工作流的数学模型

文摘

提出了一种数学启发式模型,分析了信息的流动管理工作流。模型从概念分析从概率的角度系统、信息理论和信息熵。理论上的主要参数分析来识别一个工作流作为一个混合动态系统的概率分布信息,信息处理的时间和精度造成的工作流执行认知代理的性能在一个复杂的自适应系统。模型的分析提供了支持工作流的搜索经验证据调查,突显出代理的存在与否特别的方法和影响公司的生产力。

1。介绍

本研究进行的行政工作在扇形行政组(气),这是最大的部门之一的教育和体育大臣巴拉那河(巴西),使用一个方法,让经理了解临界点与日常管理工作。因为它是一个大型的公共组织,负责超过2000在巴拉那州公立学校的信息量和行政程序的数据库和管理所有学校、行政单位、合作者(代理),学生,州和联邦政府项目/项目等,更新人类组织的特性越来越需求从认识论知识灵活的工作流中,行政和科学的观点1- - - - - -3]。提出的分析方法允许创建工作流,可以支持其他几个现有的方法和添加的影响更大的机会实现管理效率和效果的生产和精密的供应的商品和服务,无论是公共或私人公司。

行政工作的特点是人,机器,和软件组成,工作能够处理信息的物理,数字,和人性(客观和主观经验/自然语言)3- - - - - -6]。为了获得一个更好的性能在行政程序的管理,有必要确定这三种类型的信息处理的特点,在管理程序。

关于认识论的本质信息,方便代理系统化对象的物理性质,因为它是一个更常见的人类行为在日常生活中,不依赖于问题的数字文化或社会经济条件而对象数字自然可以系统化在有条件的情况下(1,3,7)的用户系统、软件、工作流、等,必须有先验知识来使用这些工具,在许多情况下,极大地限制了代理人的行动范围的函数技术或学术的形成,以及社会经济和文化条件相关。

在很多情况下,信息的物理性质可以访问没有丢失信息如何执行一个给定的程序,例如,流程图显示股票商品补充货架上;在这种情况下,即使它是伴随着可能指责decision-driven软件需要更换商品的类型、性质的物理和数字信息都是理论上明确代理没有任何缺失的信息,在正常的认知行为是无法被理解的。然而,即使这种性质的活动有自己的认知维度的变化(1,2,8,9]。主要、结构组织强调方法只考虑物理方面的例程(离散变量)等产品属性或服务质量,都可识别的几种方法。但对于混合组织,主观工作(代理)不能通过这种方法可确定的这方面是本研究的主要观点之一。如今,通用和著名的国际产业的工作流的方法主要考虑离散变量仅作为生产的基础。但是一些其他类型的行业或劳动活动需求连续变量中定义一个方法。走这条路,本文结合一些科学方面空白的生产力在现代环境中人类互动与非物质环境(3),或者换句话说,混合结构组织,非物质信息是生产力的重要组成部分。

非常重要的一点,被认为是更关键的治疗管理程序流程(1,3,5,6),除了行政程序已经正式在公司,知识被代理的经验,这是个体和有条件地经常从一个代理到另一个(不可转让的1,2,10]。这种性质的信息来自于经验不存储或分配房间的橱柜或电脑笔记本。他们的信息的类型中存在的认知维度(8的代理,生产力在公共或私人公司而言,构成的仪器对行政组织生产的影响更大。其关键性质的经验,参与公司的生产力,成本高,其转移到其他代理需要时间,不会发生在一个线性的方式(2,3,6,11,12]。

当传统的流程图,分析了组成元素,如几何图形(图1),它代表过程的开始,执行的活动和决策基于特定参数(5,6)等,给经理一个算法如何管理工作发生在定义良好的逻辑术语在一个组织结构变量(离散形式)。然而,主观因素可能与阅读相关的流程图(图1),所谓的特别的元素(1- - - - - -4,6),这依赖于执行他们传递给工作流的分析。从这个意义上说,是有可能存在的问题的类型的信息管理工作流程,以及这些信息的特别的水平是可见的进程管理器和可能会或可能不会给公司带来了好处。

几种方法和方法来理解公司和代理的角色特别的为工作流模型探索历史发展(2- - - - - -6,14- - - - - -19]。的目标是获得一个分析代理人的角色和他的产能从不同的角度,这将允许隐藏信息的整合(主观经验或不知情的代理人)正式的行政程序(1,20.)是为了发展或提高特定工作流的性能。通过这种方式,没有分离的可能性工作流之间的内在关系,生产,代理(12),有其积极参与公司的成功1,4,6],同时代表了知识被纳入新的工作流程和环境要求针对一个常数生产卓越,可以独立代理的本身。

从历史上看,一个模型,采用工作流是严格的实证模型,分析在数学方法与离散变量如佩特里网和米尔纳(21- - - - - -23),或其他方法,分析信息与定性特征(11,18,24,25)和提取指标(18,24,26,27),可以作为参考的经理或专业团队负责分析工作流各领域或研究工作。其他工作流近似或causality-based概念有更劳动密集型的数学模型(28- - - - - -33]虽然用于某些目的,他们可能会为公司寻找更多的昂贵的流线型的工作流分析解决方案的过程,但没有花很多时间需要完成分析。这些方法,在某些情况下,是非常有用的分析人员和操作过程从先前的理论模型或归纳/直观模型基于经验证据(5,7]。然而,它并不增加这些模型的概念区别生物和对象之间的适应性(1,3,16,28- - - - - -30.)和可预测性的现象(2,16,30.]发生在工作流在一些专业领域,由于连续变量的存在1,3,6,10在系统不按传统方法跟踪。

传统流程图操作以非常大的优势信息的补偿不了流本身,领先的经理和公司的代理问题的实现方法的讨论,减去态势方法论的分析,和其他结构的工作流本身。尽管这些技术采用和成功在许多管理情况下,虽然本质上归纳,这些模型没有想象范围的分析,来自一个理论认为演绎和推理的方法(28),留下一个空的空间(1,3,20.在分析工作流。

该分析工作流的研究试图给经理管理的条件特别的情况下,在一个混合动态系统(呈现离散和连续信息处理),与早期预测可能的困难中发现的管理工作。从这个意义上说,如果水平的验证方法特别的知识确实影响为负的输出结果或影响积极的结果对高度复杂的工作流。

通常情况下,工作流的分析有一定的局限性,而主观性造成的代理(1)比客观信息的工作过程。从这个意义上说,对于经理和经纪人,现存的限制可以防止他们两人对称的信息管理工作流程和执行的方式。寻找一个简单的和概念的数学模型,有助于一个信息流的分析是由一个方法,阐述了基于信息熵和概率的知识系统(11)与科学管理和生物学的知识。这些数学模型允许经理的机会来推断算法流程图的临界点分析没有经验证据和变量、离散的或连续的,影响流程优化,丢弃过度的实证模型分析(5]。

作为方法的分析建模,工作流可以被理解为一个概率系统根据图包含的信息2。图的图2显示了一个简化的表示一个观察到工作流的概率事件和信息熵。公司有100%不变的生产从定性和定量两方面看,它将需要一个输入的活动在生产和加工的信息代理可以生成一个输出连续系统中精度。自然处理真实事件时,工作流的变化精度,推导随机系统中信息和代理本身作为一个复杂的自适应系统(CAS)。

因此,数量的独立变量构成的信息系统不影响工作流过程的最终结果,因为它是一个有机体和对象之间的相关性,概率分布是影响这两个维度的分析之间的连接。通过这种方式,信息的随机性或均匀性存在于一个工作流,因代理之间的关系和工作活动,影响精密生产的商品或服务。同样,决策也受到客观和主观标准的存在形式的处理(1,3,9,14]。

行业的优化过程是非常重要的因为新策略行动的公共领域的经济和公共管理的状态,因为最好的使用公共资金和自然资源带来的优化管理流程是基于国内经济全球趋势的加热通过分析随机数据从公共机构与经济研究的新趋势和方法使用的自然科学(3,17]。这使得政客之间协同工作成为可能,公共管理者、代理、私人活动,和人口的需要。可以验证的重要性,分析工作流在几个维度的人类组织。流分析的结果影响协作活动的执行,生产公司、动机和专业稳定的代理,行政管理流程,优化自然和财政资源,可持续发展,智能建筑、地区等方面的相关知识。

2。方法

2.1。遍历和Nonergodic工作流

考虑一个工作流的需求(D),执行(E)通过一个代理或一组代理公司。简单来说,一个执行的劳动活动的使用信息(包括我在时间()来执行一个活动T必要的完成。这个基本模型可以由图表示3。当执行一个活动,将事件的所有信息和时间我处理变量影响表达式的代理(s)的处理和生成精度(P)。

图的图3不断,最好达到100%的准确率,可以定义方程精度的概率 在所有事件我是由离散概率函数分布在哪里米的我生成(34以下: 在这P概念上提出了一种遍历性(35)定义的常数措施我来P和T(限制平均等于样本的空间和时间)在任何情况下我和我从单个交互,结果,可能现在在工作流系统呈现振荡频率变化和主要的变量我。这个定义,作为一个规则,只有理论和经验不能证明任何代理或生产方式的公司,除了人工智能特定任务编程。然而,这个例子说明了分析工作流的理想方式,生产和精度保持不变的定性和/或定量参数代理/信息/处理/时间序列,产生精度理想的一连串的事件或web表达式必须等于初始模型系统的区域(图4)。

