1不同的是能够利用内核处理模块系统24对修改的流程数据进行扩展、增强;并且开发人员能够对流程定义进行修改、添加、删除。
实施例4:一种基于流程引擎的高响应流程智能处理系统,包括应用数据库1,与应用数据库1信息交互的流程引擎服务器系统2,以及与流程引擎服务器系统2连接用于与用户进行对接的客户端软件;
如图2所示,流程引擎服务器系统2包括引擎子数据库21,与引擎子数据库21信息交互的web服务器系统22,以及工作流引擎23;
web服务器系统22包括通过web接口与客户端软件对接的浏览层,对客户端的请求进行处理和相应的web容器221,与web容器221交互用于对客服端请求进行服务的EJB容器222,与引擎子数据库21信息交互用于向客户端开放数据的引擎子数据库映射层223,以及用于存储工作流管理中所需相关数据的web服务器数据库224;
工作流引擎23包括通过数据库接口与web服务器数据库224连接的用户管理模块231、组管理模块232、流程管理与控制模块233以及组件及业务逻辑模块234;
如图5所示,组管理模块232包括对浏览层的客户提供接口以对接用户管理模块231用于管理用户权限信息的组织模块2321,用于对管理人员提供接口且能够通过接口进行部署的管理模块2322,对流程处理过程中进行人为流程信息交互修改的执行修改模块2323;流程管理与控制模块233包括任务管理模块、日志管理模块、异常管理模块、过程管理模块、安全管理模块、资源管理模块以及过程定义管理模块;
本实施例智能处理系统的处理方法,具体包括:
S1:流程获取
用户通过登录验证后进入处理系统,输入待处理流程;
S2:流程判断并运行
处理系统接收待处理流程后进行流程检测并运行,具体为:
S2-1:建立流程;根据具体流程过程进行信息交互,建立相关活动数据信息或者建模信息;
S2-2:流程运行;根据建立的相关活动数据信息或者建模信息开始执行工作流程;
并同步检测与历史流程的相关性;若与历史流程的相关性一致,则按照历史流程运行方式进行运行;若与历史流程的并不完全一致,则处理系统在历史流程的运行方式基础上进行智能修正,或者通过人机交互形式人为修正后进行运行;若与历史流程完全不一致,则触发新的任务流程运行,处理系统根据实际的相关活动数据信息或者建模信息建立工作流程逻辑,并进行运行;其中,流程运行时处理系统将流程任务标记为A,处理节点标记为Ha(a=1,2,…,n),假设该流程存在N个分块,当前处理分块标记为X;则处理流程具体为:①处理节点Ha接受任务A的处理请求后执行当前X=0并发起任务开始消息;②激活流程第X+1个分块环节,处理节点Ha执行该环节逻辑,判断第X+1个分块环节逻辑与历史流程逻辑的相关性;处理系统同时对该步骤下达其他任务的请求逻辑;③完成当前环节并确定目标分块环节;④处理节点Ha将分块事物进行提交,并从通知任务管理器更新X值,即X=X+1;⑤将当前完成的分块X值与流程分块数N值进行比较,若X<N,则运行下一步骤,否则结束;⑥处理节点Ha向处理系统申请下一个分块处理,若同意则执行步骤②;
同步检测与历史流程的相关性具体是采用关键词的向量空间模型计算方法进行计算;检测算法步骤为:①对建立相关活动数据信息或者建模信息进行关键词提取和加权,进而得到该工作流程的特征向量以及向量的权重;②然后根据已有的历史流程存储的特征向量以及向量的权重计算相似度,具体计算如下式:
其中,A1为待处理流程,A2为与待处理流程进行对比的其中一个已有的历史流程;
S3:流程记录并扩展
处理系统记录运行后的流程数据并记录流程运行路径相关数据;然后对记录的数据进行数据扩展以达到详细运行流程的扩展来扩充历史性流程。
其中,S3数据修正包括处理系统智能化局部数据修正以及人为数据修正;人为数据修正通过流程管理人员进行人为数据修正。
实施例5:一种基于流程引擎的高响应流程智能处理系统,包括应用数据库1,与应用数据库1信息交互的流程引擎服务器系统2,以及与流程引擎服务器系统2连接用于与用户进行对接的客户端软件;
如图4所示,流程引擎服务器系统2包括引擎子数据库21,与引擎子数据库21信息交互的web服务器系统22,工作流引擎23,内核处理模块系统24,以及开发修订模块25;
web服务器系统22包括通过web接口与客户端软件对接的浏览层,对客户端的请求进行处理和相应的web容器221,与web容器221交互用于对客服端请求进行服务的EJB容器222,与引擎子数据库21信息交互用于向客户端开放数据的引擎子数据库映射层223,以及用于存储工作流管理中所需相关数据的web服务器数据库224;
工作流引擎23包括通过数据库接口与web服务器数据库224连接的用户管理模块231、组管理模块232、流程管理与控制模块233以及组件及业务逻辑模块234;
如图5所示,组管理模块232包括对浏览层的客户提供接口以对接用户管理模块231用于管理用户权限信息的组织模块2321,用于对管理人员提供接口且能够通过接口进行部署的管理模块2322,对流程处理过程中进行人为流程信息交互修改的执行修改模块2323;流程管理与控制模块233包括任务管理模块、日志管理模块、异常管理模块、过程管理模块、安全管理模块、资源管理模块以及过程定义管理模块;
