过程挖掘（Process Mining）3——控制流表示式的流程建模语言（1）：建模的意义与流程模型的作用

建模和流程模型的重要性（太长可跳过）

    今天，计算和通讯的革新依然是驱动业务流程变化的主要动力，因此业务流程变得越来越复杂，并且严重依赖于信息系统，且可能跨越多个组织，于是流程建模变得至关重要。流程模型通过提供见解和记录程序的方式来辅助管理的复杂性，信息系统需要被精确的指令配置和驱动，跨组织流程只有在对所需交互达成共识的情况下才能运作正确。因此，流程模型在今天仍在很多组织中得到广泛使用。
    业务管理（Operations Management），尤其是运筹学，是严重依赖于建模的管理科学的一个分支。这里使用了各种数学模型，从线性规划和项目计划到排队模型、马尔可夫链和仿真，例如，使用线性规划确定仓库的位置、基于排队模型添加服务器容量、并使用整数规划确定集装箱码头中的最佳路线。模型用于推理流程（重新设计）并在流程内部做出决策（计划和控制）。 业务管理中使用的模型通常针对特定的分析技术而定制，仅用于回答特定的问题。与之相反，BPM中的流程模型则通常具有多种用途。 BPMN中表达的流程模型可用于讨论职责、分析合规性、使用仿真预测性能以及配置WFM系统。但是，BPM和业务管理的共同点是，建立一个好的模型是“一门艺术，而不是一门科学”。 因此，创建模型是一项困难且容易出错的任务。 典型的错误包括：
•模型描述了现实的一个理想版本。在建模过程中，设计人员倾向于专注于“正常”或“理想”行为。而且，人们的看法可能会有所偏差，具体取决于他们在组织中的角色。手工制作的模型往往是主观的，并且常常为了使内容易于理解而使事情变得过于简单。
•无法充分捕捉人类行为。尽管简单的数学模型可能足以对机器或装配线中的人员进行建模，但在对涉及多个流程且面临多个优先级的人员进行建模时，它们是不足的。涉及多个流程的工人需要将注意力分散到多个流程上，这使得很难单独建模一个过程。工人也不会以恒定的速度工作。一个众所周知的例子就是所谓的Yerkes-Dodson法则，它描述了工作量和人员绩效之间的关系。在大多数过程中，人们可以很容易地观察到，如果几乎没有工作要做，人们将花费更多的时间来完成一项任务，并且每天有效地减少工作时间。尽管如此，大多数仿真模型都从固定的概率分布中采样服务时间，并使用固定的时间窗口来获得资源。
•该模型处于错误的抽象等级（abstraction level）。根据输入数据和需要回答的问题，需要选择合适的抽象级别。该模型可能过于抽象，因此无法回答相关问题。该模型也可能太详细，例如，无法获得所需的输入，或者该模型变得太复杂而无法完全理解。例如，考虑一家汽车制造商，其仓库包含数千个备件。在模拟研究中将所有模型建模以比较不同的库存策略可能很诱人。但是，如果不是要针对特定​​的备件发表声明，那是不明智的。通常，更改现有模型的抽象级别非常耗时。不幸的是，问题可能出现在不同的粒度级别。
    这些只是组织在手工制作模型时面临的一些问题。只有经验丰富的设计师和分析师才能制作出具有良好预测价值的模型，并且可以将其用作（重新）实现或重新设计的起点。模型不足会导致错误的结论。因此，我们建议使用事件数据。流程挖掘允许根据事实提取模型。 而且，过程挖掘并非旨在创建过程的单个模型，而是在不同的抽象级别上提供了关于同一现实的各种观点。 例如，用户可以决定查看最频繁的行为以获得简单模型（“80％模型”）。但是，他们还可以通过推导涵盖所有观察到的案例的“100％模型”来检查整个行为。同样，可以更改抽象级别以创建不同的视图。流程挖掘还可以揭示组织中的人员并不充当“机器”。一方面，可能表明发生了各种效率低下的情况。另一方面，过程挖掘还可以可视化某些工人在处理问题和变化的工作量方面的显着灵活性。

流程模型的作用