然而,工作流系统的遍历性,并不是一个常数表达式考虑现实生活中。因此,对于实证调查事实的目的,建议从nonergodicity是分析先天的事件,更多的存在于真实的世界,那里的分布米假设各种形式(36]。

如果一个流的信息来自一个事件我,个人X给定离散信息流程作为输入状态我生成时间T和达到精度P受个人经验 ,然后是一个概率事件的事件我精确的概率(P)可以被定义为 在哪里

在这里,T被定义为我给予处理(数据源)和个人X定义如何处理信息以及时间将生成

输入的值我和生成米分布为我受和T也受到作为一个输出。可以被定义为广告的认知表现的个人代表一个后的处理阶段 ,被第一个概率第一个有机体和对象之间的交互。从这个意义上说,是相同的事件 ,但指数增长的个人经验我,我被其他几个在其定义生成的概率和迭代的有机体和环境的相互作用。这个方程可以被定义 在这P假设米变化的概率分布我, ,和T,进而定义了信息熵P因此工作流(见米分布(36节)2.6的更多信息)。此外,方程(6)可以用相同的方式36] 由于之前提到的概念描述。一定明白,时间只发生如果信息处理,所以时间的概率依赖于信息的概率分布和处理。然而,的概率分布我和T假定样本空间的行为,没有固定的间隔,因为他们来自复杂自适应系统(37)和任何合成的自由度,因人而异1]。通过这种方式,可以假定每一个学习的过程以及认知信息处理不是来自一个预定义的样本的信息。这个特性会导致潜在的理解每一个生物体可能表达的符号学和信息处理能力。出于这个原因,它可以识别为一个概率事件定义的数据源(我),个人经验( )的输入值和时间处理(T),产生的信息(我)作为输出值。因此,它不是之前定义的可能性我和T,但概率是由于这些变量之间的依赖和他们的经验表达式,确定现象本身是非线性动力学的产物(3)通过累计修改他们的概率分布越复杂自适应系统(CAS)与环境相互作用[37,38]。

因此,当调查一个工作流,代理的处理模式是一种经验变量可以在概念上(数学)理解和信息处理影响活动的执行时间,以及生成系统的一个重要变量,所谓的特别的工作执行情况( )。一个概念性的数学模型,从而让我们了解处理工作流模式的自适应系统是由主观概率分布的性质,并允许识别的变量我和T,以及存在与否特别的工作模型作为触发事件的性能。

关系的本质特别的表情,概率系统的数学模型,信息理论和信息熵确定如何在CAS(信息流动14,39- - - - - -41),将在这种情况下生物的概念维度作为推理的来源特别的变化和处理信息的方法。据悉,特别的技能或低效率的整体分析中可以观察到整个工作流,以熵的准确性和时间处理的信息。通过这种方式,分析流动没有限制代理人的行动作为个人组织的形式,而在于指出批评的无效的表演和工作的方法。

2.2。数据源

至于信息处理,信息来源影响加工精度的一个活动或决策的执行。相关信息(我)及其形式的表达式在工作环境中,管理工作流程需要,无论是物理,数字,和个人经验、数据(信息)的代理。分类数据的存在与否的工作环境和/或个人组织的存在只考虑这些信息,丢弃调查关于自然的属性为本研究的信息。信息处理所需的数据源分类如下(11,13,16,42]:(我)默认值:现有的数据(2)部分:定义数据部分(3)定义:信息是存在的,但它的使用和其他应用程序没有定义的逻辑连接(iv)不可用:没有信息是可用的

基于信息处理的数据来源,工作流的混合概率系统必然假定流的尺寸精度的影响,信息处理的形式,可以被定义为离散变量,预定义信息不存在差异听不清到代理。他们提出了离散,因为它们是可量化的客观和/或能胜任任何个人。因此,处理这种类型的信息意味着总有一个机会的可能性,所有的事件构成的执行活动或决策支持分析的线性尺寸由代理或其他活动过程的学科。和连续变量的信息不是预先定义的,也就是说,部分定义,没有定义,或者不存在。他们给出了变量的处理发生的自然,以一种主观的方式,主要考虑在这个意义上的感知的信息代理的工作环境,工作的外部支持,活动的执行的工作流2,9,11,43]。

重要的是要注意,甚至会发生连续变量与预定义的信息由于信息处理和认知的本质。因此,信息在一个连续的状态呈现在工作流作为一个替代发展的源泉特别的方法通过代理(41),它遵循相同的离散变量。在许多情况下,代理生成更有效的信息系统比现有的或也可以产生真正灾难性的过程。

的重要性特别的方法在工作环境中,无论是在科学、技术、工业、或行政区域,并不排除。注意评估工作流的存在与否特别的检查分工作的工作方法是很重要的组织,可以提高或取而代之的是这些方法比现有的更有效。

离散和连续的状态信息可以生成不稳定概率分布的精确执行的活动,因为它们配置为nonergodic和复杂的自适应系统,所有结果,根据工作流,可以预测和充满不确定性。

公司的传统流程图如图5(44]。一些问题是重要的知道信息的流动在任何给定的工作流程,例如,活动的执行时间是什么?你需要多少信息做出决策?做的时间、决策和信息处理影响生产力以定性和/或定量计算?这些变量定义流吗?和客观信息我们可以从这些变量对推理过程系统?

重要的是指出本研究中提到的变量,如时间、生产、和信息,假设在工作场所的性质人员的主观经验,组织决定和/或控制标准等,在执行一个动作困难,内部和外部的动力学过程的内在联系研究对象的心理和认知维度(8,45- - - - - -47),因此寻求过程的客观数据的一种方法的使用都有之前的判断。数学概念的客观性带来更真实的利润分析,允许管理者识别原因没有主观元素定性研究。

2.3。时间分析

分析工作流的研究进行分类根据构成了流动的物理方面,生物方面操作流,每个流开始和结束的时间,和信息的可用性加工的每一步流程(图6)。可以确定图的步骤6。

为了分析工作流执行的时间频率,一个分类是基于一个最低的每周40小时的工作时间。措施低于这一时期不对应的时间生产一些广泛的管理和程序管理例程分析。因此,分析流动发生所需的时间的观察至少一个迭代或交互,以及至少一个给定流总生产的所有阶段。工作流定义的周期性的分类根据的数据研究,等(我)每周:频繁发生(2)偶尔:每月发生(3)罕见:每年发生(iv)非常罕见:发生在年(不确定时期,但有发生)

有必要区分时间分析本节中描述的事件2.3从时间生成的信息处理部分中讨论2方法。

2.4。数学和物理方面的工作流

在数学和物理方面构成工作流(图7),一些重要参数的基本算法结构的流动被认为是和可以简要分类如下11]:(我)阶段之间的交互:序列流。它包含了一整套动作或元素构成流程图的每个阶段(几何图形)。(2)迭代:阶段中有重复造成的错误信息的准确性以及流和/或操作规程,组织日常的一部分。他们可以被认为是两种形式:几何:考虑的尝试(事件)所必需到达一个特定的结果。这条路,以防被连续和确定其表达任何时间和事件,也可以定义为一个几何变量。从这个意义上讲,迭代假设路径的几何特征只要重复相同的起源(48]。Nongeometric:如果新信息进入系统,事件的数量必须达到同样的目标不同,因此,它将被无限期构成为更多的信息输入,Nongeometric变量(48]。(3)量的信息:所有类型的信息,无论是物理或数字,处理的操作阶段流经分布存储和处理(见结果部分获取更多信息)。(iv)途径:路径生成的操作程序。(v)概率系统:信息流动和分布的概率事件造成代理之间的交互,信息,和处理。(vi)时间:周期性的流动、频率、时间的执行活动,处理阶段之间的信息等。(七)熵:准确的信息传递是由于它的概率和操作成分(最终流分析)。(八)互信息(MI):信息,发送方和接收方之间的精度(复杂性)。

与时间属性固有的一个工作流,假设nonergodic流也可以是由微小的迭代时间跨度(微系统)之间的频率之间的信息流动和交互系统。这样,随着时间的推移可以调节的频率信息流动,从而降低整个nonergodic宏观系统的影响(14,33,49,50]。

假设概率的时间维度从离散连续信息。因此,可以区分两个时刻的时间变量影响工作流。了解分布米的信息,一个时刻目标随着时间的分布,而不需要评估的时间一样东西促进动力学变量被认为是事件本身的螺旋桨。所以时间没有定义流,但信息及其处理定义在第一时刻。

然而,作为第二时刻,重要的是要意识到工作流中有特定的归因。因为代理之间的自适应系统,信息,和处理时间都不遵循一个模式的产品合作者之间的复发。因此,相同的工作流达成决定和常数的精度100%不确定时期,分别。时间可以是几何特征的表达(48,51]或nongeometrically [48,50]。即时间事件的序列活动在一个跨部门之间的流或代理,有定期的表达式可以被定义为几何在他们的生产,尽管在实践中,这种类型的系统总是有一个保证金最低振荡。因此,调节调节时间的信息与处理信息的代理(50]。这提出了一个遍历性特点在系统中通过观测时间或信息。否则,主要观点的分析是nongeometric时间,可以生成一个伟大的异步活动之间的排序。之间的异步工作流的影响造成的时间和没有信息会导致相同的概率分布影响生成的信息(50,51];然而,现象的分析方法以及监管也不遵循相同的方法用于分析的信息。在这种情况下,问题是识别信息或时候产生非线性动力学。现场分析是需要认识到这个问题。

