IoT感知的业务微流程建模.pdf

第 56 卷第 2 期郑 州 大 学 学 报(理 学 版)Vol.56 No.22024 年 3 月J.Zhengzhou Univ.(Nat.Sci.Ed.)Mar.2024收稿日期:2022-10-31基金项目:国家自然科学基金国际(地区)合作与交流项目(62061136006);国家自然科学基金重点项目(61832004)。第一作者:王潇璇(1997),女,硕士研究生,主要从事软件服务工程研究,E-mail:wangxiaoxuan2603 。通信作者:王桂玲(1978),女,研究员,主要从事服务计算、分布式计算、大数据研究,E-mail:wangguiling 。IoT 感知的业务微流程建模王潇璇1,2,王桂玲1,2(1.北方工业大学 信息学院北京 100144;2.大规模流数据集成与分析技术北京市重点实验室北京 100144)摘要:基于物联大数据赋能的业务流程能够更快更准地感知物理世界并及时做出响应的需求突现,提出一种物联网(Internet of Things,IoT)感知的业务微流程建模方法。首先,以单个 IoT 对象为中心建模,融合 MAPE-K(monitor,analysis,plan,execution and knowledge base,MAPE-K)模型思想,将 IoT 对象实例生命周期的行为状态与微流程实例状态一一映射,实现对单个 IoT 对象的环形自动监控和调节;其次,基于从 IoT 传感设备获取的数据,定义基于SASE+语言的业务规则,提取对业务流程有意义的业务事件,避免了无关事件对宏流程的干扰;最后,通过设计一个微流程建模工具原型系统,结合真实案例分析,验证了提出建模方法的有效性,实现了业务流程与 IoT 实时流式感知数据的结合,并显著减少了宏流程需要处理的业务事件数量。关键词:IoT 流式感知数据;业务规则;环形自动监控调节;微流程中图分类号:TP18文献标志码:A文章编号:1671-6841(2024)02-0026-08DOI:10.13705/j.issn.1671-6841.2022317 An IoT-aware Business Micro-process Modeling MethodWANG Xiaoxuan1,2,WANG Guiling1,2(1.School of Information,North China University of Technology,Beijing 100144,China;2.Beijing Key Laboratory on Integration and Analysis of Large-scale Stream Data,Beijing 100144,China)Abstract:A method of modeling IoT-aware business micro-processes was proposed,which could empow-er business processes to perceive the physical world faster and more accurately,and respond to emerging demands in a timely manner based on IoT big data.Firstly,a single IoT object was modeled as the cen-ter,and the MAPE-K model was integrated to map the behavioral states of IoT object instances in the life-cycle to the micro-process instance states,achieving automatic monitoring and regulation of a single IoT object in a circular manner.Secondly,based on the data obtained from IoT sensing devices,business rules were defined by using SASE+language,and meaningful business events relevant to the macro-process were extracted to avoid interference from irrelevant events.Finally,a micro-process modeling tool prototype system was designed,and the proposed modeling method was validated through real case analy-sis,realizing the integration of business processes and real-time stream sensing data from IoT,and signifi-cantly reducing the number of business events