内核处理模块系统24包括用于对流程处理中进行修正扩展的服务扩展模块241,对扩展的服务流程进行完善的流程运行增强模块242;
开发修订模块25包括用于开发人员登录的登录窗口,用于对流程定义进行修改、添加、删除的定义模块。
本实施例智能处理系统的处理方法,具体包括:
S1:流程获取
用户通过登录验证后进入处理系统,输入待处理流程;
S2:流程判断并运行
处理系统接收待处理流程后进行流程检测并运行,具体为:
S2-1:建立流程;根据具体流程过程进行信息交互,建立相关活动数据信息或者建模信息;
S2-2:流程运行;根据建立的相关活动数据信息或者建模信息开始执行工作流程;
并同步检测与历史流程的相关性;若与历史流程的相关性一致,则按照历史流程运行方式进行运行;若与历史流程的并不完全一致,则处理系统在历史流程的运行方式基础上进行智能修正,或者通过人机交互形式人为修正后进行运行;若与历史流程完全不一致,则触发新的任务流程运行,处理系统根据实际的相关活动数据信息或者建模信息建立工作流程逻辑,并进行运行;其中,流程运行时处理系统将流程任务标记为A,处理节点标记为Ha(a=1,2,…,n),假设该流程存在N个分块,当前处理分块标记为X;则处理流程具体为:①处理节点Ha接受任务A的处理请求后执行当前X=0并发起任务开始消息;②激活流程第X+1个分块环节,处理节点Ha执行该环节逻辑,判断第X+1个分块环节逻辑与历史流程逻辑的相关性;处理系统同时对该步骤下达其他任务的请求逻辑;③完成当前环节并确定目标分块环节;④处理节点Ha将分块事物进行提交,并从通知任务管理器更新X值,即X=X+1;⑤将当前完成的分块X值与流程分块数N值进行比较,若X<N,则运行下一步骤,否则结束;⑥处理节点Ha向处理系统申请下一个分块处理,若同意则执行步骤②;
同步检测与历史流程的相关性具体是采用关键词的向量空间模型计算方法进行计算;检测算法步骤为:①对建立相关活动数据信息或者建模信息进行关键词提取和加权,进而得到该工作流程的特征向量以及向量的权重;②然后根据已有的历史流程存储的特征向量以及向量的权重计算相似度,具体计算如下式:
其中,A1为待处理流程,A2为与待处理流程进行对比的其中一个已有的历史流程;
S3:流程记录并扩展
处理系统记录运行后的流程数据并记录流程运行路径相关数据;然后对记录的数据进行数据扩展以达到详细运行流程的扩展来扩充历史性流程。
其中,S3数据修正包括处理系统智能化局部数据修正以及人为数据修正;人为数据修正通过流程管理人员进行人为数据修正;在进行修改时,与实施例1不同的是能够利用内核处理模块系统24对修改的流程数据进行扩展、增强;并且开发人员能够对流程定义进行修改、添加、删除;当开发人员对一个流程进行定义完成后,流程智能处理系统会对模型进行“编译”,进一步确定执行该模型中与活动相关的执行节点以及每个节点所需要的信息,并将节点进行绑定;在流程处理过程中会对节点进行扩展,扩展后的节点都对应一个节点管理器来负责新扩展的流程定义节点信息的存储。
Claims (5)
1.一种基于流程引擎的高响应流程智能处理方法,其特征在于,具体包括:
S1:流程获取
用户通过登录验证后进入处理系统,输入待处理流程;
S2:流程判断并运行
处理系统接收待处理流程后进行流程检测并运行,具体为:
S2-1:建立流程;根据具体流程过程进行信息交互,建立相关活动数据信息或者建模信息;
S2-2:流程运行;根据建立的相关活动数据信息或者建模信息开始执行工作流程;
并同步检测与历史流程的相关性;若与历史流程的相关性一致,则按照历史流程运行方式进行运行;若与历史流程的并不完全一致,则处理系统在历史流程的运行方式基础上进行智能修正,或者通过人机交互形式人为修正后进行运行;若与历史流程完全不一致,则触发新的任务流程运行,处理系统根据实际的相关活动数据信息或者建模信息建立工作流程逻辑,并进行运行;
所述流程运行时处理系统将流程任务标记为A,处理节点标记为Ha(a=1,2,…,n),当该流程存在N个分块,当前处理分块标记为X;则处理流程具体为:①处理节点Ha接受任务A的处理请求后执行当前X=0并发起任务开始消息;②激活流程第X+1个分块环节,处理节点Ha执行该环节逻辑,判断第X+1个分块环节逻辑与历史流程逻辑的相关性;处理系统同时对该步骤下达其他任务的请求逻辑;③完成当前环节并确定目标分块环节;④处理节点Ha将分块事物进行提交,并从通知任务管理器更新X值,即X=X+1;⑤将当前完成的分块X值与流程分块数N值进行比较,若X<N,则运行下一步骤,否则结束;⑥处理节点Ha向处理系统申请下一个分块处理,若同意则执行步骤②;
所述同步检测与历史流程的相关性具体是采用关键词的向量空间模型计算方法进行计算;检测算法步骤为:①对建立相关活动数据信息或者建模信息进行关键词提取和加权,进而得到该工作流程的特征向量以及向量的权重;②然后根据已有的历史流程存储的特征向量以及向量的权重计算相似度,具体计算如下式:
其中,A1为待处理流程,A2为与待处理流程进行对比的其中一个已有的历史流程;
S3:流程记录并扩展
处理系统记录运行后的流程数据并记录流程运行路径相关数据;然后对记录的数据进行数据修正以达到详细运行流程的扩展来扩充历史性流程;所述数据修正包括处理系统智能化局部数据修正以及人为数据修正;所述人为数据修正通过流程管理人员进行人为数据修正;
