Doktoranden-Seminar: Simulationen SS2002 27.03.2017 Doktoranden-Seminar: Simulationen SS2002 Thema: Simulation von Verteilungsmodellen von Workflowmanagement-Systemen Markus Grüne Markus Grüne

Doktoranden-Seminar "Simulationen" 27.03.2017 Inhalt Agenten Simulation Workflowmanagement-Systeme (WFMS) Untersuchungsgegenstände einer simulativen Analyse von WFMS Anwendungsfall: Stochastic Petri Nets zur simulativen Untersuchung von WFMS Ausblick Markus Grüne

Doktoranden-Seminar "Simulationen" 27.03.2017 Agenten An agent is an encapsulated computer system that is situated in some environment and that is capable of flexible, autonomous action in that environment in order to meet its design objectives. Jennings, N. R. (2000): On agent-based software engineering, in: Artificial Intelligence, Vol. 117, 2000, pp. 277 – 296, Elsevier Autonomie: Agenten agieren ohne menschliches Zutun Sozial: tauschen mit anderen strukturierte Nachrichten aus und kollaborieren Reaktiv: antworten auf Änderungen ihrer Umwelt Proaktiv: verfolgen Ziele Markus Grüne

Doktoranden-Seminar "Simulationen" 27.03.2017 Agenten (2) Reaktive Agenten: Eingeschränkte Fähigkeiten Reasoning = aus Menge situativer Aktionsregeln durch Kombination einer Vielzahl reaktiver Agenten kann proaktives Verhalten erzeugt werden „weak notion of agency“ Deliberative Agenten planen anhand eines symbolischen Modells ihrer Umwelt führen - ausgehend von Kontext - zielgerichtete Handlungen durch „strong notion of agenency“ Deliberative Agenten: Proaktive Zielverfolgung Entwurf eines Plans, der ihren Zielen am besten enspricht  wissensbasierte Lösung Bsp: Gesellschaft von Agenten, von denen jeder einzelne Wissen über bestimmte Geschäftsprozesse hat Opportunistische Agenten: Bei Problemen, die eine symbolische Lösung, aber keine wissensbasierte Lösung haben Agenten verfolgen z.B. Satisfizierungsziele Bsp: distributed scheduling, resource allocation Markus Grüne

Doktoranden-Seminar "Simulationen" 27.03.2017 Agenten (3) Opportunistische Agenten finden Anwendung, wenn trotz Vorhandensein eines symbolischen Modells der Umwelt keine wissensbasierte Lsg. des Problems existiert Kendall, E.A. et al.: Patterns of Intelligent and Mobile Agents, in: Autonomous Agents 98, Minneapolis Markus Grüne

Doktoranden-Seminar "Simulationen" 27.03.2017 Agenten (4) Weitere Aspekte Migration eines Agenten (virtuelle, reale) Multi-Agenten-Systeme (MAS) Proxy-Kommunikation zur Kommunikation zwischen unterschiedlichen MAS ... Markus Grüne

Simulation: Definitionsversuch Doktoranden-Seminar "Simulationen" 27.03.2017 Simulation: Definitionsversuch Simulation means driving a model of a system with suitable inputs and observing the corresponding outputs. Axelrod, R.:Advancing the Art of Simulation in the Social Sciences, in: Complexity, Vol.3, No.2, 1997  Hilfestellung bei Problemen, die nicht mit traditionellen Methoden gelöst werden können, z.B. Konzeption von WFMS, Mikroökonomische Fundierung makroökonomischer Phänomene (ACE) Markus Grüne

Simulation: Anwendungsgebiete Doktoranden-Seminar "Simulationen" 27.03.2017 Simulation: Anwendungsgebiete Vorhersage von Systemverhalten Simulation zwecks Beweisführung Beweisführung i.S.v. Eignung zur Demonstration stabiler Systemzustände. Discovery. Im Gegensatz zur Beweisführung werden beim Discovery Eigenschaften des Systems aufgedeckt, die bislang unbekannt waren. ... Axelrod, R.:Advancing the Art of Simulation in the Social Sciences, in: Complexity, Vol.3, No.2, 1997 Definition: Vorhersage komplexe Eingabedaten Verarbeitung der Daten aufgrund angenommener /modellierter Mechanismen  Beobachtung des Outputs  Schrittweise Verbesserung von Modellen durch Vorhersage möglich Beweisführung Komplexes Verhalten kann durch Kombination einfachee Handlunsmuster erreicht werden Discovery Im Gegensatz zu akkuraten Modellen in der Physik, oft in den Sozialwissenschaften Modelle sehr ungenau und einfach. Jedoch auf Basis der Modelle auch Muster erkennbar. Bsp: Bewegung von Arbeitern, Soldaten Markus Grüne

