【论文阅读】定量评估服务模式__Quantitative Assessment of Service Pattern: Framework, Language, and Metrics

【论文阅读】定量评估服务模式__Quantitative Assessment of Service Pattern: Framework, Language, and Metrics

1. 来源

2. 摘要+介绍

2.1 摘要

对于现代服务行业（MSI），服务模式是一种服务提供方法，以支持涉及来自不同领域（组织）的参与者的业务模式实现。对服务模式的全面描述和定量评价，对于优化企业的组织合作过程，提高企业的竞争力具有重要意义。

• 然而，大多数关于服务模式的相关研究都保持在业务流程和定性分析的层面上，缺乏对参与者之间的数据、资源和价值交换的全面描述。模式评估相关的研究更多地关注QoS（服务质量），而不是考虑多参与者协作的效用。

因此，在MSI的未来发展中，需要解决两个问题：

• a) 如何系统地描述和区分具有相同业务流程的服务模式。
• b) 如何定量和全面地评估和比较服务模式。

在该工作中，作者提出了一个由两部分组成的服务模式评估框架。

• 在第一部分，作者用扩展元素和可观察属性来补充服务模式描述语言（SPDL），使其能够进行定量分析，即定量SPDL（SPDL-Q）。
• 在第二部分，作者设计了一套服务模式评估度量标准，不仅要评估服务的质量，而且要评估参与者的合作效率和服务模式元素的编排效果。
• 然后通过一个案例研究进一步验证了所提出的框架，其中研究了四种电子商务服务模式，揭示了它们的演变过程。并进行相关实验，确定对各指标影响最大的模式特征，为模式设计提供指导和建议。
• 最后，概述并讨论了该工作的创新性和意义。

2.2 介绍

为了满足当前工业化发展的要求，在信息技术和现代管理理念的基础上提出了MSI（现代服务业）。

• MSI的特点是需要协调来自不同领域和组织的数据、资源、价值、服务和参与者。例如，金融、物流、卖方、客户及其服务、资源等，它们一起构成了一个典型的MSI业务，即电子商务。

为了对所有这些元素和协作进行全面的描述，提出了服务模式。服务模式描述了 MSI 中不同参与者之间的服务协调、数据传输、资源分配和价值交换的方法。

• 它侧重于多个领域和跨组织之间的资源和价值的协作和交换。
• 对于以电子商务和互联网医疗保健服务为代表的新兴MSI，服务模式的设计和评估已成为决定商业竞争力的重要因素和手段。在

这种情况下，对服务建模和业务模式相关研究应运而生。服务建模和业务流程管理已经在服务计算领域进行了长期的研究。目前，大多数业务流程模型可以分为两种类型：

• 以BPMN（业务流程建模符号）和BPEL（业务流程执行语言）表示的以活动为中心的建模方法，
• 以工件为中心的模型表示的以数据为中心的建模方法。

为了描述不同参与者或组织之间的互动，协作和编排的方法被提出并被研究。

• 然而，现有的方法更注重服务安排和信息交互，但缺乏对多领域协作和资源价值交换的考虑，因此不能满足系统建模、定量评估和服务模式分析的需要。

至于商业模式，它们已经由经济学和管理领域的研究人员提出。商业模式的研究主要贡献在三个方面：概念模型、类型学方法、行业模型和典型案例。

• 概念模型是指对业务模型的抽象和形式化。
• 类型学方法主要关注定性研究和分类方法。
• 对行业模型和典型案例的研究大多是基于个别案例的实证研究。

这些研究大多是定性分析，缺乏可计算的建模方法或定量分析理论。在过去的几十年里，电子商务的服务模式不断演化，其中有四种模式是典型的模式，即中间商模式、平台模式、专有模式和新的零售模式。这四种模式都是基于以通过信息网络技术进行的商品交换为中心的商业活动，这导致了类似的工作流设计。

• 在大多数情况下，中间商模式、平台模式和专有模式甚至共享相同的工作流（见图1）。

这就给电子商务的进一步发展留下了两个挑战：

• a) 如何系统地描述服务模式，并区分具有相同业务流程的服务模式。
• b) 如何定量和全面地评估和比较服务模式。

在之前的工作中，作者对服务模式进行了详细的分析和建模，并提出了服务模式描述语言（SPDL）。它部分地克服了第一个挑战，但不能提供第二个挑战的解决方案。因此，在这项工作中，作者扩展了SPDL的符号，并提出了一个定量SPDL（SPDL-Q），在此基础上建立了一个服务模式评估框架。这项工作的创新性体现在以下几个方面：

