一種面向業務規則和流程的推理引擎架構

倪 曌 白利芳 董奧冬

1(國網孝感供電公司 湖北 孝感 432000)2(信息工程大學 河南 鄭州 450001)3(國網河南省電力公司焦作供電公司 河南 焦作 454000)

一種面向業務規則和流程的推理引擎架構

倪 曌1白利芳2董奧冬3

1(國網孝感供電公司 湖北 孝感 432000)2(信息工程大學 河南 鄭州 450001)3(國網河南省電力公司焦作供電公司 河南 焦作 454000)

目前基于業務流程模型控制規則引擎的工作流引擎已經開始提倡使用。針對這種情況， 基于BPMN業務流程模型的工作流引擎，提出一種適用于業務流程模型和規則集成與執行的推理引擎架構。該架構引入XTT2的規則表示，集成了jBPM工作流管理系統和HeaRT規則引擎，由工作流引擎控制專用規則推理引擎執行規則決策表運行。原型實現表明了該架構可實現規則任務的可視化設計，并支持對得到的規則任務模型的形式驗證。

BPMN 業務流程模型 規則

0 引 言

在業務處理程序中，業務規則是一種比較優良的知識表示和處理方式，然而對規則推理而言在處理大型規則庫時仍有許多問題需要解決。大多數現有的推理引擎使用如Rete模式匹配算法進行規則推理，但這種方法中規則搜索策略在給定環境下對規則選擇所掌握的信息不足，影響規則匹配效率。為了解決這一問題，已經提出了多種不同的推理控制策略。例如文獻[1]針對疾病發展的推理引擎設計了一個基于規則的摘要決策推理策略，文獻[2]則針對XML數據庫引入推理樹概念，并提出相應的動態推理控制策略。但對普遍的業務系統的規則推理，一些業務處理程序則使用了業務流程BP(business process)模型來進行設計開發，其中的業務流程模型與標注BPMN(Business Process Model and Notation)能夠建模更復雜的控制流程[3]。目前，基于BP模型控制規則引擎的工作流引擎已經開始提倡使用，但是仍然缺少一個清晰的集成了規則和流程的推理引擎概念架構。

本文提出了一個面向規則與業務流程模型的建模、集成和執行的新推理引擎架構，該架構主要面向基于BPMN業務流程模型的工作流引擎。工作流引擎進行推理控制，底層的業務規則表示了業務邏輯的某些特定部分，在業務流程模型中所涉及相同工作內容的規則被分到一個任務中，稱為一項規則任務。規則任務模型由定義好的決策表進行建模得到，在運行環境中，決策表的執行由工作流引擎控制的專用規則推理引擎實現。在某些相關的開發工具(Drools)提供了類似方法的功能實現[4]，然而本文提出的架構具有更重要的優勢：一方面，規則模型的形式化定義可以實現對規則庫的質量控制；另一方面，BPMN流程模型的某些控制部件可以轉化為規則。

1 存在的問題

復雜的業務智能處理程序需要先進的建模方案，并且業務設計者、軟件工程師和普通程序員必須能夠容易地學習掌握這些建模方案。在業務流程建模中，UML語言對于一般的業務使用者而言非常難以理解[5]，因此在業務流程建模中引入了BPMN標注法。雖然這種標注法可以很好地解決建模過程中工作流程的表示問題，但是只利用BPMN不能詳細地表達出流程中任務的邏輯。

業務規則BR(Business Rules)描述是一種能夠被用來具體地表示業務流程中任務邏輯的方法，其產生于已經建立完善規則的系統。然而，對流程和規則的抽象是在不同層面上的，通常情況下規則在多數系統中用自然語言進行描述，有時規則也會用結構化形式表示。流程和規則之間的這種差異造成兩者語義不匹配的問題，表現在建模過程中的概念表示和執行實現的困難。因此，研究出一種面向業務規則和業務流程建模的方法對未來確保高質量的系統實現是非常重要的。

雖然BP和BR在抽象層次上具有差異，但是規則與流程在業務系統中是相互補充的關系。BPMN 2.0中也體現出規則和流程的這種差異[6]，這說明現有的BPMN不適合用來建模這樣的規則流程。一個BPMN流程模型應該既能定義上層的系統行為，又能用規則說明下層的流程邏輯。目前，有許多針對整合規則和流程的建模方法正在進行的研究。文獻[7]引入了ECA(Event Condition Action)符號來對業務流程中進行規則的一致化分解；文獻[8]實現了一個與任務一致的自包含子過程可擴展庫，能夠根據規則上下文進行動態決策；文獻[9] 提出了一種面向規則和流程相結合的建模語言rBPM，該語言集成了業務流程建模符號REWERSE。但由于現存的方法不能準確地表示規則和流程進行整合的細節，不能很好地支持流程和規則的可視化建模，且沒有考慮質量問題，此外能夠提供整合規則和流程建模環境的工具也不多，因此仍然缺少一種可用的、標準化的、一致化的方法。

