TY - BOOK A2 - Baumgraß, Anne A2 - Meyer, Andreas A2 - Weske, Mathias T1 - Proceedings of the Master seminar on event processing systems for business process management systems T1 - Berichte des Masterseminars über Systeme zur Ereignisverarbeitung im Bereich des Geschäftsprozessmanagements N2 - Traditionally, business process management systems only execute and monitor business process instances based on events that originate from the process engine itself or from connected client applications. However, environmental events may also influence business process execution. Recent research shows how the technological improvements in both areas, business process management and complex event processing, can be combined and harmonized. The series of technical reports included in this collection provides insights in that combination with respect to technical feasibility and improvements based on real-world use cases originating from the EU-funded GET Service project – a project targeting transport optimization and green-house gas reduction in the logistics domain. Each report is complemented by a working prototype. This collection introduces six use cases from the logistics domain. Multiple transports – each being a single process instance – may be affected by the same events at the same point in time because of (partly) using the same transportation route, transportation vehicle or transportation mode (e.g. containers from multiple process instances on the same ship) such that these instances can be (partly) treated as batch. Thus, the first use case shows the influence of events to process instances processed in a batch. The case of sharing the entire route may be, for instance, due to origin from the same business process (e.g. transport three containers, where each is treated as single process instance because of being transported on three trucks) resulting in multi-instance process executions. The second use case shows how to handle monitoring and progress calculation in this context. Crucial to transportation processes are frequent changes of deadlines. The third use case shows how to deal with such frequent process changes in terms of propagating the changes along and beyond the process scope to identify probable deadline violations. While monitoring transport processes, disruptions may be detected which introduce some delay. Use case four shows how to propagate such delay in a non-linear fashion along the process instance to predict the end time of the instance. Non-linearity is crucial in logistics because of buffer times and missed connection on intermodal transports (a one-hour delay may result in a missed ship which is not going every hour). Finally, use cases five and six show the utilization of location-based process monitoring. Use case five enriches transport processes with real-time route and traffic event information to improve monitoring and planning capabilities. Use case six shows the inclusion of spatio-temporal events on the example of unexpected weather events. N2 - Traditionell basiert die Ausführung und Überwachung von Prozessinstanzen durch Business Process Management Systeme auf Ereignissen, die von der Prozessengine selbst oder aus damit verbundenen Applikationen stammen. Allerdings können weitere Einflüsse aus der Umgebung die Ausführung ebenfalls beeinflussen. Hierzu zeigen aktuelle Forschungsarbeiten wie Geschäftsprozessmanagement und Ereignisverarbeitung zusammengebracht werden können. Die technischen Reports als Teil dieses Sammelbandes zeigen die technische Machbarkeit dieser Kombination und daraus resultierende Verbesserungen basierend auf echten Anwendungsfällen aus dem EU-geförderten GET Service Forschungsprojekt, ein Projekt mit dem Ziel Transportprozesse zu optimieren und CO2-Emissionen zu reduzieren. Jeder Anwendungsfall wird mit einem lauffähigen Prototyp evaluiert. Dieser Sammelband umfasst sechs Anwendungsfälle aus dem Bereich der Logistik. Mehrere Transporte – jeder hiervon ist eine eigene Prozessinstanz – können durch die gleichen Ereignisse beeinflusst werden, wenn sie (teilweise) die gleiche Transportroute, Transportvehikel oder Transportmodalität verwenden, so dass diese Instanzen (teilweise) kombiniert ausgeführt werden können – als Batch (z.B. mehrere Container auf dem gleichen Schiff). Daher zeigt der erste Anwendungsfall den Einfluss von Ereignissen auf Prozessinstanzen, die als Batch ausgeführt werden. Eine Übereinstimmung der Route kann auch auf die Korrelation zum gleichen Geschäftsprozess zurückgeführt werden (z.B. Transport von drei Containern auf drei LKWs). Dies führt zu Multi-Instanz-Ausführungen. Der zweite Anwendungsfall zeigt wie Transportüberwachung und Prozessfortschrittsberechnung in diesem Kontext aussehen können. In Transportprozessen treten oftmals kurzfristige Änderungen von Deadlines auf. Anwendungsfall drei zeigt wie die Überwachung in diesen Fällen verbessert werden kann. Die Deadline-Änderungen werden entlang der Prozesskette und über den Kontext eines Prozesses hinausgetragen, um etwaige Deadline-Verstöße zu identifizieren. Während der Überwachung von Transportprozessen lassen sich Störungen identifizieren, welche Verzögerungen nach sich ziehen können. Anwendungsfall vier zeigt wie solche Verzögerungen nichtlinear über die Transportkette propagiert werden können, um den Abschluss der Prozessinstanz vorherzusagen. Aufgrund von Pufferzeiten und dem Verpassen eines Anschlusses auf intermodalen Transporten in der Logistik ist hierbei die nichtlineare Verbreitung der Verzögerung besonders wichtig. Eine Verzögerung von einer Stunde kann zum Verpassen eines Schiffes führen, welches wiederum nicht stündlich die benötigte Strecke zurücklegt. Abschließend zeigen die Anwendungsfälle fünf und sechs die Verwendung von ortsbasierter Prozessüberwachung. Anwendungsfall fünf reichert den Transportprozess mit Echtzeitinformationen über Routen und Verkehr an, um Überwachungs- und Planungsaktivitäten zu verbessern. Anwendungsfall sechs zeigt die Einbindung von Ereignissen auf räumlich-zeitlicher Ebene am Beispiel von unerwarteten Wetterereignissen. T3 - Technische Berichte des Hasso-Plattner-Instituts für Digital Engineering an der Universität Potsdam - 102 KW - BPM KW - CEP KW - monitoring KW - business processes KW - events KW - batch processing KW - multi-instances KW - deadline propagation KW - delay propagation KW - location-based KW - BPM KW - CEP KW - Überwachung KW - Geschäftsprozesse KW - Ereignisse KW - Batchprozesse KW - Multi-Instanzen KW - Deadline-Verbreitung KW - Verzögerungs-Verbreitung KW - orts-basiert Y1 - 2015 UR - https://publishup.uni-potsdam.de/frontdoor/index/index/docId/8381 UR - https://nbn-resolving.org/urn:nbn:de:kobv:517-opus4-83819 SN - 978-3-86956-347-3 SN - 1613-5652 SN - 2191-1665 IS - 102 PB - Universitätsverlag Potsdam CY - Potsdam ER -