• 提出了一种进行服务模式评估的框架。它可以将服务模式计算从模糊和定性认知转变为精确和定量分析；
• 用扩展元素和可观察属性将SPDL补充到SPDL-Q。SPDL-Q可以从四个角度量化服务模式：工作流、数据流、资源流和价值流；设计了一组服务模式评估指标，以评估不同参与者合作和服务协调的影响；
• 通过数据驱动的案例研究，概述平台模式、专有模式和新零售模式与中间电子商务模式所创造的优势的好处；
• 提取并进行模式特征和相关实验，检验对模式度量最大的因素，对相关从业者具有启示。

3. 相关工作

3.1 服务建模与分析

服务建模作为软件工程和服务计算领域的关键技术之一，已经引起了业界和学术界的关注。

• 传统的业务流程建模方法是 BPMN 和 BPEL 中应用最广泛的，主要集中在服务操作和流程管理上。在此基础上，也引入了语义、数据质量、人工任务等扩展。此外，相关研究还努力进一步抽象和简化了BPMN过程模型。
• 以人工为中心的模型是另一种典型的建模方法。它被提出并定义为业务流程的四个维度：业务实体、生命周期、服务和关联。以人工为中心的模型在数据和过程之间创建了一种共生关系，可用于模型检查、验证和验证。相关研究还提出了针对以人工为中心的业务流程的可配置建模框架，以支持业务演化。

尽管目前可用的方法可以很好地描述业务流程和信息交互，但它们缺乏考虑到参与者之间的多领域协作和资源价值交换。因此，需要介绍业务模式和服务模式的知识和技术。

3.2 商业模式

商业模式是解释商业等业务机制的一种整体方法。目前，对商业模型的研究主要集中在概念模型、类型学方法、行业模型和典型案例上。

• 概念模型研究主要研究商业模式的概念和构成。阿等人在理论基础上进行了系统研究，首次提出了商业模式集成的概念。在那之后，Leshub等人提出了一个用UML 建模商业模型的框架。

• 类型学方法的研究是将商业模式划分为几个不同的类别进行分类。马德尔伯格等人建立了一个商业模式分析框架，包括信息获取、成就和实现三个交易阶段。刘等人对城市农业的商业模式进行了分类研究。此外，对商业模型的类型学研究还可以帮助对组织进行分类，并定位它们如何创建和捕获值。

  • 模型类型学是为了对循环商业模型的概念理解。

• 行业模型和典型案例研究主要针对具体案例研究具体业务模式的特点和内容。许多研究者将现有的理论工具应用于一些特定的行业，如个人娱乐服务和移动社区，并进行了应用研究。此外，贝农等人分析和讨论了电子商务和电子商务的商业模式，并将其可视化。

然而，现有的商业模型研究大多是定性分析，缺乏确定性和可计算的建模方法。因此，通过这些方法，可能很难分析特定活动和对象在业务流程中的影响，并指导对服务模式的评估和优化。

3.3 服务模式

与前两种模式不同，服务模式是在一个全新的策略中发明出来的。研究人员对服务模式的发展有不同的理解。

• 梁等人从用户的角度提出了服务模式的概念，并将模式分为三个层：用户需求层、模板层和实例层。
• 李等人将服务模式视为一种基于工作流的资源交换，并提出了一种特定于领域的语言来帮助企业管理者分析基本的业务策略。
• 此外，还有一些提出了其他服务模式模型和描述语言，以帮助业务流程的重用和价值分析。

为了改进服务模式策略，一些工作从不同的角度进行了研究。

• 段等人。提出了提高可重用性和优化服务模式[31]策略的方法。
• 尹等人提出了一种关于服务模式的经济分析方法，以支持修改为更好的效益。
• 此外，为了研究业务的盈利能力，有关工作产生过hi通过服务描述和系统日志来提取具有资源使用情况的服务模式。