本文提出了支持業務規則描述和BPMN流程模型二者結合的集成架構，采用了的XTT2的規則表示(如決策表或決策網絡)用于定義流程中的任務邏輯。XTT2規則描述利用有限值集合的屬性邏輯ALSV(FD)(Attributive Logic with Set Values over Finite Domains)，可以在過程中檢查規則的語法。此外，XTT2規則描述還具有可視化知識表示能力，使該方法在任務評估上占有很大優勢。

2 jBPM-HeaRT架構

本文中能夠整合BP和BR模型的集成架構jBPM-HeaRT是在運行基于BPMN的BP模型的開源jBPM工作流引擎的基礎上提出的，該工作流引擎能夠與運行底層規則邏輯的HeaRT(HeKatE Run-Time Environment)規則引擎進行通信。

JBoss jBPM是一個工作流管理系統，能夠為工作流的業務流程管理到流程編排提供可執行流程語言的平臺，該系統架構是基于文獻[10]中的WfMC的參考模型發展而來。jBPM提供了一個執行業務流程的流程引擎和兩個可選核心服務，一是歷史日志記錄，能夠記錄所有流程實例的當前和歷史狀態信息；二是當有人工執行者參與到流程中在其任務生命周期提供人工任務服務。jBPM具有可插入架構，能夠作為一個可擴展的、可定制的工具集成到本文研究的運行環境中。

jBPM工具提供BPMN 2.0 XML格式用于流程的定義。完整的BPMN 2.0規范包括流程編排和合作的細節，但jBPM僅注重具體的執行流程。jBPM已被應用于文獻[11,12]中相關的工作流建模，本文只針對業務流程的建模應用。

2.1 知識表示

本方案中，BPMN用于過程的工作流建模，業務規則即SKE(Semantic Knowledge Engineering)方法，用于規范描述流程任務中的具體邏輯。在SKE中，XTT2規則表示提供了規則的邏輯運算表達式，并提供支持規則邏輯和可視化規范的結構化知識表示[13]。XTT2支持高級控制推理和的生產系統的形式分析，提供了基于ALSV(FD)邏輯的規則描述語言，這樣的知識表示方法使XTT2語言比命題邏輯具有更強的表達能力。XTT2規則庫包含屬性和其相應的值，每一對屬性-值視為一個事實(fact)，所有屬性-值對的集合定義為系統狀態s：

s:(A1=V1)∧(A2=V2)∧…∧(An=Vn)

其中An指屬性，Vn是屬性對應的值，屬性個數(事實)在推理過程中是常數，規則庫的職能由屬性值的改變而發生變化。XTT2將規則庫模塊化，涉及相同內容的規則被放到同一個任務中，一個任務對應一個決策表。因此，只有具有相同條件和決策屬性的規則可以被放置在一個決策表中，即在決策表中的每個規則確定同一組屬性的值。決策表連接在一起形成的類似網絡結構的決策網，XTT2將決策網絡和決策表混合進行知識表示。

例如自動取款機ATM中的XTT2行為決策表，如表1所示。表頭包含所有常見規則的屬性，表中每一條規則存儲為一行，包括5個標記為(?)的條件列和標記為(→)動作列。條件即五種屬性，分別為是否具有權限(A，authorizated)，密碼輸入失敗次數(F，failedAttempts)，用戶請求(UR，userRequest)，用戶金額變化(UAD，userAmountDifference)，ATM金額變化(AAD，ATMAmountDifference)，動作(AA，ATMActivity)為ATM機的輸出反饋。

表1 ATM機中XTT2決策表

2.2 原型架構

該模型在HeaRT推理引擎上運行， HeaRT為其用HMR格式表示的業務規則提供了相應的執行環境。jBPM-HeaRT架構使用本地工作流引擎BPMN 2.0 jBPM，它是一個基于流程虛擬機(PVM，Process Virtual Machine)的通用流程引擎，用BPMN 2.0來描述業務流程執行。jBPM-HeaRT還需將jBPM流程引擎集成到HeaRT規則引擎上，jBPM與HeaRT的集成架構的概要如圖1所示，除了說明該架構中的執行業務流程和規則的引擎，整個jBPM-HeaRT架構還解釋了利用業務規則對業務流程模型進行建模和驗證的實現過程。