基于流程引擎的高响应流程智能处理方法所使用的高响应流程智能处理系统,包括应用数据库(1),与应用数据库(1)信息交互的流程引擎服务器系统(2),以及与流程引擎服务器系统(2)连接用于与用户进行对接的客户端软件;
所述流程引擎服务器系统(2)包括引擎子数据库(21),与引擎子数据库(21)信息交互的web服务器系统(22),以及工作流引擎(23);
所述web服务器系统(22)包括通过web接口与客户端软件对接的浏览层,对客户端的请求进行处理和相应的web容器(221),与web容器(221)交互用于对客服端请求进行服务的EJB容器(222),与引擎子数据库(21)信息交互用于向客户端开放数据的引擎子数据库映射层(223),以及用于存储工作流管理中所需相关数据的web服务器数据库(224);
所述工作流引擎(23)包括通过数据库接口与web服务器数据库(224)连接的用户管理模块(231)、组管理模块(232)、流程管理与控制模块(233)以及组件及业务逻辑模块(234)。
2.如权利要求1所述的一种基于流程引擎的高响应流程智能处理方法,其特征在于,所述流程引擎服务器系统(2)还包括内核处理模块系统(24);所述内核处理模块系统(24)包括用于对流程处理中进行修正扩展的服务扩展模块(241),对扩展的服务流程进行完善的流程运行增强模块(242)。
3.如权利要求1所述的一种基于流程引擎的高响应流程智能处理方法,其特征在于,所述流程引擎服务器系统(2)还包括开发修订模块(25);所述开发修订模块(25)包括用于开发人员登录的登录窗口,用于对流程定义进行修改、添加、删除的定义模块。
4.如权利要求1所述的一种基于流程引擎的高响应流程智能处理方法,其特征在于,所述组管理模块(232)包括对浏览层的客户提供接口以对接用户管理模块(231)用于管理用户权限信息的组织模块(2321),用于对管理人员提供接口且能够通过接口进行部署的管理模块(2322),对流程处理过程中进人为流程信息交互修改的执行修改模块(2323)。
5.如权利要求1所述的一种基于流程引擎的高响应流程智能处理方法,其特征在于,所述流程管理与控制模块(233)包括任务管理模块、日志管理模块、异常管理模块、过程管理模块、安全管理模块、资源管理模块以及过程定义管理模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110556692.8A CN113298492B (zh) | 2021-05-21 | 2021-05-21 | 一种基于流程引擎的高响应流程智能处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110556692.8A CN113298492B (zh) | 2021-05-21 | 2021-05-21 | 一种基于流程引擎的高响应流程智能处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298492A CN113298492A (zh) | 2021-08-24 |
CN113298492B true CN113298492B (zh) | 2023-04-04 |
Family
ID=77323603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110556692.8A Active CN113298492B (zh) | 2021-05-21 | 2021-05-21 | 一种基于流程引擎的高响应流程智能处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298492B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706299B (zh) * | 2021-09-10 | 2024-07-19 | 京东科技控股股份有限公司 | 数据处理的方法、装置、电子设备及介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1979828A4 (en) * | 2006-01-31 | 2011-03-23 | Open Text Inc | APPLICATIONS FOR WORKFLOW |
CN101145217A (zh) * | 2006-09-13 | 2008-03-19 | 鸿富锦精密工业(深圳)有限公司 | 流程表单处理系统及方法 |
CN112651590B (zh) * | 2020-10-10 | 2023-03-31 | 武汉烽火众智数字技术有限责任公司 | 一种指令处理流程推荐的方法 |
-
2021