但是，上面提到的服务模式可以仅仅看作是业务流程的抽象或扩展。相关的分析方法也只关注于业务流程管理和服务质量分析，这还不足以支持对多领域合作和资源价值交换方面的服务模式进行全面、定量的分析。

因此，在这项工作中，作者提出了一个服务模式评估框架，不仅可以描述和评估业务流程和服务，还可以评估参与者的合作和服务模式元素的编排。

4. 服务模式评估框架

为了更好地理解下面的内容，图2概述了总体评估框架。

• 左侧显示了框架的五个阶段。
  • 第一阶段是研究案例并抽象化服务要素。
  • 第二阶段是通过工作流、数据流、资源流和价值流来设计服务模式。
  • 第三阶段是通过定量属性将服务模式形式化。
  • 第四阶段是通过实践实现或仿真实验来生成模式数据。
  • 最后，通过监控和评估生成的数据，并对服务模式的性能提供反馈。
• 其中，前三个阶段是由利益相关者在SPDL-Q的基础上进行的。如图2的右上角所示，SPDL-Q可以通过工作流、数据流、资源流和价值流来描述服务模式。随后，扩展的服务模式属性支持进一步的定量分析。
• 最后两个阶段可以通过图2右下角所设计的评估指标自动完成。为了对服务模式进行全面评价，作者从时间、成本、可靠性、价值创造和效率五个方面提出了标准化支出指标。提出了模式熵来测量多域元素协调的混沌程度。

目前，该框架已经实现到作者所在团队开发的一个面向服务模式的计算平台上，在此平台上部署了相关的案例研究。

5. SPDL-Q：用于定量计算的服务模式描述语言

接下来简要介绍本工作的前身服务模式描述语言（SPDL），并讨论SPDL-Q中的差异和创新。然后详细地说明SPDL-Q的元素。

5.1 SPDL：Service pattern description language

SPDL于2016年提出，通过从工作流、数据和资源三个角度描述服务模式，以满足现代服务行业中资源和数据交互管理的需求。

• 与经典的业务流程模型相比，它更全面地形式化了流程中的数据和资源，并支持更好的数据和资源交换分析。

SPDL-Q通过引入运行时性能期望和价值流来扩展了SPDL。具体的，SPDL-Q对SPDL的补充如下：

• 为活动、网关和事件添加了运行时属性（例如，时间、成本和可靠性），以使模型设计人员能够在部署前进行模拟和评估模型。
• 服务模式的定义得到了扩展，从SPDL中的活动抽象扩展到SPDL-Q中的参与者、工作流、价值流、数据流和资源流的收敛。
• 价值被独立建模，并考虑了价值与资源之间的转换。
• 参与者的类型被认为描述了在来自不同组织和领域的参与者之间引入协作的影响。
• 对数据、资源和价值的可观察属性进行了考虑和建模，以支持对通信、传输和交易效率的估计。

5.2 SPDL-Q中的服务元素

在本节中，SPDL-Q 中的元素以自上而下的方式给出了这些元素的定义，并从电子商务的中间商模式中得到了相应的例子（见图5a）。

服务模式 $\Gamma$ 是参与者从四个角度对之间业务关系的抽象：工作流、数据流、资源流和价值流 (定义1)。表1以中间商电子商务模式为例，说明了服务模式。

根据定义，服务模式由基于四个参与者之间的工作流的三个数据流、两个资源流和五个价值流组成。

• 参与者通过声明他们所操作的节点，通过一个工作流形成一个关联。
• 数据流、资源流和价值流在工作流中的节点中开始和结束。
• 因此，它们也可以表达参与者之间的数据、资源和价值的交换。
  

接下来以此介绍这四种流、以及其他元素：

1）工作流表示可以用来交换数据、资源和值的业务流程。工作流中有三种节点，即活动、网关和事件，它们由一组连接器连接起来（定义2）。

表 2 说明了一个在线事务工作流的例子。这些活动用于表示参与者所执行的操作，例如下订单。网关可以根据情况将工作流路由到不同的分支，并最终为成功或失败的事务生成事件。所有活动、网关和事件都通过流连接起来。

2）数据流描述了参与者之间的通信，并由名称、类型、大小和一个连接器组成（定义3）。数据类型可以是任何常见的或自定义的数据格式，如JSON和XML。所涉及的连接器用于描述数据的生产者和消费者。

