Кластеры бизнес-процессов и метрики их анализа - Программа анализа матриц типа "функции-данные" и интерпретации деревьев бизнес-процессов

Кластер представляет собой набор бизнес-процессов, использующих общие элементы данных:

,

Где - наименование кластера, k - количество кластеров, - бизнес-процесс, , количество бизнес-процессов в кластере, - множество элементов данных, которые и пользуют бизнес-процессы кластера, i - количество элементов множества

Кластеры обладают следующими свойствами:

. Это означает, что кластеры не имеют пересечений по используемым элементам данных.

. Это означает, что объединение кластеров эквивалентно их сложению.

Алгоритм кластеризации, выведенный на основании определения (10), выглядит следующим образом:

    1: for all business_processes i do 2: for all clusters j do 3:if (intersect(business_processes[i].datums, 4:clusters[j].datums).Count > 0) 5:clusters[j].Add (business_processes[i]) 6:else 7:clusters. AddNewCluster(business_processes[i]); 8: end for 9: end for

Схема 1. Псевдокод алгоритма кластеризации.

В своей работе [6], посвященной выделению сервисов на основе описания архитектуры данных в виде CRUD-матриц с помощью кластеризации, Джамшиди и Мансур выделили ряд метрик, позволяющих оценить выделенные сервисы. После подробного изучения данной работы было принято решение о корректности использования этих метрик в данной работе:

Total Semantic Relationship (TSR). Данная метрика определяется общей суммой семантических отношений кластера:

,

Где k - количество кластеров, m - количество бизнес-процессов в кластере, l - количество ЭД, используемых бизнес-процессом, . Метрика позволяет оценить уровень воздействия на информационные объекты. Влияет на критерий: Уровень взаимодействия с информационными объектами (см. Глава 1).

Internal Semantic Dependency (ISR). Данная метрика определяет связь между парой бизнес-процессов внутри кластера. Значение метрики определяется суммой значений семантических отношений между двумя бизнес-процессами и отражается в матрице зависимостей бизнес-процессов MЗ:

Где i, j - номера элементов в матрице МЗ, - множество элементов данных, используемых бизнес-процессом, . Влияет на критерий: Связность бизнес-процессов. Пример матрицы зависимостей бизнес-процессов представлен на Рисунке 4 .

пример матрицы зависимостей бизнес-процессов, созданной в программе

Рисунок 4. Пример матрицы зависимостей бизнес-процессов, созданной в программе

External Semantic Dependency (ESR). Данная метрика определяет зависимость элементов данных от внешних информационных объектов и выражается в количестве внешних элементов данных (), используемых бизнес-процессами в кластере:

,

Где количество элементов данных, используемых бизнес-процессом в кластере. Влияет на критерий: Зависимость от внешних данных

Считаем, что распределение метрики по кластерам является нормальным [6]. Отклонение от метрики определяется стандартным среднеквадратичным отклонением:

, ,

Где n - количество кластеров, - значение метрики для i - кластера. Значительным отклонением по метрике, требующим внимания аналитика, будем считать 2.

Также особое внимание стоит обратить на кластеры, которые содержат в себе всего один бизнес-процесс. С большой вероятностью, такой бизнес-процесс либо автоматизирован для специфической задачи, либо данное описание не было удалено после редуцирования более крупных элементов.

В данной главе было рассмотрено описание матриц "функции-данные", выделены методы выявления неточностей, способ и метрики кластерного анализа. Приведенные описания и формулы являются логической и математической базой для написания программы.

Глава 3

В этой главе рассматривается описание инструментов и методов, которые были использованы при разработке программы. Особое внимание уделяется описанию технологии OpenXML и особенностям разработки с использованием модели MVVM.

Похожие статьи




Кластеры бизнес-процессов и метрики их анализа - Программа анализа матриц типа "функции-данные" и интерпретации деревьев бизнес-процессов

Предыдущая | Следующая