CC BY
36
Юрий Маркович Зельдин
канд. техн. наук
заведующий отделом ИУС
АО «АтлантикТрансгазСистема»
Россия, Москва
Эл. почта: zeldin@atgs.ru
К.В. Станиславчик
к.э.н, генеральный директор
АО «Нефтегазавтоматика»
Россия, Москва
Эл. почта: nga@rtnga.com
Антон Сергеевич Хадеев
к.т.н., главный специалист
АО «АтлантикТрансгазСистема
Россия, Москва
Эл. почта: khadeev@дtss. т
В.В. Котов
зам. ген. дир.
АО «Нефтегазавтоматика»
Россия, Москва
Эл. почта: kotov@rtnga.com
Yury Zeldin
Candidate of Engineering Sciences
Head of SCADA and HMI
A tlanticTransgasSystem
Russian Federation, Moscow
E-mail: zeldin@atgs.ru
K. V. Stanislavchik
Ph.D., General Director
Neftegazavtomatika
Russia, Moskau
E-Mail: nga@rtnga.com
Anton Khadeev
Ph.D., Chefspezialist
AtlanticTransgazSystem
Russia, Moscow
E-Mail: khadeev@atgs.ru
Victor Kotov
Deputy Director General
Neftegazavtomatika
Russian Federation, Moscow
E-mail: kotov@rtnga.com
УДК 519.876.2 М. Г. Доррер
ГРНТИ 28.17.31 СибГУ им. М.Ф.Решетнева
DOI: 10.47501/ITNOU.2021.1.35-43
РЕАЛИЗАЦИЯ ЦИФРОВОГО ДВОЙНИКА БИЗНЕС-ПРОЦЕССОВ НА БАЗЕ СИСТЕМЫ ELMA
В данной работе описан прототип цифрового двойника модели бизнес-процессов. Для прогнозирования параметров используется аппарат GERT-сетей. В качестве технической платформы использована BPMS ELMA. Структура и параметры GERT-модели непрерывно актуализируются на основании базы данных ELMA. Ключевые слова: бизнес-процесс, цифровой двойник, GERT
M.G. Dorrer
SibSU von M.F.Reshetnev
ELMA-BASED DIGITAL BUSINESS PROCESS DOUBLE
This paper describes a prototype of a digital twin of a business process model. The apparatus of GERT networks are used to predict the parameters. BPMS ELMA was used as a technical platform. The structure and parameters of the GERT model are continuously updated based on the ELMA database.
Keywords: business process, digital twin, GERT Введение
Современное состояние цифровизации управления бизнес-процессами характеризуется наличием целого ряда проблем:
Недостаточно представлена связь интеграции систем управления по уровням («организационная шизофрения» по определению Нортона и Каплана[1]).
В мероприятиях по стратегическому и тактическому планированию используется моделирование и симуляция [2], что делает модель сложнее, дороже и требовательнее в плане инфраструктуры.
Существующие имитационные модели бизнес-процессов обеспечивают только анализ альтернатив (What-If-анализ), не показывая направлений улучшения аналитически.
Существующие инструменты анализа моделей, такие как ProM и ARIS PPM позволяют анализировать фактическое поведение бизнес-процесса [3], но не предоставляют аналитических инструментов формирования оптимальных решений по улучшению процессов.
В настоящее время в рамках внедрения Индустрии 4.0 во многих отраслях ведется активное внедрение технологии цифровых двойников (ЦД), в английском варианте Digital Twins (DT). В работе [4] приведены наиболее употребляемые определения ЦД, одно из которых выглядит следующим образом «Цифровой двойник является живой моделью физического актива или системы, которая постоянно адаптируется к операционным изменениям на основе собранных онлайн данных и информации, и может прогнозировать будущее соответствующего физического аналога».
В соответствии с данным определением цифровой двойник требует наличия соответствующего физического двойника для получения данных и контекстного взаимодействия. Модель виртуальной системы в цифровом двойнике может меняться в режиме реального времени по мере изменения состояния физической системы (в процессе ее функционирования).