- 2021-05-21 CN CN202110556692.8A patent/CN113298492B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113298492A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gu et al. | Dynamic meta-learning for failure prediction in large-scale systems: A case study | |
CN113010393A (zh) | 基于混沌工程的故障演练方法及装置 | |
CN113298492B (zh) | 一种基于流程引擎的高响应流程智能处理方法及系统 | |
Kravets et al. | The risk management model of design department’s PDM information system | |
CN114564726A (zh) | 一种基于大数据办公的软件漏洞分析方法及系统 | |
CN115061910A (zh) | 一种基于pdca循环的半自动化安全性测试方法 | |
US8086718B2 (en) | Automated process and apparatus for providing integrated management and control of computer networks | |
CN113204335B (zh) | 面向协同建模的uml模型合并与一致性检测方法及系统 | |
US7559057B2 (en) | Alignment and generalization of demonstrated procedure traces | |
CN113282606A (zh) | 数据处理方法、装置、存储介质和计算设备 | |
CN116126392B (zh) | 一种基于区块链和ipfs的代码版本管理方法 | |
CN112199287A (zh) | 基于强化混合专家模型的跨项目软件缺陷预测方法 | |
CN114564523B (zh) | 针对智慧虚拟场景的大数据漏洞分析方法及云端ai系统 | |
US20200225915A1 (en) | Converting code of a first code type on a mainframe device in phases to code of a second code type | |
CN114168166A (zh) | 一种室内智能无线接入设备的安装配置方法及系统 | |
CN115221217A (zh) | 应用于数据推送的大数据挖掘方法及系统 | |
US7904431B1 (en) | Method and system for automated request modelling | |
Zhao et al. | Cloud Service Security Adaptive Target Detection Algorithm Based on Bio-Inspired Performance Evaluation Process Algebra | |
Mehmood et al. | Knowledge Graph Embedding in Intent-Based Networking | |
Li et al. | ASC4AI: A Novel Automatic Service Composition Framework for AI Systems (S). | |
CN109379216B (zh) | 一种自适应切换贝叶斯网络的动态任务影响估计方法 | |
US12086586B2 (en) | Artificial intelligence (AI) supported graph enabled method to manage upgrades for applications | |
CN108764607A (zh) | 用户月数据复检方法、装置、设备及存储介质 | |
Lan et al. | A model-based autonomous engine for application runtime environment configuration and deployment in PaaS Cloud | |
US20240134777A1 (en) | Graphical Neural Network for Error Identification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A High Response Process Intelligent Processing Method and System Based on Process Engine Granted publication date: 20230404 Pledgee: Xi'an innovation financing Company limited by guarantee Pledgor: SHAANXI HEYOU NETWORK TECHNOLOGY CO.,LTD. Registration number: Y2024980026437 |