《警告：知识产权保护的文件》

警告：警告链接这份文件是长期工作的结果，得到了答辩小组的批准，并提供给整个更广泛的大学社区。它受作者的知识产权保护。 这意味着在使用本文件时有义务引用和引用另一方面，任何伪造、剽窃、非法复制的行为都将受到刑事起诉。联系方式：ddoc-theses-contact@univ-lorraine.fr知识产权法。第122条。4知识产权法。条款L 335.2- L335.10http://www.cfcopies.com/V2/leg/leg_droi.phphttp://www.culture.gouv.fr/culture/infos-pratiques/droits/protection.htmIAEM洛林博士学校用于企业决策支持论文为了洛林大学博士学位（自动化、信号和图像处理以及计算机工程）纳尔逊·马塞洛·罗梅罗·阿奎诺陪审团组成主席：教授Henderik Proper，卢森堡大学教授，卢森堡报告员：Grégory Zacharewicz教授，法国Alès矿业公司IMT教授Walid Gaaloul教授，法国检查员：Mario Lezoche博士，法国洛林大学人类发展报告讲师Béatrix Barafort博士，卢森堡教授Hervé Panetto，法国洛林大学教授（论文主任）博士Wided Guédria，卢森堡LIST研究员;法国洛林大学副研究员（论文联合主任）南希自动化研究中心这篇博士论文是卢森堡科学技术研究所（LIST）和自动控制研究中心（CRAN）UMR 7039、洛林大学联合研究单位和法国国家科学研究中心这个博士基金是由LIST资助的。我确认书我想感谢我的导师Wided Guédria博士和Hervé Panetto教授在我攻读博士学位期间给予我的指导、支持和智慧之言。我也要感谢教授。格雷戈里·扎卡雷维奇和教授Walid Gaaloul同意担任本论文的评审员，以及评审团的其他成员Mario Lezoche博士和Henderik Proper教授，以评审本论文。特别感谢Dr.对于Béatrix Barafort在LIST三年的辛勤工作中的所有支持，与这样一位杰出的专业人士一起工作我也要感谢我在CRAN和LIST的所有同事。特别是SPG集团的成员：Stephane Cortina、Michel Picard、Samuel Renault、Alain Renault、Phillipe Valoggia。我还要感谢我的朋友们：加布里埃尔、贝雷基特、纳尔逊、尚塔尔、路易斯、莎拉、让-塞巴斯蒂安、加布里埃拉和许多其他人，感谢他们的支持，感谢我们在博士之旅中（身体上或虚拟上）一起度过的所有美好时光。我想感谢我的家人对我的持续支持。我对他们表示感谢，不仅仅是因为他们在博士期间的支持。但在我的一生中，每走一步都在我身边。致我的父亲纳尔逊，我的母亲伊娃，我的兄弟圭多，和我的妹妹娜塔莉亚。我也向我的其他家庭成员表示赞赏和感谢。最后，献给我心爱的妻子Kathia，感谢她无条件的爱和支持。谢谢你在晴天和雨天都是我的伴侣，谢谢你帮助我克服了许多障碍，谢谢你在我看不到的时候向我展示了我内心的力量。我全心全意地爱你。纳尔逊·马塞洛·罗梅罗·阿奎诺|2021年9月，法国。iv.iii."做还是不做。没有尝试。iv.第一章最新技术水平第二章智能系统内容物导言十一1研究背景XI2研究动机xii3目标十四4研究方法十五5论文组织十六第一部分迈向智能评估框架1.1引言11.2企业评估11.2.1评估类型1.2.2成熟度和能力评估41.2.3ISO/IEC 33020测量框架1.3相关工作81.3.1自动结果计算和显示81.3.2自动数据收集91.3.3加强评估的框架1.4研究差距和贡献102.1导言132.2背景152.2.1一般系统理论152.2.2不同领域的智能概念V内容物vi第三章智能评估框架第四章使用文本证据进行评估的混合方法2.2.3以前的文献综述172.3系统性文献综述和分析182.3.1系统性文献综述182.3.2论文分析202.4文献综述结果和讨论222.4.1应用领域222.4.2出版期252.4.3文本挖掘结果262.4.4智能和智能302.4.5定义中的相似2.5智能系统的特点2.6对文献综述有效性的威胁2.7设计科学背景下的智能能力2.8结论373.1导言393.2智能评估元模型403.3元模型专业化：互操作性评估423.4智能评估框架（SAF）443.4.1数据感知服务453.4.2服务组织3.4.3演示服务493.4.4SAF 50中的数据流3.5SAF案例研究：业务流程能力评估513.6设计科学语境中的概念模型3.7结论53第二部分智能评估框架的实施4.1导言574.2评估业务流程的混合方法594.2.1方法概述内容物viii第五章评估企业建模语言对支持评估的适用性第六章一种使用流程模型评估业务流程能力的方法4.2.2LSTM型号614.2.3知识库624.3案例研究704.3.1案例研究描述704.3.2样品管理流程专业化714.3.3LSTM培训和测试724.3.4评估结果734.4软件工具754.5设计科学背景下的混合方法4.6结论795.1导言815.2企业模型和评估835.3建模语言和评估要求分析845.3.1要求分解865.3.2要求和建模元素匹配895.4考虑ISO/IEC33020 90的 BPMN和ArchiMate分析5.4.1考虑因素905.4.2ISO/IEC33020 91的过程属性和指标5.4.3结果和讨论925.5评估业务流程的能力水平955.5.1BPMN 975.5.2ArchiMate 1025.5.3讨论1055.6设计科学背景5.7结论1066.1引言。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1096.2评估过程模型的尝试。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 110业务流程模型评估的GCN方法。... ... ... ... ... ... ... ... ... ... ... 1116.1过程模型生成器。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1126.3.2过程模型分类器。