1 / 32

Les processus métiers : concepts, modèles et systèmes

Les processus métiers : concepts, modèles et systèmes. Claude Godart Université de lorraine. Esstin Claude.godart@univ-lorraine.loria.fr. Organisation du cours. Introduction Concepts et notations Modélisation des processus Analyse qualitative des processus

asher-lyons
Télécharger la présentation

Les processus métiers : concepts, modèles et systèmes

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Les processus métiers :concepts, modèles et systèmes Claude Godart Université de lorraine. Esstin Claude.godart@univ-lorraine.loria.fr

  2. Organisation du cours • Introduction • Concepts et notations • Modélisation des processus • Analyse qualitative des processus • Analyse quantitative des processus • Systèmes de gestion de processus • Processus transactionnels • Découverte de processus • Conclusion

  3. Chapitre 5 :Analyse quantitativedes processus Claude Godart Université de lorraine. Esstin Claude.godart@univ-lorraine.loria.fr

  4. Analyses qualitative vs. analyse quantitative • Analyse qualitative • Model checking (a priori) • Qualité du service(à posteriori) • Analyse quantitative • Analyse de flux • Simulation

  5. Analyse quantitative • Analyse de flux • Analyse du temps de cycle • Files d’attente • Simulation du processus • RdP

  6. Profit maximizing firms Non-profit organizations Maximize long term shareholder value Survive and grow while satisfying customer needs Analyse de flux • Objectif : estimer la performance globale d’un processus Maximize revenues and minimize costs Use resources efficiently while satisfying customer needs Satisfy customer needs (effectiveness) in an efficient way (efficiency)

  7. Analyse de flux • Différentes dimensions : • Temps : temps de cycle moyen pour un processus connaissant le temps de cycle des activités • Coût : coût moyen d’une instance de processus connaissant le coût par exécution des activités • Erreurs : le taux d’erreur d’un processus connaissant le taux d’erreur de chaque activité

  8. Calcul du temps de cycle

  9. Analyse du temps de cycle • Temps de cycle d’un processus : • Temps moyen entre sa date de démarrage et sa date de terminaison • Temps de cycle d’une activité : • La somme de son temps d’attente et de son temps d’exécution • Calculer le temps de cycle moyen pour un processus • Somme du temps d’exécution et du temps d’attente des activités • Dépend de la structure de contrôle • Séquence • Parallélisme (AND-Split …) • Choix (XOR-split, OR-Split …) • Boucle

  10. Séquence • Le temps de cycle de la séquence est la somme des temps de cycle moyens des activités en séquence • TCS = TCA + TCB • TCprocessus1 = 10 + 20 = 30

  11. Chemins parallèles • Si deux activités (fragmets de processus) s’exécutent en parallèle, leur contribution au TC est le TC de l’activité (du fragment) la (le) plus long(ue). • TCprocessus1 = max{ TcA, TCB } = 20

  12. Chemins alternatifs TC = 0,7 x 10 + 0,3 x 20 = 1,3

  13. Boucles TC = 10/0,7 = 14,3 (n tentatives) TC = 10 x 1,3 = 13 (2 tentatives au maximum

  14. Exercice : calculer le TC

  15. Temps de cycle efficient

  16. Calculer le temps de cycle efficient

  17. Wip (Work in progress) • Wip = nombre de cas en cours d’exécution • Relation avec le temps de cycle : • Wip =  TC avec  le tauxd’arrivée par unité de temps • Application : • par exemple, stabiliser le Wip en augmentant  => rationaliser le processus pour diminuer TC • Calculer le TC expérimentalementà partir en observant Wip et 

  18. Analyse quantitative Files d’attente

  19. File d’attente (concepts) File d’attente c m l arrivées service

  20. File d’attente (paramètres) File d’attente c m l • L = nombremoyen de casdans le système (i.e. travaux en progrès) • Lq = longueur de la queue (nombremoyen de cas en queue ) • W = temps moyendans le système (temps de cycle) • Wq = temps moyendans la queue arrivées service Wq,Lq W,L

  21. File d’attente M/M/1

  22. File d’attente M/M/c

  23. File d’attente M/M/c • Ouf ! Il existe des outils !

  24. Limites des modèles à file(s) d’attente • D’autres modèles si la queue suit un autre modèle de probabilité • Le modèle étudié fonctionne avec une seule queue (une activité à la fois) : pour analyser des processus, on peut utiliser des réseaux de files d’attente • Mais mathématiques très complexes, en particulier en cas de concurrence … • Probablement pourquoi les techniques de simulation sont plus populaires

  25. Exercise • Un restaurant reçoit en moyenne 1200 clients par jour (entre 10h et 22h). Pendant les heures de pointe (12h à 15h et 18h à 21h) il reçoit au total 900 clients. En moyenne 90 clients sont présents dans le restaurant à cette période. Aux heures creuses le restaurant reçoit 300 clients au total, avec 30 clients présents en moyenne à un moment donné sur cette période • Combien de temps un client reste-t-il en moyenne dans le restaurant aux heures de pointe • Combien de temps un client reste-t-il en moyenne dans le restaurant aux heures creuses ? • Le restaurant souhaite augmenter sa clientèle, mais la capacité du restaurant est limitée et il est déjà très plein aux heures de pointe. Sur quel paramètre peut agir le restaurant ?

  26. Wip =  TC • Heures de pointe : •  = 900/6 = 150 • Wip = 90 • TC = 90/150 = 0.6 h • Heurescreuses : •  = 300/6 = 50 • WIP = 30 • TC = 30/50 = 0.6 h • Diminuer TC, car  augmente et WIP doitrester stable.

  27. Analyse quantitative Simulation

  28. Analyse quantitative • Analyse par simulation • évaluation de propriétés recherchées • par visualisation de cas • évaluation de traces d’exécution • Réseaux temporisés pour l’évaluation de performance • Réseaux stochastiques pour l’évaluation de probabilités de franchissement d’une transition …

  29. Exemple (2)

  30. Exemple (2) • Dans la variante (a), plusieurs activités de réservation d’hôtels et de vols s’exécutent en parallèle, dans la variante (b) une seule activité pour toutes les réservations • L’analyse peut permettre d’évaluer quelle est la stratégie la plus efficace, éventuellement en fonction de circonstances

  31. Conclusion RdP • Certainement le fondement principal pour la gestion des flots de contrôle • Quelques outils utiles, mais la validation automatique est loin d’être atteinte • … en particulier pour les réseaux colorés • Les RdP sont souvent embarqués de façon cachée dans bons nombres d’outils associés aux SGWf.

  32. Conclusion

More Related