时间可以由代理和其他原因,超越信息和处理,例如,例如,不确定的因素(心理、情感、工作收入、医疗条件、等等)。相关问题的方法识别时间波动的原因在工作流信息流动在这项研究尚未解决。

2.5。分析信息熵和概率(IEP)和生物方面工作流

的一个重要方面分析工作流的物理和数学结构是由代理在处理信息。不仅有一个单一的方式处理信息,这个特征可以归因于主观个体的先验知识和他的工作经验创造的作用特别的工作模型。这个词特别的源自拉丁语,大概的意思是行动而不是以前分隔(4]或暂时定义为给定的执行活动。一个常见的即兴动作在中科院37,38)出现在某种程度上,组织流程对工作流可能是也可能不是完善的新技术,并可能是适当的个人工作方法,认知能力,等等。这允许灵活的工作流模型;然而,一些模型没有足够的灵活性与生物相关方面的工作流。然而工作流模型提出了基于不完全信息的方法测试假设,无论是特别的工作或不完整的确定性分析数据(16]。阻碍了该模型的特点是不断重组生物维度,在连续生产不一致的数据,需要通过工作流程的标准化分析建议Gomez-Cabrero et al。16),对应的努力跟上不断进化的这些类型的系统。

的特别的工作模式可以在信息流方面的离散和连续维度根据代理之间的相关性和信息处理。它可以视为连续变量的生成字体的认知加工,条件,或等因素感知,想象,主体性,长期记忆(LTM)、决策、工作记忆、和短期记忆(STM)以及其他医学或包含条件,不能歧视以预定的方式为这个研究[9,11,14,38,52]。这些变量可能是也可能不是非常有效的执行活动,但可能不是可见的自然起源的信息。这原因分析工作流的定义是一个概率事件和分布取决于是否存在特别的以及需要执行的活动的信息。

在生物方面,一些因素,促进重点分析的起源信息流动的概率分布是强调:(我)工作记忆/ STM / LTM:离散变量可以作为名义度量组成工作流的概率系统和信息。工作记忆/ STM / LTM处理限制与数据的可用性构成工作流定义变化的信息,从CAS,离散和连续变量之间的工作流。(2)复杂自适应系统(CAS):心智的生物环境之间的关系(以前的项目)的操作接口信息(物理、数字和生物),影响处理,存储和流时间37- - - - - -41]。(3)知觉:连续变量信息的假定主观形式影响工作能力的积极的和消极的目的。这个因素总是存在任何工作流的工作区域(9,45]。

通常的组织和处理信息依靠认知支持和外部支持。外部支持历来允许一个更好的人的智力发展和他的处理能力,无论是通过写作、沟通、和人类思想的历史记录。目前,信息技术允许使用外部媒体如文本编辑器、计算器、图纸、互联网、虚拟内存,和移动通信。因此,人类发展的执行复杂的活动是依赖外部支持(52]支持认知过程的生物特性是有限的执行活动相比,没有外部支持。在工作情况下,外部支持是不稳定的,即使在理想条件下,代理会自然地使用方法可能不是正式的工作,特别的模型,解决方案的目的达到工作的要求。通过这种方式,特别的模型部分产生的代理和注定的处理信息与现有的外部支持。是否限制或认知概要或限制和类型的外部支持,条件特别的工作模型生成的存在在任何人类的工作区域,即使有主要或方法历史上重申了为了达到特定的知识来自于科学方法的准确性。

工作流,当他们达成适应性维度,有一个方面细化的工作模型,尝试和错误造成的代理找到问题的最佳解决方案。在执行活动中成功的机会,无论是特别的模型,从而与外部支持的工作环境的存在。成功的机会保证信息处理的更少的随机数据和处理变量是离散或连续的可能性在一个客观的和确定的方式,就像一个自适应运动和代理之间的信息。

的发展特别的工作方法考虑连续几个方面的信息需求,经常代理没有知识和个人经验的支持,可以供应。在这些情况下,常见的是错误的机会(噪音)增加和活动执行的精确比例减少。信息处理的声音出现在这个意义上作为潜在的负面的特别的工作,也就是说,低效的和有效的。然而,尽管负面,它常常可以发现这样的模型在人类各领域工作组织的工作。

考虑的非常重要的一点特别的模型的工作环境通常是无关紧要的认知能力的人力资源问题,只要外部支持可以提供有效的生产劳动。即没有外部支持是治疗这些管理优势因素问题,因为,一旦有一个固有的生物极限(38,40,46,47,52),而且没有足够的外部支持,特别的强烈支持连续变量,这可能产生影响的不准确的生产活动。从这个意义上讲,代理的程序包含有特殊需要质疑的方式需求足够的外部支持特定的个人和/或感觉/生物的能力。

分析的另一个重要的一点是,生物或操作原因,创建一个代理的能力特别的工作模型也是另一个基本的分析。在这个意义上,特别的工作模型自适应使用个人的尝试过程信息的认知能力,加上外部支持,可以帮助处理,通过搜索精度或时间。然而,代理的经验和知识是必不可少的点积极的潜力高模型的创建工作。

更有效的和有效的特别的方法往往是由个人的知识和经验,而不是通过规范化和标准化的工作方法。投资的基本培训和改善现有知识代理使更高的实现的影响特别的模型。这些讨论人类组织程序和工作流是用另一种方式也表现为机器学习系统对混合动力系统和数学模型编程(43]。然而,清晰可见,机器人科学调查考虑混合动力系统在同一框架为这项研究是人性化的代理系统,但强烈的方式不同在代替推进知识的调查不仅可以执行数据分析也考虑适合的生物类型不确定性的分析方法和规律,这是到目前为止没有完全或发现相比38,40,46,47,52)与自然的对象模式。

IEP的方法研究,定性分析了两个截然不同的阶段:首先,信息流的评价及其特点和以后,的最大信息熵评价系统中的自适应系统的影响。从这个意义上讲,生物方面的准确性影响信息加工的观点相同的可用性,工作方法,特别的支持、时间和跨部门或代理之间的关系。

信息流分析的第一阶段是一个物理和生物的筛选变量,构成工作流,定义系统的形式和总值强调实证方面的数学理论的支持。第二阶段显示了CAS (37- - - - - -41]作为形式的组织中,信息流成为加工直到其最后阶段和工作环境中的生物细化生成信息的最终结果,是积极的还是消极的生物学效应。

可以定义一个生物方面,作为标准发生在生物是生活经验和把这些信息转换为更少的随机分布的概率事件。从这个意义上说,它认为,生物学特性本质上相关信息公理理论和数学分支。

香农(53]在他的研究中信息熵可以获得有关信息和概率的一个重要来源,指出系统中信息越多,越不可能事件发生,反之亦然。同样,当一个人认为数学公理是单调减少和增加,影响的逻辑保持不变,在事件发生的可能性越大,信息越少展品(10,46]。这种结构的思想也支持生物体的经验,开展一个活动的概率的增加减少要处理的信息量,通过经验以来,认知过程生成一个对象之间的因果关系模式视为感觉和cerebral-mental订单(8,11,46]。考虑一下这个例子来说明上述推理:想象一下,一个人从来没有很大的大都市纽约,和到达的地方,所有信息关于时间、空间、食物、交通、住宿、通讯、商业等,是信息,个人一定程度的紊乱的循环模式,尚未认知绑定到任何的生活经验。个体生命的地方,模式形成和整个系统无序程度开始减少,维持相对稳定的形式交互和网站的信息处理8]。

这个示例演示了一个单调递增效应当个人到达网站的信息和单调递减效应表示为一个自适应系统,从预定义的表演活动的概率信息的地方被更多的礼物和个人经历,产生,反过来,复发模式在多个变量。如果我们比较事件开始时经过一段时间的永久个人的地方,活动的概率有100%的准确度在喂养,移动,和交流将随着时间的推移,比一开始的事件。

一个复杂的系统,如发现在人与自然的组织中,展示大量的信息,所以成功的概率发生的某些事件发生,如果是随机分布的,因此与不可预知的行为。在工作流执行的活动,成功概率的利润分配,需要启用代理的信息处理信息实现精度决定。从这个意义上说,在分析流时,需要有一个度量,是基于不稳定事件的分析,因为它是一种自适应的结果系统的信息系统不站在公正的个人。因此,中科院可以显示许多或几个信息作为生物有机体之间的条件,对象和它们的因果关系。即使小的信息对象和因果关系,生物条件可能出现振荡的执行100%成功的活动引起的相关因素的动态organism-object组(1]。这表明概率分析和信息理论在中科院14,37推荐的和适当的。伴随的看待问题的方式,工作流是习惯于nondivisible的分析之间的交互信息生物或organism-object-causal对象之间的关系。