Как видно из обзора [5], концепция цифрового двойника распространяется на все более сложные объекты реального мира, такие как города, предприятия или страны, для поддержки конкретных финансовых или других процессов принятия решений. Так, компания Gartner предложила концепцию цифрового двойника предприятия (Digital Twin of Organization, DTO) [6] - динамическую программную модель предприятия, основанная на операционных и / или других данных, чтобы понять, как предприятие реализует свою бизнес-модель, реагирует на изменения и использует ресурсы для получения ожидаемой ценности для клиента.
Такие операции, как анализ и моделирование, могут затем применяться к цифровому двойнику организации в целом, представляющему собой более высокий уровень абстракции, чем отдельно взятые цифровые двойники продукта или технологического процесса.
Для решения задачи численного моделирования и прогнозирования параметров бизнес-процессов привлекательным решением выглядит применение аппарата стохастических GERT-сетей, представляющий собой метод стохастического сетевого анализа, используемый в управлении проектами и работами и позволяющий при помощи вероятностных оценок анализировать как логику сети работ, так и оценку значений аддитивных параметров. Метод был предложен в 1966 году доктором Аланом Б. Прицкером [7]. Подробное описание моделей и алгоритмов GERT-сетей представлено в работах Филлипса [8], Neumann [9], Pritsker [7]. Значительный вклад в развитие аппарата GERT-сетей в России внес Александр Шибанов [10].
Попытки исследования бизнес-процессов на основе GERT-сетей были предприняты J. Barjis [11], K. Aytulun [12]. Barjis и Dietz [11] моделируют бизнес-процессы на основе разработанной ими методологии DEMO, основанной на стандарте BPM. Ряд решений, направленных на моделирование числовых параметров бизнес-процессов предложены в
работах [13], [14]. Решение задачи численного моделирования при помощи GERT-сетей бизнес-процессов, описанных в нотации ARIS EPC приведено в работах [15], [16].
Таким образом, решения проблем процессного управления предлагается достигнуть с помощью разработки цифровых двойников бизнес-процессов на основе стохастических GERT-сетей. От таких цифровых двойников ожидается, что они позволят обеспечить повышение интегрированности и скоординированности управления бизнес-процессами.
Предлагаемые методы
Концепция цифрового двойника бизнес-процесса
Представленное в данной работе решение является частью концепции ЦДБП -цифрового двойника бизнес-процесса (DTBP, Digital Twin of a Business Process) как части модели цифрового двойника организации (DTO, Digital Twin of an Organization). В соответствии с Рис. 2 разработанное решение обеспечивает автоматическую передачу данных с точек ввода данных (конфигурации бизнес-процесса и подсистемы учета исполнения операций автоматизированной системы управления бизнес-процессами) в цифровую тень модели организационной зрелости и онлайн автоматическое уточнение параметров имитационной стохастической GERT-модели бизнес-процесса. Такой подход позволяет характеризовать предложенное решение как высокоточную модель.
Рисунок 1. Модель функциональных требований к ЦДБП (SysML Use-Case)
ЦДБП предлагается использовать в управлении организацией для достижения следующих бизнес-целей организации:
Онлайн-отслеживание состояния системы управления бизнес-процессов, идентификация отклонений в параметрах бизнес-процессов и адаптационного напряжения;
Выявление потерь и проблемных ситуаций в бизнесе и анализ их причин;
Формирование управляющих воздействий по улучшению бизнес-процессов в части:
Выявления и устранение отклонений в бизнес-процессах;
Реакции на кризисные состояния системы;
Вложения ресурсов в повышение уровней зрелости;
Формирования предложений по устранению причин рисков бизнес-процессе и потерь в эффективности.
Предложенный набор функций ЦДБП см. рис. 1.
Данный набор функций базируется на концепции цифрового двойника, изложенной в работе [17]. Концептуальная модель ЦДБП детально описана в работах [18] [19].
Реализация прогностической системы ЦДБП в системе ELMA
Прогностическая система ЦДБП была реализована как самостоятельный бизнес-
процесс в рамках конфигурации ELMA. Был введен самостоятельный бизнес-процесс «Прогноз показателей процесса» (его модель в нотации BPMN показана на рис.2).
