[论文解读] Human Task Monitoring and Contextual Analysis for Domain Specific Business Processes

Kunal Suri, Adrian Mos|arXiv (Cornell University)|Oct 18, 2016

Business Process Modeling and Analysis被引用 4

一句话总结

本文提出了一种以概念为中心的人工任务监控与情境分析（HTMCA）框架，通过将任务执行模式与用户工作量相关联，利用概念探针增强特定领域业务流程中的工作量理解。该框架扩展了与供应商无关的BPM监控，通过分析人工任务中涉及的多种业务实体，为优化人力密集型流程中的人力资源绩效提供可操作的洞察。

ABSTRACT

Monitoring the execution of business processes and activities composing them is an essential capability of Business Process Management (BPM) Suites. Human tasks are a particular type of business activities, and the understanding of their execution is essential in effectively managing both the processes and human resources. This paper proposes a monitoring framework with a capability to monitor and analyze the human tasks in a domain specific setting and contextually correlate the task execution patterns to the workload distribution on human users. The framework uses the notion of concept probes that match the business concepts used in definition of business processes. The proposed human task monitoring and contextual analysis (HTMCA) component considers multiple artifacts involved in the execution of a human task, rather than focusing only on classic activity/task metrics retrieved from BPM engines.This approach aspires to provide two main advantages to organizations using it. Firstly, it enhances the understanding of the workload of human users that participate in people-intensive business processes under various roles. Secondly, it gives organizations tools and insight for fine-tuning their user performance taking into account the specific context of their business various artifacts domains. The proposed framework builds on previous work that lays the basis of vendor-independent, concept-centric BPM monitoring, and provides the critical missing element of human task understanding. This has the potential to significantly benefit any BPM deployment and the validation work is in advanced stages of building a full prototype that demonstrates this value in a realistic industrial setting.

研究动机与目标

• 解决BPM套件中缺乏情境感知的人工任务监控问题，特别是在人力密集型流程中。
• 增强对特定领域业务流程中不同角色用户工作量的理解。
• 为组织提供基于情境化业务实体和任务模式的工具，以精细化调整用户绩效。
• 通过整合与业务流程定义一致的概念探针，弥合现有BPM监控中的差距。
• 开发一种与供应商无关、以概念为中心的监控解决方案，捕捉比传统指标更丰富的任务执行情境。

提出的方法

• 该框架采用概念探针，将流程定义中使用的业务概念进行匹配，以识别并提取相关任务数据。
• 它分析人工任务执行中涉及的多种实体——不仅限于基本活动指标，还包括文档、数据记录和事件日志等。
• HTMCA组件将任务执行模式与不同角色和领域中的用户工作量分布相关联。
• 它采用以概念为中心的方法，实现与供应商无关的监控，确保在各类BPM平台上的兼容性。
• 该框架通过扩展现有BPM套件的监控能力，集成上下文感知的业务特定概念，实现与现有系统的集成。
• 它通过在工业环境中验证的原型实现，展示了该框架在实际应用中的可行性与性能优势。

实验结果

研究问题

• RQ1 如何增强人工任务监控，以准确反映特定领域业务流程中用户实际的工作量分布？
• RQ2 业务实体和概念在提升人工任务执行情境理解方面发挥什么作用？
• RQ3 如何有效利用概念探针，在与供应商无关的前提下，将任务模式与用户工作量相关联？
• RQ4 对人工任务的情境化分析在哪些方面可实现更好的性能调优与资源管理？
• RQ5 HTMCA框架相较于仅依赖基本任务指标的传统BPM监控有何改进？

主要发现

• HTMCA框架通过将任务执行模式与人力密集型流程中不同角色的用户工作量相关联，成功提升了工作量的可见性。
• 与传统的基于指标的方法相比，使用概念探针能够实现更准确且情境相关的监控。
• 通过结合业务实体与任务执行数据的分析，该框架为性能调优提供了可操作的洞察。
• 在工业环境中的验证证明了该框架在实际BPM部署中的实用价值与可行性。
• 原型实现证实了该框架能够超越标准BPM监控能力，提供有意义的、领域特定的洞察。
• 该方法使组织能够基于情境化任务模式，做出关于人力资源配置与绩效优化的数据驱动决策。