有趣的是意识到如果一个工作流执行的准确率达到了100%,随机噪音信息,系统可以生成或拥有是不存在的。然而,100%的准确率是国家生物栖息的世界,不愿说实际上对世界的形式,因为对于每一个生物系统在自适应功能,一些结果可以观察到。同时,分析工作流不能得到严格的实证方法从变量的信息。经验主义在这个意义上有其精度的方法只描述事件的单调增加或减少时,系统不适应,也就是说,涉及有机体的存在概率的事件。

认识论,为分析这种类型的互动,知识类型,如工作记忆、长时记忆和其他工具来构思有机体的对象。这些概念的数学公理也支持一个自适应系统展示的更多信息,处理它们的有机体的能力越小,反之亦然。因此,认为数学概念的单调递增和递减,生物方面展现自己的工作流作为一个观察的特别的生物的方法并给出的观测精度的执行活动,认为只要保持精度的一个活动被执行时,随着时间的推移,它将提供一个100%的概率成功,和更少的随机信息来源通过对象或有机体将会出现在系统。相反,一个特别的方法处理较低的潜力一定展品随机信息处理事件的连续变量,与主体性的生理条件与外部支持联盟。

2.6。米分布的信息作为控制理论的混合工作流程

因为它是一个大量的变量,构成工作流,在本质上是复杂的43作为一个复杂的自适应系统,统计分析部分,占据了每个类别的分布在0到100%不推荐。非线性的复杂自适应系统(14,36- - - - - -41]阻止的可能性,比较不同特定一群人与自然和不确定的认知模式及其形式的工作,生成的线性或非线性函数的执行模式。因此,概率分布和精度100%或更少的利润可以总结在图表示的工作流8。

描述了信息流动的数学模型图的工作流程8可以定义从一个给定的事件吗我由方程(6)(见方法部分2.1)之间的交互给定的离散信息(数据源)(我)和个人经验作为输入变量和定义T(离散或连续)的函数我和(输出)和执行之间的多方位工作/个人或代理达到精度(P),我假设表达式如下(36]。

2.6.1。离散二项概率分布

定义由以下方程 一个事件,还有。d(独立同分布),这种类型的工作流程提出了二元概率分布在现有信息和精确定义的低数量的信息,生成一个高概率的成功执行的活动。预定义的二进制信息流动,假定分布在前款所述;否则他们会出现统计权重不生成的概率分布系统的产品信息,但所产生的无效行政行为与层次结构和/或动机代理和/或代理之间的人际关系。重量的存在使得系统易于其他发行版如PDF(概率密度函数)。

2.6.2。离散型概率分布

这个id定义的一般方程:

这个工作流的的信息来源是预定义的,生成的事件类型 ,中没有振荡的精度在执行活动中定义工作流。认为这种类型的信息流动是最稳定的,适合任何工作流执行活动的目标是达到100%的概率。的几率降低100%,方程如下: 结果是原方程(6)。

2.6.3。离散型概率分布和Monotonical减少

由方程,定义 ,从离散累积分布函数(CDF)离散和概率函数的离散的预定义数据但不确定处理和/或暂时性,假设在一个定义良好的自适应系统特别的工作模式和可预测的。这个公式可以定义为

这种类型的分布与自适应系统并不代表一个重要的信息熵,是不可能达到的精度接近100%。的单调递减函数提出了准确执行的高概率和较低的系统中存在的信息生成随机性。它依赖于一个特别的方法达到100%的精度或关闭。在数学上,它是不可能获得CDF-like如上所述概率作为一个有机的系统组件的功能。因此,信息的累积函数离散值当然可以处理的逆表现在其物理性质或公理的起源概率(非适应的特征事件系统 )。准确地说,生物秩序的命题之间可以建立一个函数的精度和信息类型 。因此,精确的概率是严格大于信息,设置的P包含在我同时被包含在另一组未知的维度(个人经验),如 , 被个人积累的经验,或者换句话说,积累的信息n事件我,赋予生物潜在的可能性 。累积函数在一个自适应系统假设个人的生物形式和破坏概率公理,区分公理,适用于复杂的自适应世界的物质世界(53]。

2.6.4。离散型概率分布和Monotonical增加

由方程的定义 ,2.6.3,与项目特别的模式可能存在的限制功能处理定义为一种自适应系统

这种类型的工作流的主要特征是由定义的或部分的信息和时间的关系,以及生成的信息的处理特别的形态明显是至关重要的(脆弱的)。没有足够的分布特别的支持有一个非常重要的程度,熵流精度。虽然工作方法可以控制信息的流动和时间,这种类型的系统错误的概率高,哪些证据自然公理的单调递增的函数形式的概率理论。这种类型的系统显示的依赖特别的方法和信息没有定义处理的存在和/或信息给系统带来随机性。

系统没有一个分布特别的方法或相同的效率低下,必然呈现PDF分布将解决在项目e和f。

2.6.5。连续概率密度函数分布和Monotonical减少

项方程定义的c和类似地, ,概率密度 如下:

假设一个单调递减函数,但仍呈现随机性的精度高的系统中信息流。它由一个工作流与部分定义,定义,或不存在的信息。信息处理是保持相对稳定(减少)由于系统的熵限制(和特别的方法),没有代或交互的新来源信息(我),整个系统和/或步骤。一个非常强大的特性在这种类型的工作流是连续变量的存在的一种形式特别的方法产生不同的结果。即使使用时间表、电子表格和其他工具(外部支持),执行信息处理在一个直观的,敏锐的,和/或虚构的方式,引发明显的概率密度的判断所产生的一种自适应系统。系统定义与关键生产信息准确性(关键熵)。

2.6.6。连续概率密度函数分布和Monotonical增加

由方程的定义 ,在e项一样,自适应系统的精度影响CDF-type分布系统的强劲。然而,由于系统的部分或未定义的数据源定义由以下方程: 运行远离特别的控制能力,绝对连续的数据流。c项一样,对于所有概率分布的物理和数学公理,生物调节导致系统振荡和可能,在低概率,一些成功的可能性事件(53),但这并不修改自适应系统,而其分类。

2.6.7。联合概率密度函数

定义由以下方程 这个系统显示多个变量的存在发生其他自适应系统在他们自己和他们的事件 。患有不精确的信息交流网的工作流和个人经验 ,主要特点是多个部门之间的不精确或代理。系统之间的不精确假设不同特别的方法和通常为相同的功能(活动)。nonergodic系统与微分熵定义的准确性

相反的,如果 ,然后逆现象可能发生 在减少系统复杂性的感觉之前的状态更稳定的组织。

的米分布可以更好的总结和分类表1。

值得一提的是,在含时系统中,规律允许的连续流信息和可能的干扰所造成的不同的系统之间的信息交换产生减速的后续流程。换句话说,活动执行的频率取决于连续流动,避免饱和的工作步骤,没有他们在适当的时候终止。在庞大的信息流动,可以生成pdf文档的混乱time-controlled系统之间配置文件(50,51]。

为了总结特性工作流和该方法精度的图9显示变量影响信息流及其影响米分布。

3所示。结果

39中分析进行分类管理集团3选择工作流分析结果。这些3例说明了不同情况下的行政工作和思考的范围中描述的方法的理论方法。

本研究采用定性分析的方法从方程(6)(方法论部分),避免定量分析。持续通过一系列问题由代理负责执行一个给定的活动,答案是用来显示数据检查方法在方法部分描述。采访和观察后,流程图是描述的分析要点发现并正确的概率分布。

方法部分中列出这些问题并没有因为据悉,一般行定义了方法可以使用不同的方法进行。对于这个研究,流程图代表工作流算法被使用和列表的问题足以追踪方法的指导方针。同时,IEP分析按照方法指南。

与定性研究是一个重要的问题特别的与代理分析可能存在不一致性对答案从他认为,获得听,执行操作,可以经常的主观产品他们的认知能力和活动(8,9,11,38]。出于这个原因,没有收集文字答案,但是答案意义和观察方法方面的主要方面。