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...114七内容物viii附录A企业建模附录B深度学习附录C基于知识的系统6.3.3 GCN部署1156.4GCN方法实验和结果1166.4.1系统设置1166.4.2数据集1166.4.3结果1166.5设计科学中的GCN方法1186.6结论118结论121参考书目125附录149A.1建模语言................................................................................................................................ 151A.2 企业建模语言153A.2.1业务流程模型和符号（BPMN）155A.2.2ArchiMate 156B.1长期短期记忆（LSTM）160B.2Word嵌入161B.3图形神经网络（GNN）162C.1本体论163C.2推理引擎163ix图列表1设计科学研究方法的三周期观点概述在这部作品中（改编自[49]）。......................................................................................... 十六2组织论文，将每一章及其内容与任务联系起来。 . 十七1.1评估要素的简要概述，专门用于业务流程能力评估。........................................................51.2业务流程能力评估专业评估要素的简要概述。................................................................... 62.1本工作所遵循的方法概述。................................................................................................. 182.2通过文本挖掘技术探索定义的方法概述。......................................................................... 212.3介绍智能或智能系统定义的论文领域242.4每年包含定义的论文数量。....................................................................................................262.5每年介绍智能或一些智能系统定义的论文数量（考虑该领域）。.................................. 272.6前25个最重复的单词的出现次数（考虑全文）定义。..................................................................................................................................... 282.7从定义中手动提取的前25个最重复关键字的出现次数。................................................. 292.8使用定义中最多的25个单词可视化嵌入向量302.9定义中最常用词的权重（考虑其外观）每个域的定义。......................................................................................................................332.10 智能系统的元模型。..............................................................................................................353.1定义智能评估组件的元模型。............................................................................................. 413.2面向企业互操作性的智能评估元模型3.3定义智能评估组件的概念框架。......................................................................................... 443.4评估数据通过应用层每个组件的流SAF。......................................................................................................................................503.5使用TIPA框架作为评估框架评估智能样本管理（SM）过程的SAF实施示例。...........524.1概述本工作中采用的方法。................................................................................................. 604.2LSTM方法的管道和网络的体系结构。...............................................................................624.3评估本体634.4专门用于过程能力评估的评估本体。................................................................................. 644.5详细介绍了基于ISO/IEC 33020标准的过程评估本体。65x图列表4.6本作品中使用的本体的基类由OWL表示。.......................................................................... 664.7本工作中使用的本体的过程专门化类由OWL表示。........................................................674.8在PCAO的每个级别中使用的参考。..................................................................................684.9为样本管理流程添加了基本实践，包括现有的通用实践。............................................. 