that the macro-process needs to process.Key words:IoT streaming sensor data;business rules;circular automatic monitoring and regulation;mi-cro-processes第 2 期王潇璇,等:IoT 感知的业务微流程建模0引言随着物联网技术的发展,将物联大数据技术与业务 流 程 管 理 系 统(business process management system,BPMS)、流程感知的 信息 系 统(process-a-ware information system,PAIS)结合,并基于物联大数据赋能业务流程,使得业务流程能够更快更准地感知物理世界并及时做出响应的需求突现1-2。目前相关研究的主要方向是将业务流程与单个实体对象相关联,根据存储在数据库中的历史结构化静态数据来完成风险预测,对于从 IoT 传感设备获取的实时流式数据还没有一种合理的分析方法和模型,也 使 得 输 出 的 风 险 预 测 结 果 不 具 有 实 时性3-4。其次,当前的业务流程系统要人工干预才能完 成 业 务 事 件 处 理,无 法 实 现 完 全 自 动 化 执行5。最后,针对基于流式实时数据匹配业务事件的业务规则也还没有完善的定义与标准6。因此,本文提出一种基于 MAPE-K 模型的微流程建模方法,实现了对单个 IoT 实体对象的环形自动监控和调节。该方法将实时 IoT 流式感知数据与业务流程结合,对单个 IoT 对象的行为状态进行监控,根据IoT 数据与当前 IoT 对象的行为状态,基于业务规则输出相应的业务事件,并做出分析和决策。对于微流程本身可以自动调节与处理的业务事件,不会向上层宏流程抛出。那么,对于整个宏流程需要处理的业务事件数量将会有明显地减少(宏流程是指以活动为中心建模,描述多个对象交互行为的流程模型7)。本文的主要贡献如下。(1)提出一种融合 MAPE-K 软件自治思想的微流程建模方法,能够紧密集成实时 IoT 流式感知数据和业务流程。当关联的 IoT 对象遇到突发事件时,能够对其进行自动监控与调节。(2)提出一种基于 SASE+语言的业务规则,用于处理复杂数据流背后的业务事件,使微流程能够更好地适应动态多变的环境。(3)将微流程建模与 IoT 对象实例进行关联构造数据模型,并获取 IoT 对象实例的属性关系,利用其属性关系与业务规则相结合输出不同的业务事件,并自动调节处理部分业务事件,对于无法自动调节的业务事件向宏流程抛出并进行处理,减少宏流程处理的业务事件数量。1基于 MAPE-K 的环形自动监控调节的微流程建模原理1.1定义本文提出了一种基于 MAPE-K 的环形自动监控调节的微流程建模方法。首先,将单个 IoT 对象实例与微流程实例关联,融合了 MAPE-K 模型软件自治的思想,将对象实例的生命周期行为状态归纳为监控、分析、决策和执行四种8。其次,该建模方法将实时的 IoT 流式感知数据与业务流程进行结合。在建模时,可以基于 SASE+语言对复杂数据流背后的业务事件进行规则定义,并输出相应的业务事件。定义 1IoT 感知微流程定义为一个四元组,IoTAwareMicroProcess=id,name,relateInsID,StateList,其中:id 是微流程的唯一标识符;name 是 IoT 感知微流程定义名称;relateInsID 是关联的 IoT 对象实例的 ID;StateList=monitorState,analysisState,plan-State,executeState 是微流程的四个固定状态列表,monitorState 是监控状态,基于输入的 IoT 流式感知数据,对当前环形调节监控系统是否自动进行了调节操作进行判断和监测,analysisState 是分析状态,基于监控状态的输出结果,结合当前关联属性,给出具体的分析结果,planState 是决策状态,进入决策状态表示当前业务流程需要基于监控和分析状态给出合理的决策,executeState 是执行状态,是业务流程的最后一个环节,执行决策状态给出的命令。上述四个状态是微流程的固定结构,且顺序不能改变,形成闭环结构。定义 2状态定义为一个四元组,State=id,name,role,stepList,其中:id 是状态的唯一标识,代表顺序;name 是状态的名 称;role 是 状 态 所 属 的 角 色;stepList=Mi-croStep1,MicroStep2,是状态包含的微步骤结构列表。定义 3业务规则定义为一个三元组,businessRules=relateAttributeList,symbolList,relateSymbolList,其中:relateAttributeList 是业务规则关联的属性列表,至少包含一个属性字段;symbolList=symbol1,sym-bol2,是属性字段之间的符号列表,由 AND 或OR 表示;relateSymbolList=relateSymbol1,relateSym-bol2,是属性数值比较符号列表,按照顺序对应72郑 州 大 学 学 报(理 学 版)第 56 卷相应的属性数值,由、=表示。