Первым шагом в процессе сотрудник, работающий с учетной записью «Директор предприятия» (зона ответственности «Аналитик бизнес-процессов») выполняет операции «Определить параметры прогноза» (форма процесса приведена на рис. 3). Выбирается исполнитель, который получит прогноз, а также процесс, для которого рассчитывается прогноз времени выполнения, стартовое событие для расчета прогноза. Для уточнения параметров GERT-модели задается временной интервал, за который анализируется опыт выполнения прогнозируемого процесса.
Рисунок 2. Модель «Прогноз показателей процесса» (BPMN)
Рисунок 3. Форма операции «Определить параметры для прогноза»
Перед запуском операции «Рассчитать прогноз» выполняется скрипт на языке C#, обеспечивающий обновление параметров GERT-модели за указанный период, а также расчет прогноза параметров бизнес-процесса (в настоящий момент реализована работа с временными показателями). Формулы и алгоритмы формирования GERT-модели, эквивалентной модели бизнес-процесса, приведены в работах [15], [16], [20].
В качестве цифрового следа имитационной модели используются классы базы данных ЕЬМА, предназначенные для сохранения истории операций.
Рисунок 4. Диаграмма классов элемента Monitoring системы ELMA (UML Class diagram)
Рассчитанные параметры сохраняются в файл отчета и отображаются на форме процесса в виде значений ключевых показателей (матожидание и дисперсия прогнозируемого показателя). Вид формы показан на рис. 5.
Рассчитать прогноз
Информация о процесса ^
Главная страница История
Исполнитель Администратор
процесса
Процесс для анализа Implementation of an educational media project
Стартовое событие Students decided to complete the project
Анализ истории с... 05.04.2021
Анализ истории до... 12,04.2021
Среднее значение 334,00
показателя
Дисперсия 133225,00
показателя
Результат расчета
плотность распределений-jpg
Перетащите файл (не более 10ОО MBJ в данную область для загрузки
> Исключающий ИЛИ-Шлюз 1
Рисунок 4 - Форма операции «Рассчитать прогноз»
Результаты
Описание исследования бизнес-процесса
В качестве объекта исследования в работе использовалась информация об истории выполнения студентами и школьниками проектов в области создания медиапро-дуктов в рамках дополнительной образовательной программы «Видеомонтаж».
Последовательность выполнения работ в процессе производства построена в виде диаграммы BPMN в системе ELMA. Выполнение бизнес-процесса начинается с события «Обучающийся принял решение выполнить медиа-проект» («Students decided to complete the project»). Завершению проекта соответствует событие «Проект выполнен» («Project completed»).
Диаграмма BPMN процесса «Разработка учебного медиапродукта» (Implementation of an educational media project) приведена на рисунке 5.
Рис. 5. Декомпозиция процесса «Управление производством медиапродукта»
Расчет прогноза бизнес-процесса при помощи цифрового двойника
В эксперименте участвовали школьники 7-9 классов. При этом, часть из них получала дополнительное образование в школах, центрах и различных кружках. Ме-дапродукция создавалась учащимися индивидуально и в командах. В тестовом режиме эксплуатации процесса «Управление производством медиапродукта» все задокументированные случаи выполнения медиапроектов занесены в базу данных истории операций системы ELMA.
На основании собранных в цифровом следе данных и топологии GERT-сети на основании алгоритмов и формул, приведенных в работе [8], система произвела расчет математического ожидания и дисперсии времени выполнения процесса медиапроиз-водства в минутах для стока GERT-сети (эти же показатели можно видеть на форме процесса «Рассчитать прогноз» на рис. 4.
Математическое ожидание: ¡л = 334.
Дисперсия: а2 = 133225.
На Рис. 6 представлены графики плотность вероятности, математическое ожидание и функция распределения рассчитываемой случайной величины (время выполнения бизнес-процесса) GERT-сети, сохраненные системой в файле «Плотность распределе-нияjpg».
