Utilisation de l'IdO et de l'apprentissage automatique avec BPMN 2.0 pour créer des flux de travail

Traditionnellement, les processus commerciaux ont utilisé l'Internet des objets (IoT) comme source de distribution de données. Cependant, la norme actuelle BPMN 2.0 (Business Process Model and Notation) offre une prise en charge à la fois des modeleurs et de l'IoT pour générer du code faible pour les dispositifs IoT et exécuter certains aspects de la logique commerciale. 

BPMN 2.0 est une norme créée et maintenue par le groupe Object Management qui utilise la notation graphique pour une communication cohérente des processus métier. Cet article se concentrera sur l'utilisation de l'IdO et de l'apprentissage machine avec BPMN 2.0 pour créer des flux de travail et le processus de communication entre le moteur d'exécution et les dispositifs IdO.

Les processus d'entreprise peuvent utiliser l'IOT et le ML pour la prise de décision basée sur les données

De nombreuses organisations ont augmenté leur utilisation des processus d'entreprise pour optimiser leurs flux de travail. Un processus d'entreprise est un ensemble d'activités, de tâches, de ressources et de parties prenantes qui collaborent, dans l'intention de manifester un résultat qui produit de la valeur pour l'entreprise et le client. Des domaines tels que la chaîne d'approvisionnement, l'accueil des clients, l'ouverture de comptes et autres peuvent également bénéficier d'un avantage concurrentiel grâce aux dispositifs IdO. Comment ? Eh bien, les processus d'entreprise peuvent utiliser les dispositifs IdO et l'apprentissage machine pour la détection, la saisie de données, le stockage de données, l'actionnement et pour optimiser l'exécution de décisions fondées sur des données. En fait, l'IdO et l'apprentissage machine peuvent filtrer les données du monde réel pour prendre des décisions au niveau local, là où une gestion et une coordination centralisées ne sont pas nécessaires. Cependant, comme les dispositifs IdO sont naturellement hétérogènes, la décentralisation nécessite une conception et une exécution réfléchies.

BPMN 2.0 offre déjà aux modélisateurs la possibilité de définir l'IdOL'apprentissage machine et les processus commerciaux utilisent des pools variés et sont spécifiés par des diagrammes de collaboration. Cependant, il est nécessaire de les relier par un code de programmation exécutable par l'IdO et l'apprentissage machine. Ensuite, il faut choisir le bon langage, exécuter le code et le déployer dans les dispositifs d'IdO. La classe de performance BPMN 2.0 peut ensuite être utilisée pour définir les dispositifs IdO qui participeront au processus métier. Il est essentiel de disposer d'un code exécutable portable utilisé par les différents dispositifs IdO, même pour l'assistance à distance et la programmation.

L'IdO et l'apprentissage machine utilisent différentes formes de communication

Généralement, les services web fournissent un IdO et un apprentissage automatique du lien avec les processus commerciaux avec des détails de bas niveau. Les langages modèles prennent déjà en charge les services web et offrent une approche centralisée. En outre, les fonctionnalités de l'IdO sont émises sous la forme de services web, qui peuvent être mis en œuvre par des outils SOA ou des intergiciels. D'autre part, des Les extensions BPMN 2.0 peuvent inclure un modèle de processus spécifique à l'IdO.

Par exemple, une interface utilisateur graphique (IU) peut permettre de concevoir des processus IdO à partir d'un portail centralisé tout en les envoyant directement sous forme de séquence d'appels d'opération aux dispositifs IdO prévus en utilisant des protocoles de communication propriétaires. 

Faire de l'IdO et de l'apprentissage machine des participants actifs dans la création de flux de travail

Invariablement, l'IdO et l'apprentissage machine peuvent fonctionner conjointement pour gérer et exécuter des tâches dans le cadre de flux de travail, améliorant ainsi l'évolutivité et réduisant le nombre d'échanges de messages nécessaires. Néanmoins, l'utilisation de l'IdO et de l'apprentissage machine avec BPMN 2.0 pour créer des flux de travail nécessite un cadre unifié. BPMN 2.0 définit le comportement de l'IdO pour le ciblage du code spécifique à l'IdO. Un code différent est généré en fonction du dispositif IoT. Utilisez la classe de ressources BPMN 2.0 pour ajouter des informations sur le dispositif IoT. 

