artifact-driven business process monitoring

216 Pages·2017·10.88 MB·English

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