1.400 -1.200 -1.000 -800 -600 -400 -200 0 200 400 600 800 1.000 1.200 1.400 1.600 1.300 2.000 2:200 2.400
Рисунок 6. Плотность вероятности и функция распределения GERT-сети
Здесь гистограмма серого цвета показывает функцию плотности вероятности общего времени выполнения процесса, черная линия - функция распределения времени выполнения. Красной линией показано математическое ожидание времени выполнения процесса. Отсчет по оси Y ведется от 0 до 1.
На основе полученных данных далее можно строить оптимизационные модели для бизнес-процесса «Implementation of an educational media project».
Обсуждение
Таким образом, в работе описана реализация цифрового двойника дискретно-событийных моделей бизнес-процессов. Реализуемые на базе данного подхода цифровые двойники позволяют решать задачи прогноза динамики дискретно-событийных моделей, описанных в стандартных модельных нотациях (IDEF3, ARIS EPC, BPMN). Полученная модель позволяет уточняется на основе собираемой фактической информации о процессе, что позволяет относить ее к классу высокоточных. Высокоточная модель бизнес-процесса на основе GERT-сетей может дать много полезной информации о поведении исследуемой системы. В отличии от имитационных экспериментов, данный метод является аналитическим, в связи с чем имеет ряд преимуществ по сравнению с имитационным экспериментом - меньшая вычислительная трудоемкость, получение результата, не зависящего от фактора случайности.
Реализация автоматического сбора данных цифровой тени в процессе повседневного функционирования BPMS ELMA и онлайн-уточнения параметров прогностических GERT-моделей позволяет говорить, что данная модель обладает признаками высокоточной модели организационного объекта.
Заключение
Дальнейшая работа будет заключаться в реализации следующих функциональных блоков цифрового двойника бизнес-процессов (общая картина модулей - в работе [19]):
Двойник модели интегрированных показателей;
Двойник модели корреляции между показателями.
Кроме того, перспективными направлениями развития является реализация следующих функций:
Проверка чувствительности центральных моментов по времени и стоимости к различным параметрам модели (вероятности, законы и параметры распределения времен и стоимости по отдельным операциям) с выходом на рекомендации по оптимизации вложения ресурсов в улучшение бизнес-процесса в целом.
Совместное решение в цифровом двойнике задач прогноза уровня зрелость, прогноза значений временных и стоимостных показателей и моделей корреляций между показателями различных уровней. Такое решение позволит при управлении учитывать эффект для организации от улучшения показателей бизнес-процессов под воздействием роста организационной зрелости.
В результате реализации этих функций цифровой двойник бизнес-процесс сможет использоваться не только как прогностическая, но и рекомендательная система.
Литература
1. Kaplan R., Norton D. The Strategy-Focused Organization : How Balanced Scorecard Companies Thrieve in the New Business Environment / R.S. Kaplan, D.P. Norton. 2001.
2. Barnett M. MODELING & SIMULATION IN BUSINESS PROCESS MANAGEMENT. 2003.
3. van der Aalst W.M.P., La Rosa M., Santoro F.M. Business Process Management // Bus. Inf. Syst. Eng. 2016. Vol. 58, № 1. P. 1-6.
4. van der Valk H. et al. A Taxonomy of Digital Twins // 26th Am. Conf. Inf. Syst. 2020. № August. P. 1-10.
5. Fuller A. et al. Digital Twin: Enabling Technologies, Challenges and Open Research // IEEE Access. 2020. Vol. 8. P. 108952-108971.
6. Create a Digital Twin of Your Organization to Optimize Your Digital Transformation Program [Electronic resource]. URL:
https://www.gartner.com/en/documents/3901491/create-a-digital-twin-of-your-organization-to-optimize-y.
7. Pritsker A.A.B. GERT: Graphical Evaluation and Review Technique. Santa Monica, CA: RAND Corporation, 1966. 150 p.
8. Fundamentals of network analysis, by Don T. Phillips and Alberto Garcia-Diaz, Prentice Hall, Englewood Cliffs, NJ, 1981, 474 pp. Price: $26.90 // Networks. 1982. Vol. 12, № 2. P. 209-210.