强制执行定性分析的问题:(1)有多少代理商参与所有工作流的执行?(不包括其他部门)(2)描述工作流阶段。(3)信息处理在每一阶段多少?(平均率非常高,高或低数量的信息)。评估根据项目4和5。(4)详细的信息吗?(为自己的代理执行活动)(5)代理使用哪种方法来处理信息(外部支持和检查特别的操作)(6)是否花太多时间处理完成?(7)这个处理实现准确精度期望吗?(8)的工作流执行相关的其他第三方或部门吗?(9)相关的所有信息给第三方或部门提供完整的细节?(10)第三方或部门需要多少时间呢过程阶段的工作流程?(11)是所有的阶段进行,考虑到所有代理商和部门参与,在一系列的生产阶段的生产在时间间隔不规范?案例1:监控报警直接承包。(1)有多少代理商参与所有工作流的执行?(不包括其他部门)提取答案:1(2)描述工作流阶段。答:提取图10。(3)信息处理在每一阶段多少?(平均率非常高,高或低数量的信息)。评估根据项目4和5。提取答:黄色是用来识别阶段使用大量的信息。(4)详细的信息吗?答:提取部分定义。(5)代理使用哪种方法来处理信息(外部支持和检查特别的操作)答:提取信息和违约特别的分析涉及个人的理解警报和其他技术描述。公共信息在每一个管理过程,开始被用作决策的模式。(教育领域的代理不一样的主题工作)(6)是否花太多时间处理完成?提取的回答:没有。(7)这个处理实现准确精度期望吗?答:提取部分。(8)工作流的执行依赖于其他第三方或部门吗?提取的回答:是的。(9)相关的所有信息给第三方或部门提供完整的细节?提取的回答:是的。(10)第三方或部门需要多少时间呢过程阶段的工作流程?提取的回答:没有问题的报道。(11)是所有的阶段进行,考虑到所有代理商和部门参与,在一系列的生产阶段的生产在时间间隔不规范?提取的回答:是的,在平均比率。等电位点分析:(我)迭代:几何。案例分析:没有不寻常的报告。建议:0。频率:罕见。(2)信息流:离散型概率分布和单调递减。数据来源:现有的和部分中定义的特别的方法。案例分析:数据集特别的水平,以及特别的方法给服务一个连续的和及时的信息流动(大量)对大多数行业阶段分析。需求分析在决策过程中,工作方法假设连续概率密度分布函数单调递增,这预定义的参数需求分析是由先前的经验和/或客观数据,补贴的决定对当地公共安全、技术描述警报,技术使用和安装的描述,等等。概率密度成形的新信息(变量)进入判断和/或病例组合形式(变量影响决定交换),使缺乏判断力的默认模式。出于这个原因,它是受主观原因和/或现象的机制对认知推理和记忆机制的看法。建议:建议制定一套定义的变量影响的必要性不服务需求。这将消除随机假设的判断。频率:频繁。(3)最大信息熵:离散型概率分布和单调递减。考虑到巨大的特别的经验,系统呈现正常的熵产生可识别的结果和简单的指导信息的流通。案例1简短的结果:概率密度形成连续变量的函数在系统。错误可能发生由于缺乏预先定义的信息。案例2:投标报价(杂项物品为学校和行政单位)。(1)有多少代理商参与所有工作流的执行?(不包括其他部门)提取答案:1。(2)描述工作流阶段。答:提取图11。(3)信息处理在每一阶段多少?(平均率非常高,高或低数量的信息)。评估根据项目4和5。答:提取黄色流程图显示大量的信息处理在整个工作流程。(4)详细的信息吗?提取回答:不是所有第三方或部门。(5)代理使用哪种方法来处理信息(外部支持和检查特别的操作)提取的回答:有一种普遍的组织工作和数据。信息部门分析违约,没有观察到不同寻常的事件。第三方的相互作用会影响处理由于信息不对称。(6)是否花太多时间处理完成?答:提取一些阶段是耗时而最消耗时间来自第三方。(7)这个处理实现准确精度期望吗?提取答:第三方或部门可以让它更难实现取决于他们分享的信息的过程。(8)工作流的执行依赖于其他第三方或部门吗?提取的回答:是的。(9)相关的所有信息给第三方或部门提供完整的细节?提取的回答:没有。这种情况使得发生7项。(10)第三方或部门需要多少时间呢过程阶段的工作流程?提取答案:由于重复路径、文件来横过有时。频繁的问题是缺乏信息或相关第三方或有关部门的关注。它需要一个未定义的时间为每个类型的随机需求。(11)所有阶段进行,考虑到所有代理商和部门参与,在一系列生产阶段的生产不受监管的时间间隔内?提取答案:由于信息处理失败,迭代的阶段,需求似乎从没有模式,和其他第三方的处理,整个系统没有序列之间的阶段。等电位点分析:(我)迭代:不是几何。案例分析:虽然只有单个的迭代形式,它负责穷人的信息流动的准确性和时间。跨部门的连续重复迭代路径生成执行活动的最后期限和积累的损失由于随机性的过程回到部门与其他要求相伴产生和/或返回相同的方式。这个概率迭代产生直接影响的行为可能的联合概率密度函数。也可以引起严重的缺点由于精度失败,主要服务或产品使用在代替,非常昂贵和低效的。建议:第三方或其他机构部门应该有完整的数据源与工作流的所有代理共享。模型和参考术语可以被用于创造倾向,减少样本之间的差异。频率:频繁。(2)信息流:连续概率密度函数单调递增。数据来源:违约和/或特别的和/或定义。案例分析:不同部门精心定义的程序组合报价不遵守标准的分析制定的技术规范和技术对象,因此,该行业的分析这些项目的责备的文档,并将它返回给请求部门。系统的信息流是非常高的。跨部门的关系导致精确度损失的传播内容。从理论上讲,这是可以肯定的特别的方法负责定期的信息处理的请求因为这些行业可能不匹配,一个因素会导致一个重要的熵。建议:建议信息用于此工作流应该通过法律定义的文档和/或指导手册,如何准备报价请求信息和其他技术标准不断报价分析部门的反对。这个过程可以避免重复和可能的错误传播,理论上不可能观察到的任何步骤。频率:频繁。(3)最大信息熵:离散型概率分布和单调递减。该系统实现了离散化基于熵和平均稳定特别的代理负责部门的技能。然而,重大损失发生的时间来执行所有活动。虽然有稳定的熵,强烈建议调整信息的流动,这样错误的概率不会表达严格。因此,执行的变化活动的其他部门工作和人际关系的质量是至关重要的代理商和行业之间的关系。例2短暂的结果:系统,虽然与离散熵和减少随机性,提出nongeometric迭代中重复现象描述信息的流动以及不同间隔的每个阶段流程,生成一个可能的概率密度函数作为前体或微分熵。案例3:内部和外部的电话。(1)有多少代理商参与所有工作流的执行?(不包括其他部门)提取答案:3。(2)描述工作流阶段。答:提取图12。(3)信息处理在每一阶段多少?(平均率非常高,高或低数量的信息)。评估根据项目4和5。提取回答:非常高的需求。(4)详细的信息吗?提取的回答:没有;部分定义或定义。(5)代理使用哪种方法来处理信息(外部支持和检查特别的行为)?用默认的数据提取的回答:有议程。然而,新的信息出现月度部门之间的数据共享。这个电话行业仍不断过时。处理之前特别的方法不够有效的时间,努力,和精密的数据共享。(6)是否花太多时间处理完成?提取回答:有时是的。迭代可以发生扩展处理更多的行业。迭代会导致不确定的路径传送信息的其他部门。(7)这个处理实现准确精度期望吗?提取回答:不是一直都好。(8)的工作流执行相关的其他第三方或部门吗?提取的回答:是的,部门内部的机构。(9)相关的所有信息给第三方或部门提供完整的细节?提取的回答:没有。(10)第三方或部门需要多少时间呢过程阶段的工作流程?提取答案:由于过时的数据,信息处理部门之间能保持迭代,直到找到最佳解决方案。(11)是所有的阶段,考虑到所有相关人员和部门,在一系列的生产阶段的生产在时间间隔不规范?答:提取序列继续迭代,直到找到最佳解决方案。没有固定的时间间隔。所有阶段中不稳定的时间长度。等电位点分析:(我)迭代:没有发生。案例分析:没有不寻常的事件。建议:0。频率:0。(2)信息流:联合概率密度函数分布。数据来源:部分定义;未定义或特别的。案例分析:系统信息流太高了。一个验证点相对于系统的信息流处理发生的条件,使精度非常随机以及所需的时间比推荐的客户服务中心。在这些情况下定义为一个概率密度函数单调递增,这类型的服务提供了一个持续增长的低精度的概率信息流。部门没有互联网,这使得它很难搜索相关信息机构和/或内部其他部门所需要的信息。缺乏互联网必然产生不断失败的准确性的信息实时传输机构的。从这个意义上说,没有软件更新手机扩展和机构代理。员工流动率以及分支修改常数。之间没有反馈的新信息和旧信息特别的水平部队代理搜索随机根据他们的知识水平超过500代理超过1000电话扩展的机构。建议:建议一个信息系统,可以实现更新扩展和机构部门名称、代理和任何其他信息到外部社区。也是所有计算机必须在访问互联网。一些机构的内部活动依赖于恒流的信息。从这个意义上说,几个部门的熵分析(IEP)有明显迹象显示他们需要某些类型的信息分配的另一个信息系统,不是电话部门本身,而是一个虚拟环境,可能收集内部活动与跨部门工作流程的实现。频率:频繁。(3)最大信息熵:微分熵。大的和不可预测的变化作为一个系统的连续代的不确定性。的特别的函数在这个部门是服务相对稳定的主要原因之一。尽管由于大量的信息,特别的技能是不够的处理所需的所有信息和时间。外部支持是强烈推荐。案例3简短的结果:不断输入新的信息进入系统和nonupdation处理的变量构成的执行服务与新信息给系统,即使在一个高效的自适应系统,微分熵。

数学模型的实际应用工作流部分中解释2是在这三个例子来开发构思如何使用方法对经验数据作为一种工具。

在这个研究最重要的贡献仍然稳健性质分析为了实现正确性和完整性(24,54]。有几种方法来实现的正确性和完整性,但这取决于很多不同的经验数据和类型变量发生。根据刘54工作流的基础),可靠性调查可以改善由于发现的重要性定义工作流的目标和状态之间的连接条件。

本研究的主要依据,信息熵和概率可以给更广泛的目光如何优化工作流的稳健性质对精度性能。这三个方法的结果表明,语义方面相关经验,和这个连接,可以分析系统为了实现分类和可判定性的系统进程的信息。