在判断输出业务事件时,业务规则将作为 SASE+语言中 WHERE 子句的约束条件存在,联合 SASE+语言中其他约束条件共同作为业务事件判断识别的约束条件。1.2建模元素一般来说,工作流程中会存在不同种类的建模元素9。本文提出的微流程中包含的建模元素称为微步骤。定义 4微步骤定义为一个四元组,MicroStep=id,name,type,state,其中:id 是唯一标识;name 是微步骤名称;type 是元素类型;state 表示微步骤所归属状态(归属固定的监控、分析、决策和执行四个状态之一),每个状态都包含一个或多个微步骤。微步骤是一种细粒度的行为活动,用于写入相应属性,分为空微步骤、原子微步骤、特定值微步骤和值步骤。微步骤之间的互连与转移主要通过建模元素微转移实现。微转移可以把微步骤作为源,也可以把值步骤作为源。在微流程实例实际执行时,必须确保前一步的微步骤或值步骤的属性约束达到要求之后,才会执行下一步的微步骤或值步骤,这样可以保证微流程实例的正确执行顺序。表 1 是对微流程基本建模元素的详细说明。表 1基本建模元素说明Table 1Description of basic modeling elements元素描述符号监控状态描述对象实例行为状态的建模元素。不同类型状态由不同的角色管理,监控状态须要判断输入数据流并监测系统行为,有助于确保系统正常运行并及时解决问题,角色可以采取适当措施来处理问题并预防未来出现类似问题分析状态分析状态表示已完成外部数据处理和分析,要基于监控状态的输出结果和已执行的操作给出相应的分析结果决策状态进入决策状态,要基于监控状态与分析状态输出的信息与数据做出合理化决定执行状态执行状态表示进入最后一个环节,去执行决策状态输出的命令或者处理意见微步骤空微步骤用于控制流程的开始与结束,不涉及任何属性引用。原子微步骤和特定值微步骤都用于执行相应的原子操作,二者区别在于原子微步骤要引用 IoT 对象实例属性,对属性值的写入无特定范围的要求,只要求属性值不为空且数据类型符合相应属性的数据类型。而特定值微步骤必须包含两个及以上的值步骤(值步骤表示须要设置特定值的约束),且特定值微步骤对属性值的要求是必须限定在其包含的几个值步骤之中,并要求数据类型符合相应属性的数据类型微转移微转移用于顺序化执行,指示下一执行的状态、原子微步骤和值步骤1.3建模规范总体建模规范要求如下。(1)微流程是以单个 IoT 对象为中心进行建模的。因此,在建模前必须与具体的 IoT 对象实例进行关联。(2)微流程包含四个顺序不可变、且不可删除的状态微步骤:监控、分析、决策和执行。(3)每个状态至少包含一个原子或特定值微步骤。且监控状态必须包含一个开始微步骤,执行状态必须包含一个结束微步骤。(4)引用属性必须注意时序问题。(5)原子微步骤和特定值微步骤必须按照时序顺序引用 IoT 对象实例的属性关系,且在建模时由专业建模人员提前设定属性数值判断条件以及业务事件规则。(6)对于不同状态包含的微步骤中关于属性的引用要求不同,必须确保属性类型和输入数据符合要求。1.4微流程执行1.4.1执行原理及规则微流程的执行是基于当前微流程中建模元素的状态标识,通过状态标识的转换来推动微流程实例的执行。微步骤的标识共有等待、就绪、启用、激活、确认和未确认 6 种状态;状态的标识分为等待、激活和确认 3 种。微流程实例的状态标识包括初始化、运行和已完成 3 种状态。下面,以图 1 所示的监控和自动调节天然气液化气(liquefied natural gas,LNG)罐箱温度的海上运输模82第 2 期王潇璇,等:IoT 感知的业务微流程建模型为例,说明微流程的执行原理及标识转换规则。表 2 为微步骤标识的说明。图 1LNG 罐箱温度自动监控调节案例Figure 1Example of automatic monitoring and regulation of LNG tank temperature表 2微步骤标识表Table 2Micro-step identification table标识符名称描述等待流程实例刚初始化时,所有标识为等待,之后可能会变为激活标识就绪微步骤未引用任何属性被标识为就绪已启用微步骤已引用相关属性,其被标识为已启用激活有下列几种情况下,微步骤将被标识为激活:1)当相应属性的值可用时,微步骤被标记为激活;2)不涉及任何属性的空微步骤立即被标记为激活;3)当对应的谓词评估为真时,值步骤被标记为激活确认微步骤所属的状态已标记从激活至确认,当前标记为“未确认”的所有微步骤将标记更改为“已确认”;即到达微步骤,相应属性值可用。反过来,如果满足相应的谓词,并且值步骤不属于跳过的路径,则值步骤被标记为确认未确认相应属性值是可用的,且其后续微步骤还未引用属性时,被标记为未确认图 1 所示案例在建模前需要与 LNG 罐箱温度传感器进行绑定,以获取所有的属性类型和关系。监控状态由一个空微步骤(即开始微步骤)和一个特定值微步骤(名为 LNG 罐箱温度)组成。特定值微步骤引用 LNG 罐箱温度属性,其包含的五个值步骤可以另外引用属性自动化操作,并通过 AND 与罐箱温度属性进行复合关联。输入是温度数值和当前是否自动化操作的结果,输出是当前数值是否异常以及异常处理结果。