714.10 训练和测试模型训练期间的损失。..................................................................................... 734.11 组织组件管道和SM流程的结果。........................................................................................744.12 系统的体系结构。用白色框表示的元素是提供应用程序服务和访问数据对象的具体组件，其中浅色填充的行和框用于添加有关特定对象的信息。组件。 带白色三角形的箭头表示继承。.............................................................................. 754.13 前端和后端应用程序执行的任务概述软件工具764.14 评估期间使用的工具屏幕。................................................................................................. 785.1评估框架要求与ELE之间的关系建模语言的元素。................................................................................................................. 855.2评估过程概述。..................................................................................................................... 865.3通过伪模型对需求分解和形式化的概述基于需求图的方法。点线和框用于描述模型活动的输出工件的属性。............................................................................................. 875.4要求Rq.................................................................................................................................... 88分解示例5.5所提出方法范围内的目标问题指标范式。............................................................................895.6通过使用拟定方法分析BPMN和ArchiMate建模语言获得的结果...................................... 975.7描述样品管理过程的BPMN模型。......................................................................................985.8描述样品管理过程的ArchiMate模型。.............................................................................1025.9考虑ArchiMate模型，对ISO/IEC 33020样品管理过程的过程属性2.1和2.2的指标进行评级。....................................................................................................................................1046.1本工作所遵循的方法概述。................................................................................................1126.2输入过程模型和网络体系结构的可视化表示示例。........................................................1156.3数据集的正确过程模型示例。............................................................................................1176.4列车和测试集的网络损耗随时间的演变。........................................................................117A.1 建模语言的要素及其他相关方面（改编自[308]）。152个A.2 ArchiMate框架（改编自[237]）。....................................................................................156B.1深度学习模型的典型管道。................................................................................................159B.2LSTM存储单元。.................................................................................................................160xi一般介绍1研究背景世界正在走向一个基于可再生能源和智能技术使用的新时代。这场第三次工业革命是朝着更广泛地利用清洁能源和智能技术能力的方向迈出的一步。从技术的角度来看，这场革命主要植根于数字化转型[2]，其中有一个强有力的重点是将技术整合到公共和私营组织的所有领域，以提高生产力和价值创造[3]。这一范式以无处不在的元素的使用为中心，如网络物理系统[4，5]、物联网（IoT）[6，7]设备等。它允许生成、使用和处理数据，以便对特定环境采取行动或为决策提供必要的信息。企业处于这个新的颠覆性工业时代的中心，因为它们需要适应这种新情况带来的新挑战，以应对可持续性、监管合规性、新技术的有效采用、成本优化、有效的风险管理等方面。