第9期 徐红霞等：保税港区服务流程的性能评价 ·1239· 采样时间周期为h=5d,则8月份第一个预测时刻 统.物流技术，2010,29-16(8)：132) tk=2011-07-03+(7-1)×5=2011-08-02,即预测时间 [2]Du Y H.Li X T,Xiong P C.A Petri net approach to 为8月2日：然后步骤2根据历史采样的六次数 mediation-aided composition of web services.IEEE Trans 据构成灰原始序列Xo)(t)={84.32(t1),90.45(t2), Autom Sci Eng,2012,9(2):429 78.64t3),68.56(t4),75.38(t5),80.65(t6)}:根据步骤3 [3]Wang W R.Research on Business Modeling and Perfor- 构造累加生成序列X((tk)={84.32(t1),174.77(t2), mance Measurement of Service Oriented Enterprise [Dis- sertation].Beijing:Tsinghua University,2011 253.41(t3),321.97(t4),397.35(t5),478(t6)}:然后 (王伟然.面向服务企业的业务建模与性能评价研究学位 根据步骤4建立白化模型及灰微分动态模型： 论文].北京：清华大学，2011) 步骤5构造数据矩阵B和数据向量Y:计 [4 Liu B,Cai S Q,Zheng S Y.Evaluation index system for 算待定系数a=0.030989,b=87.59:最后步 business processes.J Huazhong Univ Sci Technol,2005, 骤6得到实时灰色预测的响应式(tk+1)= 33(4):112 (-2784.166817)e-0.030989k+2868.4868179,由式(10) (刘飚，蔡淑琴，郑双怡.业务流程评价指标体系研究.华中 和式(1)(=7)可得（位o(t)=71.664:= 科技大学学报，2005,33(4)：112) 2826.4868179).由此可得，入境进区服务流程8月 5]Zhu J R,Liu D C.Tong W,et al.Research on process- 份的第一个预测时间点(8月2日)服务性能的灰色 based manufacturing performance measurement system. Comput Integr Manuf Syst,2005,11(3):438 预测值为71.664%. (朱家饶，刘大成，佟巍，等.基于流程的制造绩效评价体系 5结论 研究.计算机集成制造系统，2005,11(3)：438) [6]Dai Y,Yang L,Zhang B,et al.QoS for composite web ser- (1)基于保税港区应用平台及服务流程的特点， vices and optimizing.Chin J Comput,2006,29(7):1167 构建了保税港区服务流程的性能管理框架，并从服 (代钰，杨雷，张斌，等.支持组合服务选取的QS模型及 务流程的性能评价及预测两个方面进行相关的建模 优化求解.计算机学报，2006,29(7)：1167) 及方法研究.一方面建立了保税港区集成系统服务 [7]Chen S P,Yan B,Zic J,et al.Evaluation and modeling 组合性能评价模型及指标体系：另一方面构建了服 of web services performance /International Conference 务流程性能实时灰色预测模型.上述研究工作将为 on Web Services.Chicago,2006:437 保税港区的信息化建设提供技术支持，并为管理者 [8 Cardellini V,Casalicchio E,Vincenzo G,et al.A frame 提供更科学的决策依据.本文中的服务流程性能指 work for optimal service selection in broker-based archi- 标体系，综合了保税港区系统中“业务”与“T”两 tectures with multiple Qos classes//Proceedings of the 个层面特点，避免了现有评价方法的片面性.另外， IEEE Services Computing Workshops.Chicago,2006: 105 本文中的实时性能预测方法能够有效地支持保税港 [9]Kalepu S,Krishnawamy S,Loke S W.Verity:a QoS met- 区业务的闭环管理，而且适用面广，可以在其他行 ric for selecting Web services and providers//The Fourth 业进行推广使用. International Conference on Web Information Systems (2)在本文基础上，可在如下方面进一步展开 Engineering Workshops.2003:131 工作：针对不同的业务问题，如何构建服务流程性 [10]Menasce D A.QoS issues in web services.IEEE Internet 能预测及优化的方法库及决策库，从而满足各类业 Comput,2002,6(6):72 务需求，这是一个重要的方向：各种时序约束作为 [11]Du Y H,Xiong P C,Fan Y S,et al.Dynamic checking 服务流程中常见时间信息，一般依据流程本身执行 and solution to temporal violations in concurrent workflow 情况、企业业务策略以及法律法规来设定，对它们 processes.IEEE Trans Syst Man Cybern Part A,2011, 41(6):1166 进行动态的分析和讨论，也是下一步需要进行的研 [12]Xu Z F,Chen Y G,Yang J H,et al.Queuing network 究工作 model-based software performance prediction during anal- ysis and design in USDP.Comput Sci,2007,34(10):272 参考文献 (徐忠富，陈永光，杨建华，等.USDP分析设计中基于挂队 网络模型的软件性能预测方法.计算机科学，2007,34(10)： [1]Xu H X,Du Y H,Dong S H.Integrated information sys- 272) tem of port-bonded zone collaboration based on SOA.Lo-[13]Xiong P C,Fan Y S.Business performance prediction and gist Technol,2010,29-16(8):132 optimization model based on system dynamics.Chin J (徐红霞，杜彦华，董绍华.