也证实,许多类型的经验表达式对理论基础的研究可以通过默认观察问卷。这种分析技术和理论模型允许工作流的可靠性方面的调查没有结果特别唯一解的正确性和完整性。然而,这些调查显示的三个例子中,考虑到信息及其处理的不稳定性方面,主要研究离散工具分类和后可判定性的正确性和完整性属性。

数学定义中使用的理论框架并没有显示与特定计算的三个结果在这一节中。这项研究的主要方面之一就是创建一个方法不熟练的数学家专业人员或研究人员可以访问并获得相同的结果作为一个数学符号可以给。问卷工具提出了这个要点执行工作流的可靠性分析,结合理论解释为每个类别和信息熵概率公理。

一个工作流的正确性刚度并不意味着其准确性或改进的可能性54)主要在中科院工作流程,连续变量的对象执行的活动。在这方面,分析了三个例子显示方法的一个重要方面,是检查工作流程的合理性方面。数学模型的主要特征提出了研究所在的可靠性分析和工作流管理而不是给予提示解决方案(正确性、完整性24])或一个固定模型在符号学问题可能到达的现实生活问题由于CAS系统和连续变量的性质。信息熵和概率理论基础研究的模型支持更广泛的执行,计划和可判定性分析关于工作流的可靠性分析。走这条路,方法论基础定义(部分2)揭示生物相互作用的自然倾向解构逻辑在任何水平稳定在任何系统。这semidefined状态信息处理(符号和概率状态)的方法部分可以丰富的观点更加突出的工作流稳健分析作为一种自适应系统。

可以认为概率,信息理论和连续变量(模型)的主要框架在一个系统不一致数据支持工作流规划和精度达到。然而,考虑到类别的稳健,阿尔斯特(24),这个框架可以不适合模型的鲁棒性,如果这一研究获得的结果只能通过观察到的正确性和完整性的观点。工作流系统的分析,一个标准的工作流语言佩特里网构造XOR /把/内加入并不是唯一可见的语义系统相比这种语言的语义交互和迭代调查范围稳健属性在一个给定的工作流在掌握方法。更广泛和更复杂的语言工具可以使用代理来搜索的经验或理论证明系统及其死锁、活动锁,缺陷,等等,24,54]。主要的健康效应对这个模型是面向看到有界和无界的可能性条件信息工作流可以渐近行为(单调递增和递减),主要分析系统性能的更高的精度和可靠性分析。这个特性是非常重要的为了达到更高的系统性能的正确性为刘54)指出。

另一个维度模型的提出,除了一个工作流系统的分析,根据设计工作流程。至于活动执行必须足够等稳健标准选项来完成,正确的完成,没有死的转换(24),任何工作流性能精度的主要目标。建立一个工作流和其语言在更广泛的意义上是可以考虑的话题关于uncertainty-based系统进行离散和连续变量。走这条路,PSPACE系统的条件被发现在示例2的结果部分,在系统的正确性是最重要的优先为了实现工作流执行的终点。然而,无界的条件下使系统实现这种性能通过不当PSPACE路径,使其可疑的工作流执行是否可以完成所需的性能。考虑模型提出,分析这个例子2系统的可靠性概率和信息理论公理的视图允许代理执行特别的的工作方法,支持稳健的方向正确性的性能属性。从这个意义上说,即使有无限的条件,离散或连续变量可以从稳健的角度对待由代理谁能想象一个动力输入的工作形式以达到精度高和可判定性事件。

然而,一箱一个无界的呈现弱稳定性和渐近工作流信息和到系统单调递增的信息来源以及缺乏模式形成个体认知能力的角度可以限制工作流执行和高标准的准确性。

这是有可能的,例如,观察结果示例3节中,工作流性能很不稳定是由于糟糕的活动执行的规划设计,值得说,非常简单和日常活动的参加和转发电话。示例3中的缺乏一个中央信息处理工作流执行计划时没有被观察到。事实上,自然是很明显的,任何机构将创建一个点头的信息处理和数据存储在这种类型的工作;然而,这并不与实证信息流动当数据在混乱的行为在其形成或其他不确定的特性可以影响到系统。这些语句的可靠性分析工作流示例3的例子。3,建议修正的随机行为变量,中央数据存储、信息处理的几个代理饲料系统信息变量。这种方式,如物联网,这中央点头信息可以更新数据,是一个连续的信息来源(请注意,这是一个异常情况通常不会发现这种类型的服务,即。,几个部门在一个公司改变他们的电话号码由于政府的不稳定,像一个学期内6次)模式形成以来的数据没有定义基础上通过离散化的过程。

在第一种情况下的结果部分,可以找到一个PSPACE在有界条件尽管信息流疲弱的状况发生,这将是一个系统中死锁。然而,PSPACE中的信息处理和有界条件不能限制的正确性通过代理处理技能。在这个特定的情况下,作为中科院信息处理领域,代理角色活动执行的准确性表示是本研究中讨论的一个主要问题是连续变量的存在,在这种情况下,采购的代理本身而不是无生命的组件系统或数据的可用性。这个等电位点可靠性分析可以发现这个场景的目的对信息处理的精度有积极的表现。这种可能性已经被证明是真正的在刘54通过不同的技术)。

4所示。讨论

生产报告的客观分析劳动活动演绎理解工作流系统在全球的方式,基于一些数学的前提。通过这种方式,该方法给出一个理论的现象,使研究者房间看到系统在其可能和熵的生产工作。虽然建议的理论,目前执行分析,经验证据(事实)证实了发现在研究了信息的流动。

因此,这个等电位点方法不同于其他怀孕的问题,从理论分析现象,依靠零星的经验证据,但主要基于实证分析,包括验证的可用性信息的执行工作和如何处理这些信息代理(s)。也可以观察进化方面的系统作为一个系统,可能会或可能不会达到不同的本构特性信息的概率分布的形式,创造差异化的干预水平摆动,可以监控和战略指导。使用这个等电位点方法的一个例子,一个类似的策略55)是由范德阿尔斯特表示等人在歧视的灵活性,实施指南,并宣称框架。比较这两种方法,框架的灵活性可能达到当经验丰富的分析机制造成的用户使用特定工作流的一段时间;然而,通过概念定义工作流模型达到的灵活性之间的数学结构允许更大的实现分析与经验证据和分析推理,也留下一晚再形成指南。从这个意义上说,有一个互补的方法,旨在改善系统。

一般来说,使用无电感的方法来分析工作流的重要性并不是产生在没有验证流的错误的系统发展,适应,需要保证金的评价特点,允许经理观察的动力系统随着时间的推移和系统作为一个整体3,28]。

也是验证的治疗证据证明理论的流动不仅实现了目前的分析流程。同时,其他分析师的意见(其他员工或相关)帮助确定其他持续确定概率分布的实证证据。这种方式,选择解决问题的根源每个流的方法不应该被理解为疲惫因为IEP表示理论后,分析阶段是一个非常重要的任务。

通常会发生特别的方法可以视为重要属性选择的人力资源公司,但他们不是一个重要的衡量一个公司的生存,如果信息系统是过时的和/或不稳定。也从另一个意义上说,如果人力资源所取代,它会导致公司的活力下降,它还演示了效率低下的管理信息数据的工作流由于无形的自然来源。

可以列举一些提出的方法论特征如下:(我)识别/缺乏信息系统和类型(2)临界点的信息流动(3)识别存在的特别的模型和工作表现(iv)进化的信息系统预定义的数学定义和建模(v)推理的准确性和处理时间信息(vi)决策管理(七)战略分析/监控部门和跨部门流动(八)实证分析信息流排除主观感知的分析师和代理(第九)概率和熵观测信息的复杂的自适应系统(x)参与式管理和持续改进(十一)的灵活性分析,调查证据,建模的工作流

工作流领域的科学研究统计方法类似于Gabry IEP提出et al。56),经验证据是PDF分布与模拟现象的分析事件56]。两种方法之间的主要区别就是经验证据是用来构成一个整体分析和多变量的分布是预定义的后调查目的。这个特性使得IEP分析更广泛的灵活性。

这个等电位点与贝叶斯分析(56]代表试图准确地涵盖了预期结果而不考虑经验证据作为唯一的分析工具,因此建议理论符合实际的事件寻求统计方法。本研究[56)展示了一个有趣的形式的工作流,因为替代方法达到结果的精度,提出了由组的概率分布的样本。类似地,信息流分析的方法提出了研究也是同样的方法;然而,它限制自己只制定现象的数学结构及其概率分布状态,除了寻找所有的证据(类似地,替代方法)证明责任的理论是,任务管理器和他的选择的方法更合适的工作与系统的概率分布问题。

分析工作流的另一个有趣的一点是代理之间的信息对称,部门,公共或私人公司。对称的信息已经被Holmstrom和•57)起着基本的作用发展的行政结构针对那些参与谈判的最好的成本效益。工作流也是一个谈判从工作需求的角度来看,当请求处理信息,达成最终的执行,取决于信息的清晰和其使用方法尽可能可见测序在流是依赖于时间和复杂的操作步骤。它还表现为支持公平与平等之间信息代理的专业表现,自尊,和动机在竞争或社会排斥环境(58]。