Workflow-Managementsysteme (1) Doktoranden-Seminar "Simulationen" 27.03.2017 Workflow-Managementsysteme (1) WFMS mit zentralem Server: hohe Netzbelastung da Kommunikation zwischen WF-Engine und Aufgabenträgern Entfernt sitzende Benutzer müssen mit langen Antwortzeiten rechnen  zentrales DBMS ist Flaschenhals Server werden zufällig gewählt: Durch die geeignete Wahl des Cluster beim Prozessstart kann eine Lastbalancierung erreicht werden. Server nahe Bearbeitern: Annahme, dass die meisten Aktivitäten von Benutzern ausgeführt werden, die fast alle der selben Organisationseinheit angehören. Server nahe bei Anwendung: i.d.R. bei oo Systemen. Anwendung ist dabei als Objekt gekapselt, das an einem bestimmten Ort im System allokiert ist Nachteil: hohe Migrationslast durch Wandern des Instanzen-Objektes Voll verteilte WFMS Ziel: Vermeidung von Engpässen in Form von WF-Servern und zugehörigen Teilnetzen Jeder Arbeitsplatzrechner quasi Mini-Server Nachteil: besonders hohe Migrationslast Bauer, T. et al.: Verteilungsmodelle für Workflow-Management-Systeme – Klassifikation und Simulation, in: Informatik, Forschung und Entwicklung (1999), 14, S. 205 Markus Grüne

Workflow-Managementsysteme (2) Doktoranden-Seminar "Simulationen" 27.03.2017 Workflow-Managementsysteme (2) Bestandteile von WFMS (stark vereinfacht) WF-Engine selbst kann mehrere WF-Server umfassen und koordinieren WF-Clients ermöglichen Benutzern die Anzeige auszuführender Aktivitäten in Arbeitslisten orientiert an WfMC-Definition (nach Gadatsch) mit Änderungen in Yoo, J.-J.; Suh, Y.-H; Lee, D.-I. u.a. (2001): Casting Mobile Agents to Workflow Systems: On Performance and Scalability Issues, in: Mayer, H.C. et al. (Eds.): DEXA 2001, LNCS 2113, pp. 254 – 263, 2001 WF-Engine: SW-Komponente, die Laufzeitunterstützung für die Ausführung von WF zur Verfügung stellt WF-Server: Hat Datenbank, die der Aufnahme von WF-Schemata und Zustände der einzelnen Instanzen dient DB enthält außerdem die zu den WF-Instanzen gehörigen Werte der Datenelemente WF-Client: Ermöglicht Benutzer die Anzeige von ihm auszuführenden Aktivitäten in einer Arbeitsliste. Bei Übernahme wird das entsprechende Programm gestartet Markus Grüne

Workflow-Managementsysteme (3) Doktoranden-Seminar "Simulationen" 27.03.2017 Workflow-Managementsysteme (3) Zentrales Gestaltungs-Problem bei WFMS: optimale Architektur eines WFMS hängt u.a. ab von: Anzahl beteiligter OE und deren Struktur Netzwerkkapazität und –struktur räumlicher Verteilung eines Unternehmens, (z.B. Anzahl der beteiligten Filialen) Markus Grüne

Gestaltungsziele von WFMS (1) Doktoranden-Seminar "Simulationen" 27.03.2017 Gestaltungsziele von WFMS (1) Skalierbarkeit „How well a solution to some problem will work when the size of the problem increases.” (http://wombat.doc.ic.ac.uk/) Performance Antwortzeit oder Durchsatz/ Throughput, die von den Benutzern eines Systems beobachtet werden nach Smith, C.U. (1986): The Evolution of Performance Engineering: A Survey, IEEE, 1986 Skalierbarkeit: Jede Komponente eines WFMS hat eine Maximalkapazität. Ein System ist skalierbar, wenn durch Hinzufügen von weiteren Komponenten, die Belastung einer Komponente unter ihre Maximalkapazität gedrückt werden kann. [Bauer/Dadam] Markus Grüne

Gestaltungsziele von WFMS (2) Doktoranden-Seminar "Simulationen" 27.03.2017 Gestaltungsziele von WFMS (2) Lastverteilung Last pro WF-Server, Gesamtlast über alle WF-Server im WFMS und durchschnittliche Belastung der Teilnetze Management-Fragestellungen z.B. Wartezeiten von Kunden, die sich aus der Dauer interner G.-prozesse ergeben Gestaltungsziele = (evtl.) Untersuchungs-gegenstände der simulativen Analyse Markus Grüne