分析状态包括一个名为温度对象状态分析结果的特定值微步骤,引用温度状态分析结果属性,基于监控状态的输出结果给出建议。例如低温且无操作,给出的分析结果是温度过低且未执行任何相关操作。决策状态包含名为决策结果的特定值微步骤,引用决策结果属性,根据前两步的行为状态结果(低温且未执行任何相关操作),输出建议采取低温异常状态并执行升温操作。执行状态由一个名为执行命令的特定值微步骤完成,该微步骤引用了执行命令属性,执行升温命令后返回监控状态。至此,该微流程实例执行完毕。为了更清楚地解释微流程实例执行期间状态标识的转换过程,将图 1 所示案例执行过程中状态标识之间的转换进行了分解,如图 2 所示。和展示的是微流程初始化时各个微步骤的状态标识。在微流程实例创建时,将实例的状态标识更改为初始化状态。由于开始微步骤属于空微步骤,不与任何属性有关,跳过等待、就绪、已启用等标识状态,立刻被标识为激活,标志此实例已处于可执行状态。因此,将微流程实例标识为运行时,同时监控状态直接进入激活状态。名为 LNG 罐箱温度的特定值微步骤被标识为就绪,代表该特定值微步骤当前未对任何属性关系进行引用。图 2 中和为监控状态下的特定值微步骤引用了对象实例 LNG 罐箱的属性罐箱温度属性,其状态标识随之转换为已启用,其余标识保持不变。对于已经引用属性的特定值微步骤,一旦属性数值可用,立刻变为激活。开始微步骤此时被标识为未确认。对特定值微步骤中输入数值按照提前设定的业务规则进行判断是否可用,如果可用,则将其状态标识转换为未确认,如图 2 中和、和所示。到这一步表示该监控状态下的任务基本完成。如何从未确认标识转换为确认标识,取决于下一个分析状态的微步骤对于属性关系是否引用完成,如和所示。如果引用完成,则表示监控状态下的微流程执行完成,进入下一阶段。对于此后的几个状态标识的转换基本如上述描述进行。到了最后的执行状态时,如果结束微步骤被标识为确认,将微流程实例的标识更改为已完成,则表明92郑 州 大 学 学 报(理 学 版)第 56 卷图 2状态标识转化过程示例图Figure 2Example diagram of state identification conversion process该微流程执行完毕,可进行下一次微流程循环。具体定义的标识规则及其转换规则如下。(1)当微步骤所属的状态被标记为激活时,将其包含的微步骤的状态标记从等待变为就绪。(2)当微步骤属性引用完成或者先前的微步骤被标识为确认或未确认,状态标识从就绪转换为已启用。(3)当微步骤需要引用的属性的值可用时(即对于属性值的谓词表示为真时),将状态标识从已启用转换为激活。对于特定值微步骤,其所包含的值步骤必须至少有一个可用,才可以将其状态标识从启用转换为激活。原子微步骤的属性值可用时,直接将状态标识转换为激活。(4)微步骤被标识未确认的情况是如果其后续的目标微步骤的状态标识转换为已启用时,则将当前微步骤的状态标识转换为确认。(5)未确认标识存在于特定值微步骤中没有被激活的值步骤。1.4.2流程模型定义与解析正在开发的微流程引擎将微流程定义存储为 XML 格式,并在运行时将其加载到内存中,同时载入与微流程实例、关联的IoT 对象实例、建模元素状态、数据流和微流程变量相关的所有信息。单个微流程定义可以生成多个微流程实例。当引擎执行时,它会初始化并创建独立的工作流引擎实例。每次启动引擎时,所有数据都会以独立存储模式存储在 MySQL 数据库中,以避免数据混淆。然后,引擎使用 DOM4J 解析工作流定义XML 文件,将其转换为具体的工作流实例对象,并存储在数据库中。这一步是工作流定义的解析和部署。最后,通过不断读取和转换每个建模元素的状态来执行工作流。图 3 展示了针对 LNG 储罐温度自动监控调节案例生成的 XML 工作流定义文件。图 3XML 文件定义示例图Figure 3XML file definition example diagram03第 2 期王潇璇,等:IoT 感知的业务微流程建模2可视化建模工具及微流程引擎前端可视化建模工具主要采用 Vue、JsPlumb 和JavaScript 等技术和框架进行开发。而微流程引擎则主要采用 SpringBoot 框架、MyBatis-Plus 框架 和MySQL 数据库实现。微流程可视化建模工具提供了 IoT 对象的绑定、属性列表的获取与展示、拖拽建模、属性关系与微步骤关联、可视化对业务规则进行设计等功能。在建模时,用户只需按照指引进行操作,即可轻松进行建模。此外,在微流程实例执行时,系统提供了可视化展示微流程实例的具体状态、任务的接受与完成情况、以及实例中包含的微步骤所带标识的转换页面。系统概述图如图 4 所示。图 4系统概述图Figure 4System overview diagram3案例分析与评估为了证明本文提出的建模方法在技术上的可行性,本节以海上运输 LNG 罐箱为例进行详细的分析,并通过概念验证与实验验证两个角度,对本文提出的建模方法进行评估。3.1案例分析海上运输危化品本身就存在大量不可预知的危险,如各种各样的突发情况、天气和其他设备影响,加之由于大部分运输航线存在交汇,容易引发船只相撞、偏离航线等事故。在此背景下,某船只从烟台港口出发,运输 LNG 罐箱到大连港口。由于运输LNG 具有危险性,全程都要对船只上的 LNG 罐箱进行实时温度监控与调节,并对途中出现的风险事件立刻进行处理。