Inhaltsverzeichnis
Inhalt | ||
---|---|---|
|
Warum Rücksprünge schlecht darin sind die Wirklichkeit abzubilden
Alternativen zur Modellierung von Rücksprüngen
Um die oben beschriebe Problematik bei Rücksprüngen mit hohen Wahrscheinlichkeiten aufzulösen, empfiehlt es sich den Sachverhalt auf eine andere Art und Weise zu modellieren. Im nachfolgenden werden zwei Möglichkeiten aufgeführt:
Wie geht die Prozessplattform mit Rücksprüngen bei der Analyse um?
Zur Ermittlung der Lastfaktoren einzelner Aktivitäten innerhalb eines BPMN-Modells werden verschiedene Prozessverläufe durch die Analyse simuliert. Dabei wird der Prozessfluss Schritt für Schritt von einem so genannten “Token” vom Start-Ereignis bis zum Endereignis durchlaufen. Das Token folgt dabei dem Sequenzfluss durch das Modell. Dabei werden Verzweigungen/Rücksprünge etc. beachtet, sodass bestimmte Aktivitäten öfter besucht werden können als andere.
Bei der Analyse kann es nun geschehen das ein Token durch einen Rücksprung innerhalb des Modells in einer theoretisch unbegrenzten Schleife landet. Mit unbegrenzten Ressourcen und Zeit, wäre es zwar möglich alle Rücksprünge mit < 100% mit beliebiger Genauigkeit zu berechnen (also alle die keine “echte” Endlosschleife sind), dies erfolgt an dieser Stelle aus Performanzgründen nicht, da die steigende Wartezeit in keinem guten Verhältnis zum Nutzen stehen würde. Erreicht die Prozessplattform bei der Analyse einen bestimmten Schwellwert für die Rücksprungwahrscheinlichkeit (~80%), dann wird die Analyse mit der Fehlermeldung “X ist Teil einer Endlosschleife” abgebrochen. Hier wurde versucht einen guten Kompromiss zwischen Geschwindigkeit und Genauigkeit zu finden.