圖1 jBPM-HeaRT架構

jBPM-HeaRT架構分為業務流程和規則的建模、驗證和執行三個層次。

① 建模層：XTT2業務規則決策表通過網絡接口(TCP/IP)利用HQEd編輯器進行可視化編輯，業務流程BPMN模型利用jBPM編輯器實現；

② 驗證層：XTT2規則表示法支持在HeaRT引擎和HeKatE的驗證和分析架構(HalVA，HeKatE Verification and Analysis framework)下對XTT2決策表進行形式化驗證，驗證過程中可視化規則決策表自動轉化為HMR表示規則；

③ 執行層：在業務執行中，BPMN流程模型運行在jBPM引擎上，BR任務觸發選擇的XTT2決策表執行規則，兩者之間的通信實現流程與規則的統一執行，通信功能的實現見3.1節。

由上述可知，這個一般化的架構可以實現對流程和規則的可視化建模，并能夠驗證執行一個完整的特定BPMN模型。

2.3 規則驗證

1) 單一規則不一致

單一規則產生的矛盾有兩種可能：一是條件和結論的不一致，二是條件間不一致。規則的條件和結論部分存在同一屬性，則有可能產生矛盾。單一規則條件間不一致檢測方法：

① 一條規則的條件部分的創建屬性列表；

② 從屬性列表的第一個屬性開始，找出所有包含該屬性的條件，直到屬性列表中最后一個屬性；

③ 檢驗所選屬性的條件集的交集是否為空，若為空集，則該規則矛盾。

2) 規則間不一致

兩條規則間矛盾，即當兩條規則的動作部分不一致時，存在某一狀態這兩個規則都為真，驗證方法如下：

① 將同一規則任務即XTT2決策表中兩條規則下的狀態集合作交集；

② 如果交集不為空，且兩條規則的動作部分不相同，則兩條規則間矛盾。

3) 完整性檢測

為檢查系統完整性，必須將所有可能的輸入數據傳給系統，并根據系統響應判斷完整性，實現起來比較復雜。但是，對于一張XTT2決策表的完整性檢測，則利用決策樹算法進行檢驗。決策樹算法檢測的思想是建立一個系統狀態樹，每個分支代表一個狀態，樹的每一層代表狀態包含的屬性。完整性檢測基于深度優先算法，對比分析XTT2決策表，當發現某一分支沒有被任何規則所包含，則此分支及其所有的子分支都不用繼續檢測。

4) 規則包含

若一條規則的條件部分包含另一條規則的條件部分且動作部分相同，對這種包含關系的測試方法如下：

① 將給定任務即XTT2決策表中規則下的狀態集合作交集；

② 若交集不為空，且規則的動作部分相同，則規則間存在包含關系。

3 原型實現

jBPM-HeaRT是一種能夠支持集成XTT2業務規則和BPMN流程的工具架構，相較于大多不支持高級規則表示的工具，該架構利用了決策表來定義流程中的任務邏輯，決策表由HQEd編輯器進行可視化編輯，表中的規則使用ALSV(FD)邏輯形式化表示，在設計定義過程中還可以進行語法檢查。該架構主要實現了jBPM和HeaRT的通信功能，使基于規則的系統能夠進行流程和規則統一建模執行。

3.1 jBPM與HeaRT通信

本架構提供了執行流程模型的集成環境，架構原型使用了jBPM流程引擎集成HeaRT推理引擎實現。利用HeaRT套接字接口對具體規則任務實現的完整BP模型進行jBPM建模，HeaRT引擎作為服務器運行，當處理與jBPM的通信時HeaRT則作為客戶端運行，之所以能夠實現這樣的工作模式是由于jBPM-HeaRT架構實現了BPMN模型任務與相應XTT2決策表的聯結。在jBPM-HeaRT架構原型中，jBPM向HeaRT發送以下的消息：