表 3 说明了一个卖方的物流数据流。该数据流携带2048字节的JSON格式的卖方物流数据，该数据在“装运货物”活动中生成，并在 “同意请求” 活动中使用。

3）资源流可以说明基于工作流在两个参与者之间进行交易的实物资产（定义4）。对于资源流，类型 ${\kappa }_{\theta }$ 可以是食物、衣服等。${ϵ}_{\theta }$ 将是资源的权重。

表 4 说明了一个事务资源流。资源流代表了一个1000克的服装类运输，在“装运委托”活动中发送，并在“确认收据”活动中收到。

4）价值流是指在服务模式下，参与者之间的货币交易。它包括价的值名称、使用的货币、体积（数量）和连接器（定义5）。值对象中的连接器f表示提供和接收该值的节点。只有当连接器的所有节点都完成执行时才会发生数据、资源和值的转移。

表 5 说明了一个预付款的价值流。价值流表示200元的货物付款，在“订单支付”活动中支付，并在“确认订单”活动中确认。

5）连接器可用于描述工作流中的业务逻辑、数据的传输、资源的传输和价值的交换。连接器的源节点和目标节点应链接到有关 $\Gamma$ 的活动、网关和事件（定义6）。

6）对于参与者的定义，如（定义7）中所示，除了声明他们需要执行的活动、网关、事件外，参与者还拥有一个类型的属性。参与者类型κp主要用于代表参与者的组织或上级，并允许指代其他参与者。这使得参与者之间的关系能够形成一个树状结构，以确定复杂服务模式中参与者的域。对于不从属于他人的参与者，他们的类型应该是保留的单词“个人”。

表 6 显示了一个消费者参与者的例子。消费者参与五个活动、一个网关和一个事件。在这个例子中，由于消费者和卖家的类型都是“个人”，很明显看出显示的中间商电子商务模式也是C2C模式（消费者对消费者）。

7）对于工作流节点，即事件、活动和网关，遵循SPDL 中的基本定义。简而言之，这些事件标记了服务模式的开始、中间状态和结束状态。每个活动都代表一个API、一个web服务或一个功能组件。网关主要负责路由和转发复杂的web服务请求。

• 为了支持对服务模式的定量计算，作者扩展了事件、活动和网关的属性。扩展属性包括运营商 m∈M、时间 $\mathcal{T}$、成本 $\mathcal{C}$ 和可靠性 $\mathcal{R}$，其中,
  • m和M表示节点部署的平台和服务模式中的完整集合。
  • T和C表示节点在一次运行中可能需要的持续时间和金钱。
  • R为节点成功运行的概率。

6. 服务模式评估指标

由于服务模式的评估涉及到多领域组织之间的数据、资源和价值的交换，因此服务模式评估度量被设计为以时间、成本、可靠性、效率、价值创建、标准化支出和模式熵作为参与者协作。它的目的是能够综合评估和估计的服务模式基于在设计阶段的SPDL-Q。因此，有必要根据服务模式中的工作流来计算每个指标的期望值。

在每个评估中，作者从开始事件开始逐步模拟模式的一次执行，并估计指标。仿真通过递归算法实现，将计算分解为复杂和嵌套的工作流结构。在执行递归时，需要考虑四种情况：顺序情况、并行情况、切换情况和基本情况。本文介绍了每种情况下的度量值的计算公式。

6.1 时间 Time

• 与传统的单用户单平台模式不同，不同的web服务部署在不同的服务器上，并由一个 MSI 业务中的不同参与者执行。

因此，服务模式时间不仅包括web服务执行时间，还包括多参与者合作带来的合作时间和多平台交互带来的交互时间。

• 一方面，如果工作流中连接器f的源参与者和目标参与者不同，则将在活动切换的协作过程中消耗额外的时间。例如，在中间商电子商务模式中，由于快递提货所需的运输时间，卖方“发货”和物流公司“发货”之间通常需要几个小时，尽管它们是连续的活动。
• 另一方面，如果源和目标的载波不同，则会引入更多的信息传输时间。例如，在AWS（Amazon Web服务）环境下，调用延迟约为25 ms，这通常低于正常的跨云连接。