这些适应需要有效的，在某些情况下，需要进行重大的变革，需要分析其能力和局限性，作为规划任何变革举措之前的第一步。为此，对公司进行评估至关重要。如果做得正确，它允许分析企业家承担能力的优势和弱点，使决策者能够理解现状，并相应地计划一个有针对性的未来状态。评估可以是定性的，也可以是定量的。定性评估侧重于不可测量的方面，而定性评估侧重于更主观的测量[10]，而定量评估侧重于从更客观的角度测量可测量的属性，通常侧重于测量绩效[11]。在工业革命的背景下引入的新的以技术为中心的范式不仅改变了与客户、供应商和合作伙伴的运营相关的业务方面，而且还改变了与内部方面相关的方面，如生产管道、流程通信、团队之间的协作、新战略的定义等。更重要的是，这种情况促进了大量异构数据的生成，包括文本、图像、视频、音频、原始传感器数据、业务模型等。从不同角度提供企业信息这些可用数据可用作执行不同类型评估的证据。然而，各种各样的数据类型需要能够处理这些数据以获得评估结果的新的评估方法和系统在这种情况下，颠覆性技术需要提供新的、快速的和高效的方法来生成能够描述企业内部和外部要素的数据，还需要提供创新的替代方案来执行评估，使用可用数据来获得可用于决策目的的企业实体现状的可靠视图。从这个意义上说，人工智能（AI）[12]领域包括一组特别相关的技术，这些技术由于能够实现最先进的技术而在最近几年获得了普及。一般介绍xii不同任务的结果。在工业环境中，人工智能方法能够有效地支持决策，并在需要时在日益复杂的场景中采取行动。人工智能方法可以从两个角度来看待：数据驱动和模型驱动。在数据驱动的人工智能中，系统的知识自动从历史数据中推断出来它包括一个名为深度学习（DL）的子领域，[13]该领域目前在工业界和学术界都得到了广泛的扩展。DL是机器学习（ML）的一种形式，它使计算机能够从过去的经验中学习，并通过概念的分层表示来构建对世界某些方面的理解。DL技术的特点是需要数据来训练模型以执行诸如语音识别、图像分割、视频分类等特定任务。另一方面，一个更经典的人工智能视角包括象征性的、强有力的技术，这些技术旨在使用规则和预定义的启发法来执行某些任务。模糊逻辑[15]和专家系统[12]是经典AI方法的两个例子。在本文中，这些方法被认为是模型驱动的人工智能类别的一部分，因为知识必须由人类专家手动建模。这些新的数据处理方法和技术可以提供自动操纵和处理评估证据的手段，评估证据是反映被评估实体的状态的任何类型的数据。评 估 过程通常通过以下步骤进行：规划、数据收集、结果确定和结果呈现[17]。特别是，执行评估的数据收集和结果确定阶段通常需要投入时间和精力，如果由一组人工评估员进行的话。数据收集步骤涉及与收集能够描述被评估实体的证据相关的所有任务，而结果确定步骤包括分析证据以提供现状的活动。纯手工评估举措往往是资源密集型的，考虑到负责执行这些任务的人员可能不正确地收集、处理或分析了一些证据，它们更有可能产生不完整、更主观、甚至有因此，通过使用专用系统实现评估过程（或其一些活动）的自动化可以为企业提供高价值。使用能够执行完全自动化评估的系统有三个主要优势：第一点是，收集、预处理和过滤相关数据的需要不一定由人工完成，从而显著减少执行评估所需的资源消耗。此外，如果人类评估者只需要预先处理的证据，评估系统可以在这一步停止该过程，允许专家自由地使用预先处理的证据做出自己的决定。第二点是，该系统可以提供最终评估结果，这些结果可以由利益相关者直接使用，也可以作为人工决策者考虑的替代第二意见。在进行定性评估时，较晚的选项可能特别有用。最后，第三点是自动评估减少了获得有偏见、不正确、不完整或过于主观的评估结果的可能性2研究动机多年来，通过利用在某个时间点具有新颖性或破坏性的技术和方法，开展了几项旨在改进评估过程的工作[18研究人员和行业从业人员提出并测试了不同的方法，以解决在进行评估（定性和定量）时减少人力资源的问题，同时确保可靠性和效率。这些方法可分为三大类：手动、半自动和上下文感知评估。xiii2. 研究动机人工评估完全依赖于人类专家参与规划评估、收集和分析证据、定义和交流结果。人工评估的研究和行业工作通常集中在提出框架[18无论用于执行评估的具体方法或框架如何，该过程由一系列对所有评估都通用的步骤组成：评估规划、数据收集、结果确定和结果沟通。在一个完整的人工评估中，所有这些步骤都是由人类专家执行的。半自动化评估强调使用计算机使过程中的某些任务自动化。然而，仍然需要人类参与执行某些活动。一般而言，解决半自动评估问题的工作引入了工具，通过自动化评估结果的计算阶段来帮助评估，并提供用户界面来上传评估证据或需要进一步汇总以获得最终结果的部分结果。[27-30]提供的工作是此类自动生成评估报告是这些工具的共同功能。最后，上下文感知评估依赖于上下文感知系统[37]，该系统专注于使用物理或虚拟传感器[37]来收集关于被评估实体的数据。然后将收集到的数据传递给上下文管理器，该上下文管理器能够使用该数据来处理和推理以获得上下文的建模表示。这种上下文在[38]中被定义为"任何可用于描述特定情况的信息"，随后被分发给感兴趣的消费者。有不同的方法来处理上下文感知评估。例如，对于定性评估，可以使用过程挖掘技术[39，40]来使用可以连接到企业资源规划（ERP）系统的侦听器来收集系统日志，以便导出业务流程模型，该业务流程模型可以在以后进行分析以评估该流程。还可以执行一些处理（在事件日志上或在获得的模型上，使用域知识进行实例化），以获得具有更特定目的或具有特定特征的结构化业务流程模型[31对于定量评估，上下文感知评估可以基于使用感知工业环境的传感器来获得实时数据，该实时数据可以在事后进行预处理并通过可视化工具[34，35]显示给利益相关者以做出决策。前面提到的方法是各种研究倡议的一部分，旨在通过提出某种战略、方法、工件或技术来改进评估过程。这些方法通常侧重于具体的情景和实践。 此外，当考虑评估过程的自动化程度时，半自动和上下文感知评估之间存在差距。培训师似乎非常专注于自动化评估的结果计算阶段，而培训师则专注于自动化数据采集和数据建模活动。这一差距意味着缺乏能够输入数据并提供具有自主性的结果的全自动评估方法，以减少人力资源并提供可靠的评估结果。从这个意义上说，需要一个能够从端到端的角度考虑自动化评估的整体框架该框架可被研究人员和行业从业人员用作开发能够执行全自动评估的评估系统的指南，从而缩小数据收集自动化和评估结果确定阶段之间的差距。此外，该框架必须是通用的，足以指导评估系统的设计和开发，独立于算法或其使用的技术资源。从这个意义上说，通用性具有一系列优点，例如，它允许通过提供对其元素的清晰和简单的描述以及在没有框架的情况下开发的系统的基本功能来为多个域实例化框架。