如若无法处理,会立刻向外抛出紧急事件请求帮助。案例中涉及 IoT 对象为 LNG 温度传感 器。LNG 温 度 传 感 器 的 属 性 类 型 有 温 度(temperature),分析状态(status),判断(judge),命令(command),情 况(situation),原因(reason),结 果(result)。在以 LNG 温度传感器为中心进行建模时,微流程的每个微步骤都会按照顺序对上述的属性类型进行引用,并设定相应的业务规则。案例中设定的部分业务规则如下所示:(001,avg_temp0 and turn-up=true,温度正在升高且升温操作执行成功)。微流程实例执行时,会根据实时的温度数据结合业务规则对业务事件进行判断。业务事件是指对于当前建模的业务流程有实际业务含义的事件。定义 5业务事件定义为一个五元组,businessEvent=id,type,timestamp,location,other-list,其中:id 是事件的唯一标识;type 是事件类型;times-tamp 是事件的发生时间;location 是事件的发生地点;otherlist 是事件的相关属性和值。业务事件分为简单事件和复杂事件。简单事件是指由单一的属性和数据信息的变化而产生的事件。可直接通过业务规则进行判断,但在实际微流程执行时,简单事件不进行输出,只输出复杂事件。复杂事件则是一组同类原子事件的复合,对其进行分析并最后输出事件10-11。复杂事件的判断是把业务规则作为 SASE+语言中 WHERE 子句的约束条件,与其余子句包含的约束条件一起作为复杂事件的判断条件。比如,在本案例中,温度低于最低要求-196 ,或者高于最高温度-162 而产生的业务事件都被归为原子事件。如果一组这样的原子事件超过三个及以上的话,就会输出温度预警事件,温度预警事件就属于复杂事件。下面是用 SASE+语言对低于-196 的复杂事件进行描述。Query 1:PATTERN SEQ(TEMPEVENT+t3,)WHERE ti.temperature-196WITHIN 5 secRETURN t i.id,t i.timestamp,ti.locationQuery1 查询的是在 5 秒之内温度数值低于最低温度-196 的温度预警事件。其中 PATTERN 子句定义了序列算子 SEQ 的模式匹配结构,事件类型TEMPEVENT 是执行克林闭包算子的事件,用“+”标识,对应的事件实例记为“t3,”,表示三个或多个满足条件约束的 t 事件。WHERE 子句定义了模式匹配的谓词约束。RETURN 返回事件的相关信息。13郑 州 大 学 学 报(理 学 版)第 56 卷案例中的部分业务事件如下。低温且执行升温=001,(时间,String,2022 年6 月 26 日),(位置,float,(120.934,38.015),(事件,String,温度低于正常范围且执 行自动升温 调控),(所属状态,String,监控)。低温且无操作=002,(时间,String,2022 年 6月 26 日),(位置,float,(120.934,38.015),(事件,String,温度低于正常范围且未执行自动升温调控),(所属状态,String,监控)。温度正在升高且升温操作执行成功=003,(时间,String,2022 年 6 月 26 日),(位 置,float,(120.934,38.015),(事件,String,温度正在升高且自动升温调控操作正常),(所属状态,String,分析)。3.2评估基于 MAPE-K 的环形自动监控调节的微流程模型,相较于现有的业务流程与结构化静态数据的交互方式,其适用场景更加广泛。它能够处理在IoT 场景中获取到的流式感知数据,将 IoT 实时数据与业务流程结合,动态实时监测其数值的变化,并对其异常状态和行为自动做出反应和处理,大大降低了业务事件抛出的数量,从而减少时间成本和其他资源的浪费。图 5 展示了传统的业务流程和 IoT 感知微流程的对比。图 5建模方式对比Figure 5Comparison of modeling methods以图 1 案例为背景进行实验,得出的实验结果如图 6 所示。实验结果显示,在不同数量的业务事件情况下,通过微流程处理过滤了大部分的业务事件,并且自动调控了一部分的业务事件,实际宏流程处理的业务事件数量基本稳定在总业务事件数量的 6%7%。因此,本文提出的建模方法能够极大程度地减少宏流程处理的业务事件数量,减轻宏流程的压力。至此,实验结果验证了预期的实验效果。图 6业务事件处理数量的对比图Figure 6Comparative graph of the number of operational events processed4结论本文提出一种基于 MAPE-K 的环形自动监控调节的微流程建模方法,其创新之处有三点。(1)提出了一种融合了 MAPE-K 软件自治计算模型思想的环形自动监控调节的微流程建模方法。对于监测到的一些异常情况可以进行自动调节与处理,只有遇到无法处理的紧急业务事件时才向上层业务流程抛出,大大降低了事件抛出到上层业务流程的频率、事件抛出处理时间成本和资源消耗的问题。