为了计算服务模式时间T，我们引入了一个递归函数T（ni）来计算从节点ni到节点结束所需的执行时间。递归逻辑取决于节点ni的类型。

• 当 ni 是一个事件或一个活动（顺序情况）时，递归计算由等式执行1a，其中Tni和Rni是工作流节点的时间和可靠性，fi+1和++1是相邻的后续连接器和节点，Tfi+1是连接器fi+1的执行时间。
• 当 ni 是具有K个分支的并行网关时，T（ni）是节点ni的时间和所有K个分支中最大时间的和(见等式1b)，其中++和++是相邻的第k个后续连接器和节点。
• 当 ni 是非并行网关（交换机情况）时，T（ni）汇总加权分支时间（参见等式1c)，权重 αk 表示第k个分支被调用的概率。
• 当 ni 是模式的结束事件时，等式1d将被调用为基本情况。基于等式的1a-1d，显然模式时间T可以通过T = T（startEvent）得到。

6.2 花销 Cost

由于 MSI 中的web服务大多是单独部署和操作的，因此模式成本除了包括服务操作的基本成本外，还应包括活动和网关等待成本。例如，在电子商务交易过程中，即使消费者不退货，相关服务仍在服务器上运行，消耗能源和产生成本。

与时间的计算类似，我们引入了一个递归函数C（ni）来计算从节点ni到节点结束所需的执行成本。

• $C_{n_i}^b$是用来表示节点ni的基本代价的。
• $C_{n_i}^w$和 $T_{n_i}^w$ 是单位时间的等待成本和等待时间代表。

进而可以得到：

• 在顺序的情况下，即ni是一个事件或一个活动，C（ni）可以通过等式计算2a，其中ni+1是ni的相邻后续节点。
• 当ni是网关（并行和交换情况）时，C（ni）是加权分支成本的总和（见等式2b)，权重αk表示第k个分支被调用的可能性。
• 使用的等式当ni是结束事件时，2c被调用为基本情况。模式成本C可以从开始事件递归估计，即C=C（开始事件）。

6.3 可靠性 Reliability

可靠性是服务成功运行的比率，用于度量服务进程中按需要运行的活动的概率。

• 可靠性会影响模式的时间和成本，例如，如果一个活动的可靠性为0.5，其运行时间将翻倍，后续节点的等待成本也会受到影响。

作者引入递归函数R（ni+1）来计算从节点ni到节点结束的模式的总体可靠性。

• 在顺序的情况下，可靠性是序列中所有N个节点的可靠性的乘积(见等式3a)，其中Rni为节点ni的可靠性。
• 在并行情况下，可靠性是所有K个并行子结构的最小可靠性(见等式3b)。
• 在一个开关的情况下，可靠性是所有K个加权子结构的可靠性之和(见等式3c)。
• 使用的等式3d是基本情况，当ni是结束事件时将被调用。模式可靠性R可以通过R=R（开始事件）获得。

6.4 效率 Efficiency

服务模式的效率取决于数据、资源和值的传输效率。计算方法见等式 4。${ϵ}_o$ 是 流量中的数据/资源/价值对象的大小/重量/体积。To是相应的流量通过时间o。fO表示根据其单位，用来标准化三种效率的基本函数。|O|是集合O中元素的数量。

6.5 价值创造 Value Creation

价值创造是指在服务模式中通过价值和资源的交换所产生的附加价值。

• 额外的价值来自于相同的资源对不同的参与者具有不同的值。例如，一个破碎的花瓶对卖家来说可能毫无价值，但对顾客来说，它可能是一件无价的古董。然后，花瓶的交易为卖方和客户创造了额外的价值。总之，每个参与者通过服务模式中的资源和价值交换而产生的附加价值的总和构成了该模式的价值创造。

对于参与者来说，他或她的价值创造是他期望在模式下期望获得和花费的价值和资源之和之间的差异(见等式6和7）。Vp是参与者p的价值创造。Vs、Θs、Vt 和 Θt 是所花费或获得的价值和资源。αv、p和αθ、p是价值值和资源传输发生的比值。Ψθ，p为资源 θ 对参与者 p 的值转换率。所有参与者的价值创造的总和是模式的总和(见等式 5)。