基于SOA的保税港区集成系 Mech Eng,2008.44(4):107第 9 期 徐红霞等：保税港区服务流程的性能评价 1239 ·· 采样时间周期为 h =5 d，则 8 月份第一个预测时刻 tk=2011-07-03+(7-1)×5 = 2011-08-02，即预测时间 为 8 月 2 日；然后步骤 2 根据历史采样的六次数 据构成灰原始序列 X(0) (tk)={84.32(t1), 90.45(t2), 78.64(t3), 68.56(t4), 75.38(t5), 80.65(t6)}；根据步骤 3 构造累加生成序列 X(1)(tk)={84.32(t1), 174.77(t2), 253.41(t3), 321.97(t4), 397.35(t5), 478(t6)}； 然后 根据步骤 4 建立白化模型及灰微分动态模型； 步骤 5 构造数据矩阵 B 和数据向量 Yn； 计 算待定系数 a =0.030989, b =87.59； 最后步 骤 6 得到实时灰色预测的响应式 xˆ (1)(tk+1) = (−2784.166817)e−0.030989k + 2868.4868179，由式 (10) 和式 (11) (k=7) 可得 (ˆx (0)(t7) = 71.664; b a = 2826.4868179). 由此可得，入境进区服务流程 8 月 份的第一个预测时间点 (8 月 2 日) 服务性能的灰色 预测值为 71.664%. 5 结论 (1) 基于保税港区应用平台及服务流程的特点， 构建了保税港区服务流程的性能管理框架，并从服 务流程的性能评价及预测两个方面进行相关的建模 及方法研究. 一方面建立了保税港区集成系统服务 组合性能评价模型及指标体系；另一方面构建了服 务流程性能实时灰色预测模型. 上述研究工作将为 保税港区的信息化建设提供技术支持，并为管理者 提供更科学的决策依据. 本文中的服务流程性能指 标体系，综合了保税港区系统中 “业务” 与 “IT” 两 个层面特点，避免了现有评价方法的片面性. 另外， 本文中的实时性能预测方法能够有效地支持保税港 区业务的闭环管理，而且适用面广，可以在其他行 业进行推广使用. (2) 在本文基础上，可在如下方面进一步展开 工作：针对不同的业务问题，如何构建服务流程性 能预测及优化的方法库及决策库，从而满足各类业 务需求，这是一个重要的方向；各种时序约束作为 服务流程中常见时间信息，一般依据流程本身执行 情况、企业业务策略以及法律法规来设定，对它们 进行动态的分析和讨论，也是下一步需要进行的研 究工作. 参 考 文 献 [1] Xu H X, Du Y H, Dong S H. Integrated information sys￾tem of port-bonded zone collaboration based on SOA. Lo￾gist Technol, 2010, 29-16(8): 132 (徐红霞, 杜彦华, 董绍华. 基于 SOA 的保税港区集成系 统. 物流技术, 2010, 29-16(8): 132) [2] Du Y H, Li X T, Xiong P C. A Petri net approach to mediation-aided composition of web services. IEEE Trans Autom Sci Eng, 2012, 9(2): 429 [3] Wang W R. Research on Business Modeling and Perfor￾mance Measurement of Service Oriented Enterprise [Dis￾sertation]. Beijing: Tsinghua University, 2011 (王伟然. 面向服务企业的业务建模与性能评价研究 [学位 论文]. 北京：清华大学, 2011) [4] Liu B, Cai S Q, Zheng S Y. Evaluation index system for business processes. J Huazhong Univ Sci Technol, 2005, 33(4): 112 (刘飚, 蔡淑琴, 郑双怡. 业务流程评价指标体系研究. 华中 科技大学学报, 2005, 33(4): 112) [5] Zhu J R, Liu D C, Tong W, et al. Research on process￾based manufacturing performance measurement system. Comput Integr Manuf Syst, 2005, 11(3): 438 (朱家饶, 刘大成, 佟巍, 等. 基于流程的制造绩效评价体系 研究. 计算机集成制造系统, 2005, 11(3): 438) [6] Dai Y, Yang L, Zhang B, et al. QoS for composite web ser￾vices and optimizing. Chin J Comput, 2006, 29(7): 1167 (代钰, 杨雷, 张斌, 等. 支持组合服务选取的 QoS 模型及 优化求解. 计算机学报, 2006, 29(7): 1167) [7] Chen S P, Yan B, Zic J, et al. Evaluation and modeling of web services performance // International Conference on Web Services. Chicago, 2006: 437 [8] Cardellini V, Casalicchio E, Vincenzo G, et al. A frame￾work for optimal service selection in broker-based archi￾tectures with multiple QoS classes // Proceedings of the IEEE Services Computing Workshops. Chicago, 2006: 105 [9] Kalepu S, Krishnawamy S, Loke S W. Verity: a QoS met￾ric for selecting Web services and providers // The Fourth International Conference on Web Information Systems Engineering Workshops. 2003: 131 [10] Menasce D A. QoS issues in web services. IEEE Internet Comput, 2002, 6(6): 72 [11] Du Y H, Xiong P C, Fan Y S, et al. Dynamic checking and solution to temporal violations in concurrent workflow processes. IEEE Trans Syst Man Cybern Part A, 2011, 41(6): 1166 [12] Xu Z F, Chen Y G, Yang J H, et al. Queuing network model-based software performance prediction during anal￾ysis and design in USDP. Comput Sci, 2007, 34(10): 272 (徐忠富, 陈永光, 杨建华, 等. USDP 分析设计中基于排队 网络模型的软件性能预测方法. 计算机科学, 2007, 34(10): 272) [13] Xiong P C, Fan Y S. Business performance prediction and optimization model based on system dynamics. Chin J Mech Eng, 2008, 44(4): 107