领导的角色在公司的组织结构也有很大的影响在非对称工作流之间的代理,以及信息的传播的领袖,这取决于正确的处理准确地实现预期的结果。分析工作流的一个重要特性是它不是一个问题,发现伟大的人才,人力资源,占混沌系统,但执行的活动的可行的任何人(避免营业额),这不仅为公司带来了好处,但经理在他的管理责任,公司的生产和活动的时间表达式作为一个整体。这个等电位点分析的另一个重要方面是它通过提供一个环境进行参与式管理代理和垂直层次结构组织的。

线性工作流程中的一种临界点模型,理解,例如,包含定义良好的物理或数字信息,根据离散变量的是,它并不总是可以观察和被其他个体。这种情况下由一个在公司内部沟通问题以及组织日常的工作和社交能力。这种会影响处理能力和精度对生产率但仍然是另一个问题处理的组织结构。还在一个信息的情况下特别的国家组成的连续变量、线性流的信息可以被噪音引起的各种方法之间的理解给定服务同时传达给另一个人(1]。

的上下文变量促进精度在离散或连续振荡相关工作流也区分方法如贝叶斯和柯尔莫哥洛夫,这可以作为一种工具进行分析的证据与适应离散分析或框架构成混合系统。都有前概念定义,不允许他们使用基本的工具发生了连续变量信息熵和概率(IEP)方法。这个命题的理由给事件的连续变量的存在,中科院作为产品(37,38)并不像普遍的科学证据之前定义的定量描述的参数已经科学但组件构成工作流在连续有机体和对象之间的适应性。因此,这个等电位点工作流分析方法允许工作流模式的识别,在另一个时刻,可以通过选择一个合适的工作方法,在一个更广泛的被接受的定性或定量分析。

强烈建议为其他研究人员在这一领域或相关建模动力学主要考虑生物系统的几个属性作为自适应多维分析和数学方法的集成。

这项研究是专门用于定性的数学评估和执行不深入计算分析工作流。定性分析可以应用于流程图或其他工作流程和信息处理分析的定性方法。虽然计算可以用于数字工作流和信息处理考虑,几种方法实现通过使用方程(6)和其他派生形式。非常类似的方法对定量方法(完整的数学描述配方)为对象,对象交互和正式的概率框架不洁净的数据库(手)为数据分析提出了伊卜拉欣- et al。59]。一个完整的描述结构化的实现概率预测模型开发(59),建议作者作为信息处理的工具,需要进一步调查这个新技术,编程参数,考虑生物经验差异,可以作为输入数据和中科院更具描述性的性能这一问题(定量描述性方法)不是由这个研究。

虽然在最近的一项研究发现Trubutschek et al。47),没有主观来源通过工作记忆认知处决,有趣的是大尺寸的分析考虑等问题存在主观性,感觉记忆、知觉的研究领域没有定义对精度的影响劳动生产率在信息处理活动。在这一点上的分析,没有进行实证调查将代理如何处理信息的信息数量和质量。而不是创建一个参数,研究工作流处理相关的主题认知科学的一个重要点分析,组成的连续变量的概率分布可以推断出信息流的环境中工作。人类处理信息的可能性缺乏主体性在时间和空间方面47),甚至在更广泛的意义上是一种知识,有助于理解影响一个代理在处理信息也决定了精度和生产活动的执行。

5。结论

认识论和科学,使用无电感的方法来分析工作流的重要性并不是导致的错误不验证信息的流动,而系统的发展,适应,和需求的评估,观察动力学特征,使经理的复杂的自适应系统随着时间的推移和系统作为一个整体。

也证实客观和主观的处理(定性研究)的证据,证明理论的流动不仅能成功的那一刻的分析流动,因为它是进一步加工其他分析师认为,可以识别更多的实证证据,持续所确定的概率分布。

因此,特别的方法总是重要的人力资源,但它们并不是一个重要的衡量一个公司的生存,如果信息系统已经过时或不稳定。

尽管公司的生产力可以通过一个数学公式预测方法在部分2精度测量,达到100%的工作流可以挑战和更适合人工智能严格。这必须遵守同样比例的影响作为一个生物体的潜在认知适应结构的信息或其加工成新的可能性和/或造型。这最后一句话,人工智能很不适合现在为此据几位现代作家。

可以验证的重要性,分析工作流在几个维度的人类组织。在结果部分,提出了工作流中的信息流动影响的执行代理活动,公司的生产,动机,和专业稳定的代理,参与式管理,风险分析的新工具,减少官僚主义管理,管理复杂的行政流程,公正的分析,自然和财政资源的优化,改善特别的表演,可持续发展,智能建筑领域和其他方面的相关知识。

数学建模工作流定义的另一个重要方面特别的模型组成的一个复杂的自适应系统认知代理的维度,形成知识、外部支持的工作环境,和体验生活的,结果到正面或负面信息处理的潜力。这些过程可以生成一个概率和熵产生的信息,因此,在执行一个活动的精度。物理数学的定义是验证理论和经验证据在流动的诊断还定义了执行活动,所需的时间,在整个分析中,信息流通过时间可以发生在一个几何或nongeometric方式。nongeometric信息流动,假设另一个角色在事件的复杂性,生成其他概率和熵的定义。同时,工作流的数学建模有助于确定离散和连续变量开始(特别的模型)。它不是一个明确的、准确和精确的线来确定,但理论可以寻找支持的证据,证明了理论物理数学描述。在一些分析、时间的影响因素,促进活动执行的积累,以及生产损失频率,观察系统中产生不同的分布。

最后的结论产生生产力还涉及一个方程(6)在工作流模式。这个方程,避免计算,转化为定性研究由具体问题就变得有用的专业人员不擅长数学计算。同时,这项研究没有出现其他影响使用效率方程由于限制范围的问题,本研究设计。进一步的调查是高度推荐给数字工作流和其他数学方法对行为和认知科学。

