两种业务流程建模方法的分析与比较

两种业务流程建模方法的分析与比较

付燕宁, 刘磊, 陈伟

吉林大学计算机科学与技术学院, 长春 130012

收稿日期:2007-02-09 修回日期:1900-01-01 出版日期:2007-11-26 发布日期:2007-11-26
通讯作者: 刘磊

Analysis and Comparison of Two Methods for Modeling Business Process

FU Yanning, LIU Lei, CHEN Wei

College of Computer Science and Technology, Jilin University, Changchun 130012, China

Received:2007-02-09 Revised:1900-01-01 Online:2007-11-26 Published:2007-11-26
Contact: LIU Lei

摘要/Abstract

摘要： 通过对同一业务流程两种不同实现版本的分析与比较, 给出了业务流程定义语言(BPDL)在业务流程定义上的优缺点. 分析结果表明，虽然采用BPDL开发活动流的效率不如传统方法, 但BPDLs在活动流开发及修改上均优于传统方法, 并且BPDL流程的执行效率随着BPDL执行机的成熟而提高.

关键词: 业务流程定义语言, 业务流程, 活动流

Abstract: Two implemented versions for the same business process were analyzed and compared to each other, and the advantages and disadvantages in defining business processes with BPDLs were concluded. The result shows that although the efficiency of the activity flow developed by BPDLs is not better than that developed by a traditional method, BPDLs are more convenient to develop and modify the activity flow than traditional methods, and the efficiency of the BPDL process is improved as the BPDL execution engine gets more mature.

Key words: business process definition language, business process, activity flow

中图分类号:

TP311

付燕宁, 刘磊, 陈伟. 两种业务流程建模方法的分析与比较[J]. J4, 2007, 45(06): 990-994.

FU Yanning, LIU Lei, CHEN Wei. Analysis and Comparison of Two Methods for Modeling Business Process[J]. J4, 2007, 45(06): 990-994.

[1]	杨光, 贾焱鑫, 陈翔, 许舒源. 基于深度学习的Stack Overflow问题帖分类方法[J]. 吉林大学学报(理学版), 2021, 59(4): 922-928.
[2]	李芳, 曲豫宾, 陈翔, 李龙, 杨帆. 一种基于类不平衡学习的情感分析方法[J]. 吉林大学学报(理学版), 2021, 59(4): 929-935.
[3]	曲豫宾, 陈翔, 李龙. 可缓解类重叠问题的跨版本软件缺陷预测方法[J]. 吉林大学学报(理学版), 2021, 59(2): 372-378.
[4]	何锴琦, 马宇骁, 张炎, 刘华虓. 一种基于数据的GitHub项目个性化混合推荐方法[J]. 吉林大学学报(理学版), 2020, 58(6): 1399-1406.
[5]	胡黄水, 赵思远, 刘清雪, 王出航, 王婷婷. 基于动量因子优化学习率的BP神经网络PID参数整定算法[J]. 吉林大学学报(理学版), 2020, 58(6): 1415-1420.
[6]	穆翔宇, 范钰, 李苏吉, 张鹏, 刘磊. 一种基于梯度下降算法的蜕变关系生成方法[J]. 吉林大学学报(理学版), 2020, 58(6): 1429-1435.
[7]	王壹铭, 初剑峰, 王永军, 陈彦东. 基于有向无环图的高效区块链共识算法[J]. 吉林大学学报(理学版), 2020, 58(5): 1167-1172.
[8]	骆焦煌. 基于卷积神经网络的粗粒度数据分布式算法[J]. 吉林大学学报(理学版), 2020, 58(4): 906-912.
[9]	吴春琼. 面向大规模数据的特征趋势推理算法[J]. 吉林大学学报(理学版), 2020, 58(2): 364-370.
[10]	楚玺, 周志祥, 邓国军, 邵帅. 模糊图像的不连续边缘智能检测改进算法[J]. 吉林大学学报(理学版), 2019, 57(04): 875-881.
[11]	刘良凤, 刘三阳. 基于权重差异度的动态模糊聚类算法[J]. 吉林大学学报(理学版), 2019, 57(3): 574-582.
[12]	魏晓辉, 许国威, 王兴旺, 徐海啸. 基于节点相似性和链接次数组合时间序列的链接预测[J]. 吉林大学学报(理学版), 2019, 57(3): 583-590.
[13]	刘久彪. 空间数据库反向最近邻聚类方法[J]. 吉林大学学报(理学版), 2019, 57(2): 387-392.
[14]	张世铮. 基于位移Hermite分裂的图像恢复算法[J]. 吉林大学学报(理学版), 2019, 57(1): 97-104.
[15]	王晓天, 边思宇. 基于遗传算法和神经网络的PID参数自整定[J]. 吉林大学学报(理学版), 2018, 56(4): 953-958.