POLITECNICO DI MILANO DIPARTIMENTO DI ELETTRONICA, INFORMAZIONE E BIOINGEGNERIA DOTTORATO DI RICERCA IN INGEGNERIA DELL’INFORMAZIONE ARTIFACT-DRIVEN BUSINESS PROCESS MONITORING DoctoralDissertationof: GiovanniMeroni Supervisor: Dr. PierluigiPlebani Tutor: Prof. BarbaraPernici TheChairoftheDoctoralProgram: Prof. AndreaBonarini 2018–XXX Inmemoryofmygrandmother,Lidia Acknowledgments I would like to express my gratitude to all the people who helped me on the path towards achieving this dissertation. First and foremost, I would like to thank my supervisor Pierluigi Plebani not only for giving me the opportunity, together with Prof. Luciano Baresi, to start my PhD, but also forhissupport,commentsandusefulfeedbackthroughallmystudy. Ialso thankmytutorProf. BarbaraPerniciforhersupport. I am also grateful to all my colleagues at Politecnico di Milano for pro- vidingafriendlyandstimulatingresearchenvironment,inparticularCinzia Cappiello, Monica Vitali, Florian Daniel, Xuesong Peng, and Mattia Sal- nitri. Likewise, I would like to thank the research group in Information Business at WU Vienna, who hosted me as visiting student, and in partic- ular Prof. Jan Mendling and Claudio Di Ciccio. I am also very thankful to Prof. Marco Montali from Free University of Bözen Bolzano for the researchcollaborationcarriedoutduringmyPhDwork. Additionally, I would like to thank the Italian project ITS 2020 and the Ministero dell’Istruzione dell’Università e della Ricerca (MIUR) for fund- ing my PhD. I would also express my gratitude to the external reviewers, Prof. Massimo Mecella from Università di Roma “La Sapienza” and Prof. BarbaraWeberfromTechnicalUniversityofDenmark,fortheirscrupulous reviewworkandtheirusefulcomments. Finally, I would like to thank my family for their love, understanding, support,andencouragementinundertakingthePhDschool. Abstract T RADITIONALLY, to monitor the execution of a business process, or- ganizations rely on monitoring modules provided by Business Pro- cessManagementSystems(BPMSs),whichautomateandkeeptrack of the execution of processes [38]. While the adoption of a BPMS to mon- itor a single-party, fully-automated business process is straightforward, the same cannot be said for multi-party processes heavily relying on manual activities. In fact, a BPMS requires explicit notifications to determine when activ- ities that are not under its direct control are executed. This requires orga- nizationstofederatetheirBPMSs,acomplextaskthathastobeperformed whenever a new organization participates in the process. Also, when ac- tivities are not automated, human operators are responsible for manually sending notifications to the BPMS, a task that disrupts the operators’ work and,assuch,ispronetobeforgottenorpostponed. To continuously and autonomously monitor multi-party processes in- volving non-automated activities, this thesis proposes a novel technique, named artifact-driven process monitoring. This technique exploits the In- ternet of Things (IoT) paradigm to make the physical objects participating in a process smart. Being equipped with sensors, a computing device, and acommunicationinterface,suchsmartobjectscanthenbecomeself-aware oftheirownconditionsandoftheprocesstheyparticipatein,andexchange this information with the other smart objects and the involved organiza- tions. This way, it is possible for the monitoring infrastructure to stay in closecontactwiththeprocess,andtocrosstheboundariesoftheorganiza- I tions. To be aware of the process to monitor, instead of using activity-centric processmodels,usuallyadoptedbyBPMSs,smartobjectsrelyonanexten- sion of the Guard-Stage-Milestone (GSM) artifact-centric modeling lan- guage, named Extended-GSM (E-GSM). Normally, a BPMS expects the executiontorigidlyadheretotheprocessmodeldefinedinadvance. There- fore, whenever a deviation between the execution and the model is de- tected, a BPMS requires human intervention to resume process monitor- ing. E-GSM, on the other hand, treats the execution flow (i.e., dependen- cies among activities) in a descriptive rather than prescriptive way. Conse- quently,smartobjectscandetectviolationsduringexecutionwithoutinter- rupting the monitoring. Additionally, E-GSM can monitor if the physical objects evolve as expected while the process is executed. Finally, E-GSM provides constructs to determine, based on the conditions of the physical