9. Neumann K. Stochastic Project Networks. Berlin, Heidelberg: Springer Berlin Heidelberg, 1990. Vol. 344.
10. Koryachko V. et al. Hierarchic GERT networks for simulating systems with checkpoints // 2017 6th Mediterranean Conference on Embedded Computing (MECO). IEEE, 2017. P. 1-4.
11. Barjis J., Dietz J.L.G. Business Process Modeling and Analysis Using Gert Networks // Enterprise Information Systems. Dordrecht: Springer Netherlands, 2000. P. 7180.
12. Aytulun S.K., Guneri A.F. Business process modelling with stochastic networks // Int. J. Prod. Res. 2008. Vol. 46, № 10. P. 2743-2764.
13. Veerakumari K.P., Resmi R. Evaluation of Continuous Sampling Plan (CSP-5) Parameters Using GERT Technique and MATLAB // J. Appl. Math. Stat. Informatics. 2017. Vol. 13, № 2. P. 63-75.
14. Jose K.P. GERT Analysis of a Three Unit Cold Standby System with Single Repair Facility // J. Comput. Math. Sci. 2012. Vol. 3. P. 55-62.
15. Zyryanov, A.A., Dorrer M.G. The algoritnm of business process model translation into the GERT-network model // Bull. KrasGAU. 2012. № 12. P. 13-18.
16. Dorrer M., Dorrer A. Forecasting e-Learning Processes Using GERT Models and Process Mining Tools // Proceeding of the International Science and Technology Conference "FarEastCon 2019". Smart Innovation, Systems and Technologies / ed. Solovev D., Savaley V., Bekker A. P. V. Singapore: Springer, 2020. P. 857-866.
17. Madni A., Madni C., Lucero S. Leveraging Digital Twin Technology in ModelBased Systems Engineering // Systems. 2019. Vol. 7, № 1. P. 7.
18. Dorrer M.G. The prototype of the organizational maturity model's digital twin of an educational institution // J. Phys. Conf. Ser. 2020. Vol. 1691. P. 012121.
19. Dorrer M.G. The digital twin of the business process model // J. Phys. Conf. Ser. 2020. Vol. 1679. P. 032096.
20. Dorrer M., Dorrer A. Forecasting e-learning processes using GERT models and process mining tools // Smart Innovation, Systems and Technologies. 2020. Vol. 172.
Information about author
Сведения об авторе
Михаил Георгиевич Доррер кандидат техн. наук, доц. каф. Информационно-управляющих систем СибГУим. М.Ф.Решетнева Российская Федерация, Красноярск Эл. почта: mdorrer@mail.ru
Michail Georgjewitsch Dorrer
Candidate of Science (Engineering), Associate Prof., Department of Information Control Systems Reshetnev Siberian State University of Science and Technology Russian Federation, Krasnoyarsk E-mail: mdorrer@mail.ru
УДК 004.657 ГРНТИ 76.01.37
DOI: 10.47501/ITNOU.2021.1.43-49
О.В. Михайленко1, Г.Б. Стайков2, ГА. Доррер2
1Сибирский Федеральный Университет 2СибГУ им. М.Ф.Решетнева
ИСПОЛЬЗОВАНИЕ СТАНДАРТА ОБМЕНА МЕДИЦИНСКОЙ ИНФОРМАЦИЕЙ FAST HEALTHCARE INTEROPERABILITY RESOURCES В ЦИФРОВОМ ЗДРАВООХРАНЕНИИ
Fast Healthcare Interoperability Resources (FHIR), международный стандарт обмена цифровыми медицинскими данными, все чаще используется в информационных технологиях здравоохранения. FHIR предполагает облегчить использование электронных медицинских карт (ЭМК), включить мобильные технологии и сделать медицинские данные доступными для крупномасштабной аналитики. На сегодняшний день очень мало обобщенной информации практического использования FHIR в цифровом здравоохранении. В этой статье мы постарались затронуть основные темы, связанные с FHIR в научной литературе. Для этого мы просмотрели наиболее популярные статьи о FHIR в Web of Science и PubMed, и определили основные темы, обсуждаемые в этих статьях.
Цель данной статьи - досконально разобраться в стандарте HL7 FHIR,, рассмотреть использование и принятие стандарта в современных медицинских приложениях и ор-