Modélisation de l'IdO et du comportement d'apprentissage des machines

LeBPMN définit le comportement et l'interaction en utilisant différents pools ainsi que des diagrammes de collaboration. Vous pouvez ainsi utiliser les éléments standard de BPMN 2.0 pour modéliser l'IdO et le comportement d'apprentissage de la machine. Considérez les éléments suivants :

• Contrôle des flux : Événements, activités et passerelles
• Connecter les objets : Séquence et flux de messages
• Données : Objets de données

Vous pouvez ensuite utiliser des tâches de script pour lire les capteurs de l'IdO et modéliser l'activation du flux de travail. De plus, la classe Performer peut définir quelle ressource effectue les processus. Et le dispositif IoT peut être défini de trois façons :

• Adresse
• Opérations
• deviceType

Ensuite, traduire les processus BPMN 2.0 en code exécutable qui se déploie et s'exécute dans les dispositifs IoT et l'apprentissage machine. Cela permet d'utiliser un code qui se modèle avec une sémantique formelle bien établie et qui rend le code exécutable portable pour l'IdO et l'apprentissage machine. Vous pouvez également installer le code mobile dans des appareils IdO à distance. Ainsi, les messages d'événement de démarrage peuvent se traduire par des appels de fonction pour déclencher des processus et des flux de travail. N'oubliez pas que l'IdO et l'apprentissage machine sont toujours prêts à répondre à de nouvelles demandes.

Le point de départ est sans aucun doute une validation de principe réussie. L'IdO utilisable et l'apprentissage machine peuvent être facilités par les services en nuage et au sens architectural du terme. L'introduction de l'IdO et de l'apprentissage machine dans des flux de travail entièrement manuels n'est pas la transition la plus facile. Utilisez ces questions pour déterminer si un flux de travail est prêt pour l'IdO et l'apprentissage machine :

1. Quelle est la fréquence d'exécution de ce flux de travail ?
2. Quel est le coût des activités ?
3. Quelle est la durée d'exécution nécessaire ?
4. Serait-il judicieux d'automatiser l'entrée et la sortie des activités individuelles ?

Par exemple, l'IdO et l'apprentissage machine peuvent tirer des enseignements de l'histoire de la classification manuelle des dossiers commerciaux entrants et les classer de manière similaire. Une mesure clé cible doit être fournie et optimisée. Un taux de réussite décrirait le nombre de classifications exactes par rapport aux classifications inexactes. Le flux de travail s'améliore lorsque le taux de réussite augmente. Par conséquent, vous souhaitez que l'IdO et l'apprentissage machine maximisent le taux de réussite. Les objectifs de conception du flux de travail devraient être les suivants :

• Simplicité (utiliser une approche basée sur des règles)
• Déterminisme
• Explicabilité (détection des anomalies)

Tout d'abord, utilisez un système d'aide à la décision où les décisions humaines sont requises avant que l'IdO et l'apprentissage machine ne soient impliqués. Souvent, ce type de système d'aide peut accroître la transparence en cas de malentendu, d'erreur ou de partialité. L'IdO avec apprentissage machine peut servir de contrôle de la qualité pour toute décision, qu'elle soit de faible ou de forte importance, c'est-à-dire pour l'approbation de prêts, la conformité, les processus de ressources humaines et la détection des fraudes. L'IdO et l'apprentissage machine peuvent ensuite être formés de manière cohérente avec de nouvelles données lorsque cela est nécessaire. 

Par exemple, une pandémie a affecté toutes les opérations et tous les flux de travail des entreprises dans le monde entier. Toutefois, lorsque la pandémie COVID-19 deviendra endémique, de nouveaux processus et de nouvelles données seront disponibles pour garantir la pertinence des conditions actuelles du marché. D'autres scénarios, tels que les nouvelles marques de dispositifs médicaux ou les nouveaux modèles de voitures, nécessitent une collaboration entre les décisions prises par l'homme et l'apprentissage machine.

Dernière réflexion

L'IdO et l'apprentissage machine offrent des possibilités intéressantes d'améliorer BPMN 2.0 dans la création de flux de travail. Les processus d'entreprise peuvent bénéficier des capacités de détection, des fonctions de mise en réseau et des capacités d'apprentissage machine des dispositifs IdO. En traduisant BPMN 2.0 en code portable, vous pouvez combiner avec succès l'IdO, l'apprentissage machine et BPMN 2.0.