Doktoranden-Seminar "Simulationen" 27.03.2017 Simulationsziele Überprüfung der Ablauffähigkeit: z.B. Verklemmungen Validierung der Realitätstreue: z.B. durch Vergleich der Simulationsergebnisse auf Basis von Ist-Daten mit Ergebnissen der Simulation Evaluation alternativer WF-Modelle: Inwieweit sind alternative Soll-Modelle geeignet, den Grad der Erreichung von Prozesszielen, wie z.B. mittlere Durchlaufzeiten zu verbessern Bei Yoo et al. gefordert: Inwieweit eignen sich unterschiedliche WFMS zur Unterstützung spezifischer Workflow-Typen? Gadatsch, A.: Management von Geschäftsprozessen, 2001, S. 183 Markus Grüne

Anwendungsfall: Analyse von WFMS mit Stochastic Petri Nets (SPN) Doktoranden-Seminar "Simulationen" 27.03.2017 Anwendungsfall: Analyse von WFMS mit Stochastic Petri Nets (SPN) Frage: Peformance-Steigerung und erhöhte Skalierbarkeit auch durch flexible Architektur eines WFMS erreichbar? Yoo, J.-J.; Suh, Y.-H; Lee, D.-I. u.a. (2001): Casting Mobile Agents to Workflow Systems: On Performance and Scalability Issues, in: Mayer, H.C. et al. (Eds.): DEXA 2001, LNCS 2113, pp. 254 – 263, 2001 Markus Grüne

Rolle von Agenten in WFMS Agent übernimmt Aktivitäten eines Workflows und meldet Ergebnisse an die Kontrollinstanz des WFMS zurück Agent ist während der Aufgabenausführung unabhängig von der WF-Engine Durch Autonomie und Migrationsfähigkeit von Agenten kann die Zahl der Fernzugriffe im Netzwerk eingeschränkt werden

Probleme bei Verwendung von Agenten in WFMS Bei umfangreichen Workflows evtl. Performance-Probleme, da Agenten bei Wanderung durch das Netz die WF-Definition mit sich tragen müssen. (Code-Size eines Agenten nimmt proportional mit der zugehörigen WF-Instanz zu)  Bandbreite sinkt Koordination der Agenten durch zentrale Instanz in Form eines Location- und Naming-Servers (LNS), die Agenten die Lokalisierung weiterer Agenten im WFMS ermöglicht.  Kontrollinstanz bildet Flaschenhals

Suche nach einem geeigneten WFMS Gesucht: Architektur, die für Vielzahl unterschiedlicher Delegations- / Verteilungsmodelle verwendbar ist 3-Ebenen-Architektur Delegationsmodelle, die Flaschenhals-Problematik mindern, die durch Kommunikation mit zentraler Instanz ensteht  Proxy-Kommunikation

Lösungsansatz nach Yoo et al. Einführung einer 3-Ebenen-Architektur Ebene 1: WF-Koordinator, übernimmt Verteilung von Workflows auf unterschiedliche WF-Engines Ebene 2: WF-Engines, bilden Proxy-Agenten, die Workflows aufteilten Ebene 3: Sub-Agenten, die über einzelne Aufgabenträger iterieren. Delegationsmodelle, die für (Teil-) Workflows Agenten instanziieren Ziel: Minderung des Flaschenhals-Problems durch hierarchische Gestaltung des Location Managements

Beispiele für Delegationsmodelle (1) Minimum-Modell: Jede Aktivität einer WF-Instanz wird einem Sub-Agenten zugewiesen Hoher Kommunikationsaufwand zwischen Proxy-Agenten und Sub-Agenten

Doktoranden-Seminar "Simulationen" 27.03.2017 Minimum-Modell Jeder Task eines WFs wird einem eigenen Agenten zugewiesen. Wenn dieser die Aufgabe ausgeführt hat, meldet er seine Ergebnisse der WF-Engine zurück und wird gelöscht. Die WF-Engine aktualisiert die lokale Datenbank, führt den Scheduler aus, um über weitere Aktivitäten zu entscheiden und weist diese anderen Agenten zu. Wenn die Anzahl der WF-Instanzen steigt, steigt proportional die Anzahl der Agenten im System. WF-Engine ist ein Bottleneck, da sie die komplette Koordination übernehmen muss. Markus Grüne