① 以“H”開頭命名的規則任務用HeaRT執行，每個規則任務對應一個XTT2決策表。

② 在規則庫中規則流組與XTT2決策表的列表(或狀態)相關聯。

③ 如果模型狀態不是特定的，則HeaRT引擎從當前狀態開始。

④ HeaRT引擎推理出的狀態屬性結果作為過程實例的環境變量保存。

這些工具通過專用API進行通信，HeaRT引入到執行層可以支持多種常見的編程語言(如Java，PHP和Python)。該集成模塊的功能是實現多個客戶同時與一個作為推理服務器的HeaRT實例工作。 HeaRT與jBPM之間的通信通過網絡協議實現，并且由專門的HConnect類(調用JHeroic集成庫)控制。jBPM提供了專門的接口API(Knowledge Builder類、KnowledgeBase類、KnowledgeAgent類等)，這些API由Java編寫，提供了類和接口的操作。

在Drools的流程執行過程中，與HeaRT的通信由jBPM引擎進行初始化。Knowledge Builder類用于從文件中讀取并編譯知識庫(knowledge base)，通過Knowledge Builder類向knowledge base中添加新知識，HConnect類用于向HeaRT讀取和添加XTT2模型，并調用fireAllRules方法執行模型。

3.2 實例說明

為驗證jBPM和XTT2的轉換和集成關系，下面對ATM自動取款機實例進行說明。

1) BPMN模型和XTT2決策表

ATM機獲得客戶的儲蓄的決策過程：一個客戶通過插入卡并輸入正確的PIN碼獲得授權，然后客戶可能會取款或要求打印憑條。圖2顯示了該例子的流程模型，可以看出規則任務和XTT2決策表與腳本任務和HeaRT輸出之間的依賴關系，該BPMN模型可在jBPM中可視化編輯得到。

圖2 jBPM對ATM機建模的BPMN模型

ATM機的XTT2決策表由HQEd編輯器可視化編輯得到，如表1所示。

2) 規則完整性驗證

ATM機XTT2決策表的規則完整性利用決策樹算法進行檢驗。XTT2決策表在HeKatE上自動轉化為HMR規則格式，如表1的第一條規則轉化為HMR形式：

[A eq false, F lt 3, UR eq any, UAD eq any]

==> [AA set (askForPIN)]

HalVA可以根據生成的HMR形式的規則構建決策樹，樹的每一個分支代表ATM機系統的一個狀態，利用深度優先算法遍歷所有狀態。對比XTT2決策表，當且僅當對任意一個系統可能出現的狀態，都存在一條規則包含該狀態時，XTT2決策表具有規則完整性。

3) 模型執行實現

以下代碼片段表示Knowledge API和HConnect庫在執行自動取款機ATM實例中實現jBPM和HeaRT通信的運用：

public static final void main(String[] args) {

try {

KnowledgeBase kbase = readKnowledgeBase();

StatefulKnowledgeSessionksession =

kbase.newStateful KnowledgeSession();

KnowledgeRuntimeLogger logger =

KnowledgeRuntimeLoggerFactory.newConsole-

Logger(ksession);

//Read the HMR model from the filesystem and send it to HeaRT

HConnect.addModel(″ATM″, new File(″atm-rt.pl″));

ksession.startProcess(″HConnect Test″);

ksession.fireAllRules();

logger.close();

} catch (Throwable t) {

t.printStackTrace();

}

}

private static KnowledgeBase readKnowledgeBase() throws Exception {

KnowledgeBuilder kbuilder =

KnowledgeBuilderFactory.newKnowledgeBuilder();

kbuilder.add(ResourceFactory.newClassPathResource(″H-ConnectTest.bpmn″), ResourceType.BPMN2);

KnowledgeBuilderErrors errors = kbuilder.getErrors();

if (errors.size()>0) {

for (KnowledgeBuilderError error: errors)

System.err.println(error);

throw new IllegalArgumentException(″Could not parse knowledge.″);

}

KnowledgeBase kbase =

KnowledgeBaseFactory.newKnowledgeBase();

kbase.addKnowledgePackages(kbuilder.getKnowledgePacka-ges());

return kbase;

}

本文提出的這種流程規則一致性架構，使在下層的業務規則補充并完善了上層的流程模型。其流程模型支持業務邏輯的上下文驗證，提供了一般推理流程，并可進行可視化規則設計和對規則任務進行規則的完整性的形式驗證。

4 結 語

本文提出了一個在BPMN模型中使用XTT2標注的業務規則來描述指定任務的框架結構。 XTT2支持利用形式化表示的決策表進行規則建模，該架構則能夠對指定的模型進行整合執行。本文給出了一個該架構的原型實現，其使用jBPM流程引擎集成HeaRT推理引擎實現。

這項研究以后可以從兩個方面進一步深入，一是研究一種能夠有效地使用BPMN標注對面向業務規則定義邏輯任務的業務流程進行一致性建模的方法，通過理想的設計模式將消除流程規則建模中語義不一致等問題的方法；另一個重要的問題是集成模型的質量，HeaRT的驗證特性可以用來進行某些BPMN模型和規則任務的形式驗證，然而這只能對單獨的規則任務或簡單結構的BPMN模型進行局部驗證，完整模型的全局驗證方法需要進一步研究。

[1] Mitra S,Mitra M,Chaudhuri B B.A Rough-Set-Based Inference Engine for ECG Classification[J].IEEE Transactions on Instrumentation & Measurement,2006,55(6):2198-2206.