数据可用性

文章中所有的数据是可用的。

的利益冲突

作者宣称没有利益冲突。

引用

1. b . t . Pentland m·s·费尔德曼,“组织程序作为一个单元的分析,“工业和企业变化,14卷,不。5,793 - 815年,2005页。视图:出版商的网站|谷歌学术搜索
2. s . Ranson b Hinings, r·格林伍德“组织结构的构建,”行政科学季刊,25卷,不。1、1 - 7,1980页。视图:出版商的网站|谷歌学术搜索
3. e . j . Oughton w·亚瑟,p .泰勒和j·w·霍尔,“基础设施作为一个复杂的自适应系统,”复杂性,2018卷,2018年。视图:谷歌学术搜索
4. y汉族人和a . Sheth“适应性工作流建模”诉讼的第四届国际会议在信息系统分析和合成奥兰多,页108 - 116,美国1998年7月。视图:谷歌学术搜索
5. b . t . Pentland t Haerem, d . w . Hillison”使用工作流数据探索组织常规的结构,“组织惯例:实证研究47卷,2009。视图:谷歌学术搜索
6. y汉、A . Sheth和c . Bussler“适应性工作流管理的分类”点火发动机车间的1998 ACM会议上计算机支持的协同工作美国,页1 - 11、西雅图、佤邦,1998年11月。视图:谷歌学术搜索
7. w·m·范德阿尔斯特“工作流模式,”百科全书的数据库系统,第3558 - 3557页,2009年。视图:谷歌学术搜索
8. w . Kintsch沃尔特·Kintsch b和c。理解:认知范式英国剑桥,剑桥大学出版社,1998年。
9. 和p·d·j·r·Busemeyer Bruza,量子的认知和决策模型英国剑桥,剑桥大学出版社,2012年。
10. j . Birkinshaw r .诺贝尔,j . Ridderstrale”知识作为一个应急变量:知识预测组织结构的特征吗?”组织科学,13卷,不。3、274 - 289年,2002页。视图:出版商的网站|谷歌学术搜索
11. j·卡多佐,“工作流方法计算复杂性,”Dagstuhl研讨会论文集,城堡Dagstuhl-Leibniz-Zentrum毛皮Informatik Wadern,德国,2006年9月。视图:谷歌学术搜索
12. c·埃利斯、k . Keddara和g . Rozenberg“工作流系统中的动态变化,”学术会议组织的计算机系统页,10-21 ACM,苗必达,CA,美国,1995年8月。视图:谷歌学术搜索
13. j .蜱虫“工作流模型表示的概念,”学报》7日匈牙利国际研讨会的研究人员计算智能HUCI 2006页24 - 25日,布达佩斯,匈牙利,2006年11月。视图:谷歌学术搜索
14. m . Haynie和d . A .牧羊人”的创业研究自适应认知”创业理论与实践,33卷,不。3、695 - 714年,2009页。视图:出版商的网站|谷歌学术搜索
15. m·佩斯克·m·h·Schonenberg n . Sidorova和w·m·范德阿尔斯特“基于工作流模型:改变很容易,”《移动不言而喻国际会议搬到有意义的网络系统施普林格,页77 - 94年,维拉莫拉,葡萄牙,2007年11月。视图:谷歌学术搜索
16. d . Gomez-Cabrero a帐户,j . Tegner”工作流生成竞争假说从模型参数的不确定性,”接口的焦点,1卷,不。3、438 - 449年,2011页。视图:出版商的网站|谷歌学术搜索
17. p . Gagnepain和m . Ivaldi“随机前沿和信息不对称模型,”生产率分析杂志》,18卷,不。2、145 - 159年,2002页。视图:出版商的网站|谷歌学术搜索
18. A . Vankipuram、美国特劳布和v . l . Patel”临床工作流程的分析和可视化的方法在动态环境中,“生物医学信息学杂志卷。79年,20-31,2018页。视图:出版商的网站|谷歌学术搜索
19. Balasubramanian m . m .关颖珊和p . r .,“动态工作流管理:一个工作流建模框架,”《第三十夏威夷国际会议对系统科学4卷,第376 - 367页,IEEE,毛伊岛,夏威夷,美国,1997年1月。视图:谷歌学术搜索
20. n .拉塞尔•范德阿尔斯特(george w . bush), a .霍夫斯泰德后“工作流异常模式,”国际会议上先进信息系统工程学报》上施普林格,页288 - 302年,卢森堡,卢森堡,2006年6月。视图:谷歌学术搜索
21. r·米尔纳和移动通信系统:π演算英国剑桥,剑桥大学出版社,1999年。
22. c·a·佩特里“Kommunikationen麻省理工学院automaten,”波恩大学,德国,波恩1962,博士论文。视图:谷歌学术搜索
23. s . Joosten“触发工作流分析建模,”诉讼欺诈的94:工作流管理慕尼黑,德国,1994年10月。视图:谷歌学术搜索
24. w·m·p·范德阿尔斯特k·m·范,a . h . m . Ter霍夫斯泰德et al .,“工作流网:分类的可靠性、可判定性和分析,“正式的计算方面,23卷,不。3、333 - 363年,2011页。视图:出版商的网站|谷歌学术搜索
25. 张周z z Cheng l . j ., w . Gaaloul k .宁,“科学工作流集群和推荐利用层分层分析,“IEEE服务计算,11卷,不。1,第183 - 169页,2016。视图:出版商的网站|谷歌学术搜索
26. a·f·布罗德贝克:包罗,d . Bobsin”乌玛metodologia对位implementacao da gestao为什么processos em organizacoes共和国,”巴西《管理/航空杂志上Administracao da UFSM,9卷,不。4,699页,2016年。视图:出版商的网站|谷歌学术搜索
27. r·m·坎·m·t·席尔瓦,r·f·Zuhlke”Implantacao de gestao为什么processos: estudo德卡索numa gerencia de嗯centro de尽管如此”《第二十八章ENEGEP-Encontro Nacional de Engenharia de Producao、宝路、巴西、2008年11月。视图:谷歌学术搜索
28. h .荒原”,因果关系和计量经济学,”费雪,22卷,不。2、162 - 177年,1954页。视图:出版商的网站|谷歌学术搜索
29. g . m . Yenni e·m·克里斯滕森e . k . Bledsoe et al .,“发展现代数据工作流定期更新数据,”公共科学图书馆生物学,17卷,不。1,文章ID e3000125, 2019。视图:出版商的网站|谷歌学术搜索
30. f . Pianosi k·贝文,j .自由et al .,“环境模型的敏感性分析:系统回顾与实际工作流程,“环境建模和软件卷,79年,第232 - 214页,2016年。视图:出版商的网站|谷歌学术搜索
31. t . g . Stroiteleva和g . g . Vukovich”在生产系统数学建模的工作流,”现代应用科学,9卷,不。3,p。173年,2015年。视图:出版商的网站|谷歌学术搜索
32. c .杨l . Nghiem j . Erdle et al .,”布朗概率预测的有效和实用的工作流领域受制于历史数据,”SPE学报》2015年度技术会展石油工程师学会,休斯顿,德克萨斯州,美国,2015年9月。视图:谷歌学术搜索
33. b·林德纳l . Auret, m·鲍尔”振动诊断系统的工作流使用转移熵,”IEEE控制系统技术,2019年,页1 - 12。视图:谷歌学术搜索
34. d . p . Bertsekas和j . n . Tsitsiklis介绍概率雅典娜的科学,贝尔蒙特,妈,美国,2002年。
35. r·m·格雷和r·m·格雷概率、随机过程和各态历经性质斯普林格出版社,纽约,纽约,美国,1988年。
36. c .罗伯特告诉“生产力方程和m分布信息处理的工作流,”应用制度创新,卷2,不。3 p。24日,2019年9月。视图:出版商的网站|谷歌学术搜索
37. a reed - tsochas Nair, f,“回顾复杂自适应系统范式:主要视角研究运营和供应链管理问题,“杂志的运营管理,卷65,不。2、80 - 92年,2019页。视图:出版商的网站|谷歌学术搜索
38. c·j·贝茨r . a .我们针对c·r·西姆斯和r·a·雅各布斯”自适应分配人类视觉工作记忆容量的统计和分类学习期间,“杂志的视觉,19卷,不。2,p。2019。视图:出版商的网站|谷歌学术搜索
39. j . h .荷兰”,研究复杂的自适应系统,”《系统科学和复杂性,19卷,不。1,1 - 8,2006页。视图:出版商的网站|谷歌学术搜索
40. j·h·米勒和s e .页面,复杂的自适应系统:介绍计算模型的社会生活美国新泽西州普林斯顿大学,普林斯顿大学出版社,2009年。
41. t . Sammut Bonnici应承担的“复杂的自适应系统,”威利管理百科全书美国新泽西,页1 - 3,霍博肯,2015。视图:谷歌学术搜索
42. m .苏珥Muehlen和m . Rosemann Workflow-based过程监控和controlling-technical和组织问题,”学报》第33届夏威夷国际会议系统科学IEEE p。10日,毛伊岛,美国,2000年1月,你好。视图:谷歌学术搜索
43. r . St-Aubin j·弗里德曼,A . k . Mackworth”正式的数学概率混合动力系统建模框架,“上数学和人工智能卷,47号3 - 4、397 - 425年,2006页。视图:出版商的网站|谷歌学术搜索
44. Fluxogramas做Grupo Administrativo SetorialSecretaria de Estado da Educacao e Esporte做巴拉那河、库里提巴,巴西,2011年,http://www.educacao.pr.gov.br/modules/conteudo/conteudo.php?conteudo=212。
45. m .梅洛庞蒂知觉现象学劳特利奇,伦敦,英国,2013年。
46. t·h·阿塞,“训练系统分析师解决复杂的真实世界的问题,”学报》第十四届计算机人员研究会议ACM,页103 - 120年,亚历山大,弗吉尼亚州,美国,1976年7月。视图:出版商的网站|谷歌学术搜索
47. d . Trubutschek s马蒂,s . Dehaene“时间顺序信息可以在无意识中维护的工作记忆,”科学报告,9卷,不。1,p。6484年,2019。视图:出版商的网站|谷歌学术搜索
48. j . Tsitsiklis伯努利过程:概率系统分析和应用概率美国剑桥,麻省理工学院开放课程,马,2019年。
49. 美国Spinola、a .恩格尔和c·巴赫,“动态工作流过程,”美国专利:US20030233374A1,https://patents.google.com/patent/US20030233374。视图:谷歌学术搜索
50. l .盛、f . Yushun和l .惠普“居住时间概率密度分布的实例在一个工作流模型中,“计算机和工业工程卷,57号3、874 - 879年,2009页。视图:出版商的网站|谷歌学术搜索
51. c . r .告诉“几何信息流动受时间长度:最初的方法,”对称,10卷,不。11,645年,页2018。视图:出版商的网站|谷歌学术搜索
52. n . Cowan”处理选择性注意和工作记忆的极限。”解释。国际期刊的研究和实践在解释,5卷,不。2、117 - 146年,2000页。视图:出版商的网站|谷歌学术搜索
53. c·e·香农”通信的数学理论,ACM SIGMOBILE移动计算和通信评审,5卷,不。1,3-55,2001页。视图:出版商的网站|谷歌学术搜索
54. g·刘,“一些复杂结果的稳健性问题工作流网”IEEE服务计算,7卷,不。2、322 - 328年,2013页。视图:出版商的网站|谷歌学术搜索
55. w·m·p·范德阿尔斯特·m·佩斯克和h . Schonenberg“声明式工作流:灵活性之间的平衡和支持”,计算机科学研究和发展,23卷,不。2、99 - 113年,2009页。视图:出版商的网站|谷歌学术搜索
56. j . Gabry d·辛普森a . Vehtari m·贝当古和a >“可视化在贝叶斯工作流中,”英国皇家统计学会杂志》:系列(社会统计数据),卷182,不。2、389 - 402年,2019页。视图:出版商的网站|谷歌学术搜索
57. b . r . Holmstrom和j .•“第二章的理论公司”工业组织的手册1卷,第133 - 61页,1989年。视图:出版商的网站|谷歌学术搜索
58. a . Tomo e . De Nito, p . Canonico”新的视角对公共治理:挑战和新兴解决方案,“经济与管理科学杂志》上,35卷,不。1,2 - 4,2019页。视图:出版商的网站|谷歌学术搜索
59. c . De Sa i f·伊卜拉欣- b . Kimelfeld c .再保险和t . Rekatsinas“正式的概率不洁净数据库框架,”22日国际会议上数据库的程序理论2019年3月,里斯本,葡萄牙,。视图:谷歌学术搜索

版权

版权©2019年查尔斯·罗伯特告诉。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。