支持动态联盟的适应性工作流系统

分析了动态联盟企业对信息系统适应性的需求，提出了面向动态联盟的工作流概念模型，该模型的建立，采用了活动分解与分层递阶方法，将工作流系统分解为不同层次的方法，这一方法使每一工作流系统的问题复杂度得到降低，并增强了系统的重构能力，在此基础上，结合基于CORBA的功能封装与代理技术，建立了适应性工作流的系统框架，该框架可支持动态联盟信息系统的重构，软件重用和规模扩充。     

柔性工作流理论方法综述

分析了柔性工作流的内涵,把实现柔性工作流的理论方法分为动态选择、动态细化、动态偏离和动态变更.对每种方法的实现方式进行了深入探讨,并对各种方法的优缺点和适用领域进行了对比分析.指出目前存在的主要问题是工作流的运行机制僵化、模型包含的信息不足以及理论方法的功能不全面,而以数据为中心的流程建模与运行、柔性分布式工作流以及柔性与支持性相结合则分别是柔性工作流在理论方法、应用领域和实践应用三个方面的发展趋势.     

工作流管理系统动态变更模型与实例迁移方法研究

为提高工作流管理系统的柔性,研究了工作流动态变更模型和实例迁移方法.在基于统一建模语言和多色集合的工作流集成建模方法的基础上,建立了工作流动态变更模型,对节点(分支)的增加、删除和结构变化等常见动态变更进行了形式化描述.提出了工作流区域的概念,将当前运行节点和动态变更节点放在同一个层次上排序.基于基本模型结构的简化规则,提出了工作流区域的识别算法和排序规则.按照工作流实例迁移过程中可能采用的迁移策略,提出了支持动态变更的工作流实例迁移方法,并分析了实例迁移前后结构和语义的正确性.最后,以客户订单处理流程为例,验证了以上模型和方法的有效性.     

支持动态联盟的工作流管理

动态联盟构建不仅需要实现信息集成 ,而且需要实现过程集成 ,日益成熟的工作流管理技术为此提供了有效的支持工具。文中首先强调了工作流管理中知识的重要地位 ,提出了一个四视图 (过程、组织、资源和知识 )扩展工作流模型 ,并对动态联盟工作流管理四个视图分别进行了分析。最后给出了基于自治节点的工作流管理系统框架。     

基于Intranet的质量信息管理系统的设计与实现

为实现质量信息管理流程自动化和对质量问题进行有效监控,设计并实现了一个基于Intranet的质量信息管理系统,建立该系统的功能模型和工作流程.在进行质量信息采集的过程中,针对处于工作流监控中的质量表单内容不可修改的问题,提出动态表单技术.系统已在某航天制造企业实施,提高了该企业对质量信息的管理效率.     

基于卡尔曼滤波的动态传感数据流估计方法

在无线传感器网络应用系统中,众多传感器节点以一定的时间间隔不断采集被监测对象的参数,对于数据中心而言,形成了无线传感数据流.同时数据流中的数据模型可能随时间变化,因此形成了动态的传感数据流.针对目前无线传感数据流估计方法中存在的估计精度较低、模型更新不及时和计算复杂度高等问题,提出了基于卡尔曼滤波的动态无线传感数据流估计方法.采用卡尔曼滤波实现估计模型的动态调整,为了降低数据流估计的计算复杂度,采用基于相关分析的多元线性回归估计方法,将卡尔曼滤波和多元线性回归模型有机结合,实现对动态无线传感数据流的准确估计.采用实际传感数据的估计实验结果表明,提出的基于卡尔曼滤波的动态传感数据流估计方法可有效实现动态传感数据流的估计.     

基于Web工作流的质量控制系统模型的研究

针对传统工作流对动态联盟企业分布式异构环境支持不足和难以标准化的缺陷,采用Web Services技术建立了支持动态联盟企业协同的Web工作流模型,研究了模型的体系结构、基于WSFL的工作流元模型描述,以及任务分解策略与协调控制机制。在此基础上设计了面向制造过程的质量控制系统模型,对系统与平台的集成策略、质量信息的统一表示等技术加以研究,可以满足联盟企业的跨平台系统重组、协调、信息交互和质量控制等要求。最后,以卫星的合作生产实例验证了模型的有效性。     

基于制造能力的工作流模型研究

工作流模型是工作流管理系统的核心和基础,许多方法可以应用于建模过程,但是这些方法缺少对制造过程,尤其是网络化制造过程的有力支持,不能满足制造领域工作流建模的要求。通过对现有面向制造工作流模型的改进,提出一种新的模型,包括四个子模型:基于多色集合理论构建过程模型,实现过程元素的分离,提高模型定义的动态性;基于Web服务的能力模型提供制造能力的服务;从用户角度出发,约束模型建立评价服务和流程的相对指标;通信模型以SOAP为基础保证模型的信息交互通畅。提出的基于制造能力的工作流模型适合于组织松散耦合、模型动态构建、信息分布定义的网络化制造环境。     

一种多维不确定性数据流聚类算法

目前在很多不确定性数据流聚类方法研究中,存在着聚类模型和数据流的数据模型失配问题,且它们往往假定不确定性数据的概率密度函数、概率分布函数或者概率是已知的,然而这些信息在实际系统中很难获得.鉴于此,本文提出一种基于区间数的多维不确定性数据流聚类算法(UIDMicro).在该算法中,首先利用区间数结合不确定性数据的统计信息表示多维不确定性数据流,然后采用“当前簇”和“候选簇”两层簇窗口对不确定性数据流进行聚类,通过动态调整两层簇窗口实现聚类模型和数据模型的实时匹配.实验结果表明,该方法具有较高的聚类精度和处理效率.     

工作流挖掘研究的现状与发展

首先分析了工作流挖掘的发展,探讨了工作流挖掘的重要价值。在此基础上,按照挖掘内容把工作流挖掘分为工作流模型重构、工作流的监控与评价、组织视图挖掘等,并对每类研究进行了分析。最后,总结了目前工作流挖掘存在的问题和主要应用领域。