[2] 徐錚,陳恭亮,李建華.基于推理樹的XML推理控制研究[J].通信技術,2015(2):208-213.

[3] Bisogno S.Combining modelling and simulation approaches[J].Business Process Management Journal,2016,22(1):56-74.

[4] Proctor M.Relational Declarative Programming with JBoss Drools[C]//Symbolic and Numeric Algorithms for Scientific Computing,2007.SYNASC.International Symposium on.IEEE,2007:5-5.

[5]ViewegI,WernerC,WagnerKP,etal.UnifiedModelingLanguage(UML)[M]//EinführungWirtschaftsinformatik.GablerVerlag,2012:367-377.

[6]AutiliM,RuscioDD,SalleAD,etal.AModel-BasedSynthesisProcessforChoreographyRealizabilityEnforcement[M]//FundamentalApproachestoSoftwareEngineering.SpringerBerlinHeidelberg,2013:37-52.

[7]KnolmayerG,EndlR,PfahrerM.ModelingProcessesandWorkflowsbyBusinessRules[M]//BusinessProcessManagement.SpringerBerlinHeidelberg,1999:16-29.

[8]AdamsM,HofstedeAHMT,EdmondD,etal.Worklets:AService-OrientedImplementationofDynamicFlexibilityinWorkflows[M]//OntheMovetoMeaningfulInternetSystems2006:CoopIS,DOA,GADA,andODBASE.SpringerBerlinHeidelberg,2006:291-308.

[9]MilanovicM,Ga?evicD.TowardsaLanguageforRule-EnhancedBusinessProcessModeling[C]//Proceedingsofthe13thIEEEinternationalconferenceonEnterpriseDistributedObjectComputing.IEEEPress,2009:59-68.

[10]ViriyasitavatW,MartinA.IntheRelationofWorkflowandTrustCharacteristics,andRequirementsinServiceWorkflows[J].CommunicationsinComputer&InformationScience,2011,251(3):492-506.

[11]HuangYY,JiangR,LiH.AReusableSystemArchitectureBasedonJBPMandItsApplication[M]//FutureCommunication,Computing,ControlandManagement.SpringerBerlinHeidelberg,2012:517-525.

[12]OstermayerL,SeipelD.KnowledgeEngineeringforBusinessRulesinPROLOG[C]//26thWorkshoponLogicProgramming,Bonn,Germany,September24-25,2012.2012.

[13]GrzegorzJNalepa,KrzysztofKluza.UMLRepresentationforRule-basedApplicationModelswithXTT2-basedBusinessRule[J].InternationalJournalofSoftwareEngineering&KnowledgeEngineering,2012,22(4):485-524.

AN INFERENCE ENGINE ARCHITECTURE FOR BUSINESS RULES AND PROCESSES

Ni Zhao1Bai Lifang2Dong Aodong3

1(StateGridXiaoganPowerSupplyCompany,Xiaogan432000,Hubei,China)2(InformationEngineeringUniversity,Zhengzhou450001,Henan,China)3(StateGridHenanElectricPowerCompanyJiaozuoPowerSupplyCompany,Jiaozuo454000,Henan,China)

At present, the workflow engine based on business process model controlling rule engine has been advocated. In view of this situation, an inference engine architecture for integrating and executing business process models with rules is proposed based on the workflow engine which runs BPMN business process model. The architecture introduces XTT2 rules and integrates jBPM workflow management system and HeaRT rule engine, making the rule decision tables executed by a dedicated rule inference engine which is controlled by workflow engine. The implementation of the prototype demonstrates that the architecture can realize visual design and formal verification of obtained rule tasks.

BPMN Business process models Rules

2016-03-22。倪曌，碩士生，主研領域：專家系統。白利芳，碩士生。董奧冬，工程師。

TP302.1

A

10.3969/j.issn.1000-386x.2017.03.017