objects,whenactivitiesarestartedorended. Thisthesisalsopresentsanapproachtodeterminetowhichextentsmart objects are suited to monitor a particular process, given their sensing ca- pabilities. To relieve process designers from learning the E-GSM notation, andtoalloworganizationstoreusepreexistingprocessmodels,amethodto instructsmartobjectsgivenBusinessProcessModelandNotation(BPMN) collaborationdiagramsisalsopresented. Finally,aprototypeofanartifact- driven monitoring platform, named SMARTifact, is developed and tested againstbothhistoricalandlivesensordata. II Riassunto T RADIZIONALMENTE, al fine di monitorare l’esecuzione dei propri processi aziendali, le organizzazioni si affidano ai moduli di moni- toraggio dei Business Process Management System (BPMS), stru- mentisoftwarespessogiàimpiegatiperl’automazioneditaliprocessi[38]. Tuttavia, i BPMS mal si prestano al monitoraggio di processi distribuiti tra piùorganizzazioni,econunafortepresenzadiattivitànonautomatizzate. Difatti, un BPMS richiede l’invio di notifiche esplicite per determina- re quando un’attività da esso non controllata viene eseguita. Ciò richiede pertanto, nel caso di processi distribuiti, che le organizzazioni partecipanti federinoipropriBPMS,compitodecisamentecomplessoechedeveessere ripetutoognivoltacheilprocessovieneestesoadunanuovaorganizzazio- ne. Quando invece sono presenti attività non automatizzate, è compito del personale dedicato allo svolgimento di tali attività inviare al BPMS le no- tifiche. Tale compito costringe dunque il personale ad interrompere il loro abitualelavoro,evienepertantofacilmentedimenticatooposticipato. Alfinedipotersuperarequestelimitazioni,questatesiproponeunanuo- va tecnica, chiamata artifact-driven process monitoring, la quale permette di monitorare in modo continuato ed autonomo processi distribuiti e con presenza di attività non automatizzate. Questa tecnica sfrutta il paradig- madell’InternetofThings(IoT)perrendereintelligentiglioggettitangibili che partecipano al processo. Equipaggiando tali oggetti con sensori, un dispositivo di calcolo ed un’interfaccia di comunicazione, è possibile tra- sformarli in smart object e, così facendo, farli diventare consapevoli delle propriecondizioniedicomeilprocessoalqualepartecipanoèorganizzato, III nonchépermetterglidicomunicarequesteinformazioniaglialtrioggettiin- telligentiedalleorganizzazionifacentipartedelprocesso. Inquestomodo, l’infrastruttura di monitoraggio può stare a stretto contatto con il processo, edattraversareiconfinidellesingoleorganizzazioni. Per poter conoscere come il processo da monitorare è strutturato, an- ziché usare modelli di processo activity-centric, solitamente adottati dai Business Process Management System (BPMS), gli smart object utiliz- zano un’estensione del linguaggio artifact-centric Guard-Stage-Milestone (GSM), chiamata Extended-GSM (E-GSM). Di norma, un BPMS si aspet- ta che un processo venga eseguito esattamente secondo quanto riportato in un modello formalizzato anticipatamente. Pertanto, ogni volta che ri- scontra una discrepanza tra modello ed esecuzione effettiva, esso richiede l’intervento di un operatore per poter continuare il monitoraggio. Al con- trario, E-GSM considera il flusso di esecuzione, ovvero le dipendenze tra attività,inmododescrittivoanzichéprescrittivo. Diconseguenza,glismart object sono in grado di rilevare violazioni mentre il processo viene ese- guito senza interromperne il monitoraggio. Oltre a ciò, E-GSM permette anche di monitorare se gli smart object vengono manipolati correttamente durantel’esecuzionedelprocesso. Infine,E-GSMforniscecostruttiperde- finire,inbasealle condizionideglismartobject,quandoleattivitàiniziano oterminano. Questa tesi presenta inoltre un approccio volto a quantificare, in base alle capacità della sensoristica, fino a che punto gli smart object risultano essere adeguati al monitoraggio di uno specifico processo. Al fine di solle- vareiprogettistidiprocessodall’apprendimentodellanotazioneE-GSM,e di permettere il riuso di modelli di processo preesistenti, viene inoltre pre- sentatounmetodoperconfigurareglismartobjectspartendodaidiagrammi collaborativiBusinessProcessModelandNotation(BPMN).Infine,èstato sviluppatounprototipodipiattaformadimonitoraggioartifact-drivenchia- mato SMARTifact, il quale è stato testato utilizzando dati sensoristici sia storicisiaintemporeale. IV
Description: