Thèse soutenue

Modélisation, Analyse en Temps Réel et Vérification Quantitative des Processus Métier

FR  |  
EN
Auteur / Autrice : Ahang Zuo
Direction : Gwen SalaünYliès Carlo Falcone
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 11/04/2024
Etablissement(s) : Université Grenoble Alpes
Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de Grenoble (Isère, France ; 2007-....)
Jury : Président / Présidente : Yves Ledru
Examinateurs / Examinatrices : Olga Kouchnarenko
Rapporteurs / Rapporteuses : Pascal Poizat, Pascale Le Gall

Résumé

FR  |  
EN

Les processus métier sont des tâches structurées modélisant un service ou un produit spécifique. L'optimisation de ces processus est une activité stratégique dans les organisations en raison de son potentiel à augmenter les marges bénéficiaires et à réduire les coûts opérationnels. Le Business Process Model and Notation (BPMN) est le langage de modélisation standard de facto pour le développement de processus d'affaires, qui définit l'ensemble des tâches impliquées dans un processus et l'ordre dans lequel elles doivent être exécutées. Les principales contributions de cette thèse sont :(i) La construction d'un processus optimisé avec le langage BPMN n'est pas aisée pour les utilisateurs non-experts en raison du manque de soutien lors de la conception. La première contribution présente une approche pour aider ces utilisateurs à construire des processus optimisés. Un graphe abstrait, qui décrit une version abstraite d'un processus, est d'abord généré en définissant l'ensemble des tâches et un ordre partiel entre certaines d'entre elles. L'utilisateur peut ensuite affiner successivement ce graphe abstrait. L'affinement est guidé par les temps d'exécution minimum et maximum nécessaires pour exécuter l'ensemble du processus. Une fois que l'utilisateur est satisfait, la dernière étape transforme ce graphe en un processus BPMN.(ii) Les ressources sont nécessaires pour exécuter certaines tâches spécifiques d'un processus en cours, connaître les probabilités associées à des tâches spécifiques est essentiel pour ajuster les ressources et ainsi optimiser les coûts. De plus, il est particulièrement difficile de garantir la correction et l'efficacité des multiples exécutions d'un processus. La deuxième contribution propose de s'appuyer sur la vérification de modèle probabiliste (PMC) pour vérifier automatiquement que les multiples exécutions d'un processus respectent une propriété probabiliste spécifique. Cette approche s'applique en temps réel, l'évaluation de la propriété étant périodiquement vérifiée et les résultats correspondants mis à jour. En outre, nous proposons un mécanisme d'application probabiliste en temps réel pour continuer à exécuter le processus tout en évitant la violation de la propriété. (iii) Une stratégie de répartition des ressources bien définie est essentielle pour optimiser les temps d'attente et les coûts en atténuant les retards et en améliorant l'utilisation des ressources. La troisième contribution présente une approche générique pour ajuster dynamiquement l'allocation des ressources pendant l'exécution des processus BPMN. De plus, nous introduisons une stratégie s'appuyant sur un modèle prédictif pour calculer des métriques d'intérêt, y compris l'utilisation des ressources et le temps d'exécution moyen, ce qui nous permet d'anticiper le changement de ressources et ainsi d'améliorer en réduisant le temps d'exécution du processus, les coûts associés aux ressources et d'avoir une utilisation plus équilibrée des ressources.