(2)适用于 IoT 场景,提出了一种支持处理 IoT流式感知数据的业务微流程模型,不再局限于输入的是历史静态结构化的数据。(3)提出了基于 SASE+语言定义的业务规则,用于复杂数据流背后的业务事件的规则定义,使得业务流程可以更好适应动态多变的环境。下一步的工作是对可视化建模工具和微引擎进一步的开发,对建模规范和业务规则的设定进一步完善。参考文献:1ANDREWS K,STEINAU S,REICHERT M.Enabling runtime flexibility in data-centric and data-driven process execution enginesJ.Information systems,2021,101:101447.2赵衰,丁菡,李瑞,等.基于多维信息感知的冷链物流监控 系 统 J.郑 州 大 学 学 报(理 学 版),2020,52(1):54-59.ZHAO C,DING H,LI R,et al.Cold chain logistics sur-veillance system based on multi-dimensional information 23第 2 期王潇璇,等:IoT 感知的业务微流程建模sensingJ.Journal of Zhengzhou university(natural sci-ence edition),2020,52(1):54-59.3STEINAU S,ANDREWS K,REICHERT M.Coordina-ting large distributed process structuresCInternational Conference on Business Process Modeling,Development and Support,International Conference on Evaluation and Modeling Methods for Systems Analysis and Development.Cham:Springer Press,2019:19-34.4STEINAU S,ANDREWS K,REICHERT M.Coordina-ting large distributed relational process structures J.Software and systems modeling,2021,20(5):1403-1435.5STEINAU S,MARRELLA A,ANDREWS K,et al.DA-LEC:a framework for the systematic evaluation of data-centric approaches to process management software J.Software&systems modeling,2019,18(4):2679-2716.6ARNOLD L,BREITMAYER M,REICHERT M.A one-dimensional Kalman filter for real-time progress prediction in object lifecycle processesC2021 IEEE 25th Inter-national Enterprise Distributed Object Computing Work-shop.Piscataway:IEEE Press,2021:176-185.7ANDREWS K,STEINAU S,REICHERT M.Engineering a highly scalable object-aware process management engine using distributed microservices C OTM Confederated International Conferences On the Move to Meaningful In-ternet Systems.Cham:Springer Press,2018:80-97.8KNZLE V.Object-aware process management D.Ulm:University of Ulm,2013.9STEINAU S.Design and implementation of a runtime en-viron-ment of an object-aware process management systemD.Ulm:University of Ulm,2015.10 章洋,毛艳芳.事件驱动的物联网服务理论和方法M.北京:科学出版社,2016.ZHANG Y,MAO Y F.Event-driven Internet of Things service theory and methodM.Beijing:Science Press,2016.11 魏仕杰.基于复杂事件处理的模型及算法研究D.南宁:广西大学,2016.WEI S J.The study of model and algorithm based on complex event processing D.Nanning:Guangxi Uni-versity,2016.33