Doktoranden-Seminar "Simulationen" 27.03.2017 Maximum-Modell Alle Aktivitäten, die mit einem Prozess zusammenhängen, werden von einem einzigen Agenten durchgeführt. Dieser migriert zu den einzelnen Aufgabenträgern und bestimmt nach Erledigung einer Aufgabe den nächsten Aufgabenträger / die nächste Aktivität. Last wird von den WF-Engines genommen. Markus Grüne

Beispiele für Delegationsmodelle (2) Doktoranden-Seminar "Simulationen" 27.03.2017 Beispiele für Delegationsmodelle (2) Hybrid-Delegationsmodell (min-based max) geht davon aus, dass ein Workflow durch geschickte, schrittweise Zerlegung in Sub‑Workflows aufgeteilt werden kann Aufteilung erfolgt anhand Parallelisierbarkeit der durchzuführenden Teilprozesse nebeneinander ausführbare Aktivitäten werden an unterschiedliche Sub-Agenten delegiert Aktivitäten, die sequentiell aufeinander folgen werden durch einzelnen Agenten komplett durchgeführt Markus Grüne

Doktoranden-Seminar "Simulationen" 27.03.2017 Beispiele für Delegationsmodelle: Hybrid-Modell A1 wird durch einen Subagenten ausgeführt Durch die AND-Verknüpfung ist nach 1) eine Aufteilung in zwei Teilprozesse möglich, die von eigenen Subagenten ausgeführt werden. Teilprozess 1 kann weiter zerlegt werden und wiederum durch eigene Subagenten ausgeführt werden. Der gesamte Workflow endet mit A7 Subagenten können also wieder Proxy-Agenten für andere Subagenten darstellen. Markus Grüne

Umwandlung der Delegationsmodelle in stochastische Petri-Netze Doktoranden-Seminar "Simulationen" 27.03.2017 Umwandlung der Delegationsmodelle in stochastische Petri-Netze S. Folie / Handout des Maximum-Modells Beispiel: Maximum-Modell WF mit 3 Aufgaben Agent, der alle Aufgabenträger „besucht“ und Ergebnisse an WF-Engine zurückmeldet Markus Grüne

Ergebnisse der Simulation (1) Doktoranden-Seminar "Simulationen" 27.03.2017 Ergebnisse der Simulation (1) FRAGE: Wieso geht es auf der X-Achse bei Null los?? Anzahl der Zweige: Anzahl der Verästelungen eines Workflows Augenmerk der Simulation: Anzahl der parallel zu verarbeitenden WF-Instanzen Anzahl der Zweige / Zweiglänge Vergleich des min-, max-basierten und des Hybrid-Modells Ergebnis: Gesamtdauer der Simulationsdurchführung  Performance Markus Grüne

Ergebnisse der Simulation (2)

Ergebnisse der Simulation (3) Bei geringer Anzahl von Instanzen schlägt min alle anderen Delegationsmodelle Bei großer Anzahl schlägt das Hybrid-Modell die anderen Delegationsmodelle  min ist sensitiver gegenüber der Anzahl der WF-Instanzen als die anderen Delegationsmodelle  Flaschenhals-Problematik eines zentralisierten WFMS

Ergebnisse der Simulation (5) Doktoranden-Seminar "Simulationen" 27.03.2017 Ergebnisse der Simulation (5) Zweiglänge: Zahl der Aktivitäten, die einen Zweig bilden Markus Grüne

Ergebnisse der Simulation (6)

Schlussbetrachtung Vorteile Auswertbarkeit von Stochastischen Petri-Netzen durch Tools möglich (UltraSAN, jetzt Möbius) Berücksichtigung der betrieblichen Ablaufstrukturen zur Wahl eines geeigneten WFMS (bei kleinen Systemen eher min-basierte WFMS, ...)

Doktoranden-Seminar "Simulationen" 27.03.2017 Schlussbetrachtung Nachteile Für jeden neuen WF muss für Simulation ein SPN erstellt werden (aber Wiederverwendung von Teilen aus anderen SPN) SPN eignen sich nur bedingt zur Darstellung der Code-Size von Agenten Entspricht Firing-Rate dem tatsächlichen WFMS-Verhalten? Nachteile: SPN werden sehr schnell unübersichtlich und groß; im Paper nur Beispiel-SPN angegeben. Markus Grüne

Ausblick „Adapative“ WFMS, die Delegationsmodelle nach der Analyse der WF-Schemata zuweisen Was bietet P2P bei WFMS ? Unternehmensübergreifende GP-Koordinierung Abwägung Kosten für Aufbau der Simulation vs. Erlöse durch schnellere Abwicklung von GPn Sind Netzwerkkapazitäten in Zukunft überhaupt relevant ? ...