6.6 归一化支出 Normalized Expenditure

为了能够通过一个统一的指标来全面地评价和比较服务模式，作者提出了 模式支出。模式支出表示模式中每个节点每次成功运行时的单位收益损失。上述损失是该模式所消耗的时间和成本的对数之和。至于上述利益，它代表了数据/资源/价值传递和价值创造的产物。

计算公式为等式8。N是工作流节点的总数，包括活动、网关和事件。从模式支出与所涉及的各指标，即L∝{T、C、1/R、1/V、1/$\epsilon$}之间的比例关系可以看出，

• 模式支出将随着模式时间和成本的减少而减少，
• 而可靠性、价值创造和效率的增加而减少。

模式支出可以通过将多目标优化问题转化为单一目标优化问题来优化服务模式。

6.7 模式熵 Pattern Entropy

作者引入模式熵来表示服务模式的混沌程度。如等式9中所示，模式熵是节点熵、连接器熵、数据熵、资源熵和值熵的和。为了更好地理解该指标，在图3中绘制了包含3个变量的香农熵函数，它显然是一个凸函数。当所有变量的概率都相同时，就会出现极值。换句话说，H的值越小，服务模式就越有序。

1）其中，表示节点熵的值，Ni是在第 i 个载体上运行的工作流节点数，|A∪G∪E|为节点总数，|M| 为参与服务模式的运营商数。Pi 表示工作流节点在第i个载体上运行的分布概率。当大多数节点在少数运营商上运行时，节点熵得到的值较小，这也意味着模式中的大部分服务在统一的平台上运行。

• 例如，在图5a中有3种载体类型，共计18个节点，每种载体类型有11、5、2个节点。那么节点熵为：
  
• 在图5b中，所有18个节点都运行同一个载波，所以节点熵为0，因为log2 1 =0（当只有1个载波时，日志的基数取2）。因此，节点更集中部署的服务模式将获得更小的节点熵。

2）同样的，表示连接器熵的值。在这里，定义了连接属于具有相同类型的参与者的节点的连接器是具有相同类型的。 Nj 为第 j 类连接器的流数，|F|为总流数，Pj 表示第 j 类连接器的概率分布。

• 例如，在图5b中，有12种类型的18个连接器。而在图5c中也有18个连接器，但有4种不同的类型。
• 结果表明，图5c（≈0.92）的连接器熵小于图5b（≈0.95）。因为图5c中的卖方、金融机构和物流公司属于相同类型（均由电子商务代理）。

因此，很明显，如果服务模式中的参与者需要更多的合作时间和更多的变化，连接器熵将会增加。

3）对于数据/资源/值熵，它们由等式中的
的部分计算 9. ${ϵ}_o$ 是对象在数据/数据/值流 o 中的大小，Po表示流 o 中大小的概率分布。

• 例如，如果在一个服务模式中有两个相同大小的数据流，则数据熵值为−1 2 log2 1 2∗2 = 1。如果我们合并两个数据对象并通过一个数据流实现它们，则相应的模式熵减少为0。
• 换句话说，为了降低这三个术语的价值，服务模式需要被设计为在更少的时间内交付更大大小的对象，而不是相反。

综上所述，模式熵从五个方面描述了一个服务模式的混沌程度。通过将对数的基数与相应的变化量挂钩，将模式熵的范围限制为[0,5]。因此，可以在一个统一的度量标准下，将服务模式与不同数量的活动、连接器、数据流、资源流和值流进行比较。

7. 案例、实验、对比

相关的案例、实验、对比建议参考原文。

8. 总结

随着MSI业务的快速和多样化的发展，服务模式建模和评估正变得越来越重要。在这项工作中，为了使MSI具有模式计算，并量化服务模式的评估和比较，作者提出了一个服务模式评估框架和模式描述语言（被称为SPDL-Q的语言）和一组模式评估指标。

• 对四种电子商务模式进行了案例研究，验证了框架的有效性，并揭示了后期模式为何如何优于前一种模式的深刻原因。
• 另外，通过相关实验，检验了对每个模式度量影响最大的因素，以启发相关的从业者。
• 此外，还对SPDL-Q与现有的建模方法进行了比较，并说明了其优点。

今后，可以在SPDL-Q的基础上提出服务模式的选择和组合方法。同时，以评估指标为目标，也可以设计出优化算法。这些工作对提高社会效率、加强社会创新具有深远的意义。