将 IoT 和机器学习与 BPMN 2.0 结合使用来创建工作流

作者:Alphaflow BPM 时间:2021-07-07 浏览 :1025

传统上,业务流程使用物联网 (IoT) 作为数据分发的来源。但是,当前的业务流程模型和符号 (BPMN 2.0) 标准为建模者和物联网提供支持,以生成物联网设备的低代码并执行业务逻辑的各个方面。


BPMN 2.0 是由对象管理组创建和维护的标准,它利用图形符号来实现一致的业务流程通信。本文将重点介绍在 BPMN 2.0 中使用 IoT 和机器学习来创建工作流以及执行引擎和 IoT 设备之间的通信过程。



业务流程可以使用 IOT 和 ML 进行数据驱动的决策


许多企业增加了对业务流程的使用,以优化其工作流程。业务流程是协作的活动、任务、资源和利益相关者的集合,旨在体现为业务和客户创造价值的结果。供应链、客户入职、开户等领域也可以通过物联网设备获得竞争优势。如何实现呢?业务流程可以使用物联网设备和机器学习进行传感、数据捕获、数据存储、驱动,并优化数据驱动决策的执行。事实上,物联网和机器学习可以过滤现实世界的数据,在不需要集中管理和协调的地方做出本地决策。然而,由于物联网设备自然是异构的,去中心化需要深思熟虑的设计和执行。


BPMN 2.0 已经为建模者提供了使用不同池定义物联网、机器学习和业务流程的选项,并通过协作图指定。尽管如此,这需要通过物联网和机器学习可执行的编程代码进行连接。然后,选择正确的语言,执行代码,并将其部署到物联网设备中。可以使用 BPMN 2.0 执行器类来定义哪些 IoT 设备将参与业务流程。让各种物联网设备(甚至是远程支持和编程)使用的可移植可执行代码至关重要。


物联网和机器学习使用不同形式的通信


通常,Web 服务为 IoT 和机器学习提供了与具有低级详细信息的业务流程的链接。模型语言已经支持 Web 服务并提供集中式方法。此外,物联网功能作为 Web 服务发布,可以通过 SOA 工具或中间件实现。另一方面,特定的 BPMN 2.0 扩展可能包括特定于 IoT 的流程模型。


例如,图形用户界面 (UI) 可以在从集中式门户设计 IoT 流程时提供可扩展性,同时使用专有通信协议将它们作为操作调用序列直接发送到预期的 IoT 设备。


让物联网和机器学习成为创建工作流程的积极参与者


物联网和机器学习总是可以协同工作来管理和执行工作流中的任务,提高可扩展性,并减少必要的消息交换次数。尽管如此,使用物联网和机器学习与 BPMN 2.0 来创建工作流需要一个统一的框架。 BPMN 2.0 定义了面向 IoT 设备特定代码的 IoT 行为。根据物联网设备生成不同的代码。使用 BPMN 2.0 资源类添加 IoT 设备信息。


建模物联网和机器学习行为


BPMN 通过使用不同的池以及协作图来定义行为和交互。因此,您可以使用标准 BPMN 2.0 元素对 IoT 和机器学习行为进行建模。考虑以下要素:


1.流控制:事件、活动和网关

2.连接对象:序列和消息流

3.数据:数据对象


然后,您可以使用脚本任务读取 IoT 传感器并对工作流的激活进行建模。此外,还可以定义执行进程的资源。而且,物联网设备可以通过三种方式定义:


1.地址

2.操作类型

3.设备类型

接下来,将 BPMN 2.0 流程转换为可在 IoT 设备和机器学习中部署和执行的可执行代码。它有助于使用通过完善的形式语义对自身进行模式化的代码,并为物联网和机器学习制作可移植的可执行代码。您还可以远程将移动代码安装到 IoT 设备中。因此,启动事件消息可以转换为函数调用以触发流程和工作流。请记住,物联网和机器学习随时随地满足了新的要求。


毫无疑问,可用的物联网和机器学习可以通过云服务和架构上得到促进。将物联网和机器学习引入全手动工作流并不是轻松的过渡。企业需要考虑使用这些问题来指导工作流是否已为物联网和机器学习做好准备:


1.此工作流程多久执行一次?

2.投入费用是多少?

3.需要多少运行时间吗?

4.将单个活动的输入和输出自动化是否有意义?


举例来说,物联网和机器学习可以从传入业务文件的手动分类中学习,并对其进行类似的分类。这需要提供并优化目标关键指标。命中率将描述准确与不准确分类的数量。当命中率上升时,工作流程会得到改善。因此,您希望物联网和机器学习能够最大限度地提高命中率。工作流设计目标应如下:


1.简单性(使用基于规则的方法)

2.决定论

3.可解释性(异常检测)


首先,使用以人为本的决策支持系统,在涉及物联网和机器学习之前需要人工决策。通常,这种类型的支持系统可以提高错误或误解的可见度。具有机器学习功能的物联网可以作为任何决策的质量控制,无论是低级别还是高风险,例如贷款批准、合规、人力资源流程和欺诈的检测。然后,可以在需要时使用新数据一致地训练物联网和机器学习。


总结


物联网和机器学习为增强 BPMN 2.0 创建工作流提供了广阔的机会。业务流程可以受益于物联网设备的传感功能、网络功能和机器学习能力。通过将 BPMN 2.0 翻译成可移植代码,您可以成功地结合物联网、机器学习和 BPMN 2.0。


微宏科技-AlphaFlow BPM工作流程管理平台

 电话:400-888-6861     

  https://www.alphaflow.cn/