XiaoMi-AI文件搜索系统
World File Search System流程模型
利用数字孪生进行过程预测 - SE@RWTH
摘要 — 从事件日志中发现流程以及在运行时使用流程模型进行流程预测是改进复杂系统数字孪生运行越来越重要的方面。流程挖掘功能与模型驱动的数字孪生架构的集成提出了一个问题：哪些模型对于设计时和运行时的模型驱动数字孪生工程很重要。目前，不同的研究社区正在开展流程挖掘和模型驱动的数字孪生研究。在本立场文件中，我们主张将两个研究方向进行整体结合，以促进在运行时利用未来系统的数据和模型。提出的立场基于生产互联网卓越集群中流程挖掘专家和软件工程专家之间的持续讨论、研讨会和联合研究。我们旨在推动进一步的联合研究，将流程挖掘技术与模型驱动的数字孪生相结合，以便在运行时有效地结合数据和模型。索引术语 — 流程挖掘、数字孪生、模型驱动开发、Models@run.time
SWEBOKv3.pdf - 计算机科学系
第 1 章：软件需求 1-1 1.软件需求基础 1-1 1.1.软件需求定义 1-1 1.2.产品和流程需求 1-2 1.3.功能性和非功能性需求 1-3 1.4.突发属性 1-3 1.5.可量化需求 1-3 1.6.系统需求和软件需求 1-3 2.需求流程 1-3 2.1.流程模型 1-4 2.2.流程参与者 1-4 2.3.流程支持和管理 1-4 2.4.流程质量和改进 1-4 3.需求获取 1-5 3.1.需求来源 1-5 3.2.获取技术 1-6 4.需求分析 1-7 4.1.需求分类 1-7 4.2.概念建模 1-8 4.3.架构设计和需求分配 1-9 4.4.需求协商 1-9 4.5.形式化分析 1-10 5.需求规范 1-10 5.1.系统定义文档 1-10 5.2.系统需求规范 1-10 5.3.软件需求规范 1-11 6.需求验证 1-11 6.1.需求评审 1-11 6.2.原型设计 1-12
对基于FPGA的优化和深度学习卷积神经网络的应用
Petri Nets [1]通常用作业务流程管理领域方法和技术的数学基础。因此，拥有用于建模和分析培养皿网的工具支持对学科很重要。这种支持促进了基于培养皿网理论的新方法和技术的发展。同时，它可以用来向学生讲授培养皿。鉴于Python中分析方法和技术的发展不断增长，因此拥有一个支持创建此类方法的Python库是非常有益的。SIMPN提供了这样的基于Python的库，用于建模和模拟定时的彩色培养皿网。它提供了可视化Petri Net模拟的高级功能，以及重复，热身时间和报告等基本仿真功能。这包括以事件日志的形式报告，以允许使用过程挖掘工具进行分析。此外，它支持开发高级建模语言的模拟，包括业务流程模型和符号（BPMN），利用同一库进行可视化。库还支持Python函数的集成。如果使用此类功能来建模（代码）计划或优化功能，这特别有用，因为这样可以在正在模拟的业务过程的背景下评估此类功能。
实习管理和零用钱的系统设计
研究目的：本研究旨在在PT Pertamina地热能（PGE）设计适当的管理和零用钱实习管理系统。即兴创作将进行，以防止人为错误并提高实习零装系统的处理速度。设计/方法/方法：该研究被归类为应用研究，并使用业务流程改进方法进行。这些程序包括需求分析，计划和设计，开发和结论。用于收集数据的方法是通过采访人力资本作为用户。辅助文件和活动表格是通过文档获得的。研究结果：基于Bizagi Modeler的业务过程建模符号（BPMN）的概念的系统设计。材料专家和IT专家进行验证测试，以确保设计具有一定的质量和相关性。设计评估系统是通过涉及人力资本和开发人员顾问来实现的。如果业务流程模型进行了充分的设计并可以减少付款延迟，则可以达到效率水平。理论贡献/原创性：这项研究证实了解决的问题仅限于系统设计。要在PGE的解决问题过程中获得结果实施，需要进一步的研究来讨论高级关键字中的系统设计：管理，BPMN，过程业务，实习，零用钱
关于确定人工智能在...领域的可能应用
摘要 在产品开发项目中，管理不断增长的需求是一项耗时且高度复杂的活动。随着近几十年来人工智能 (AI) 的兴起，算法现在能够支持需求工程 (RE) 任务。算法智能处理自然语言数据的能力以及在 RE 中的应用已得到广泛发表。然而，在已建立的 RE 流程中，通常不清楚在哪里可以使用人工智能算法。结果是最先进的人工智能算法与其在实际 RE 流程中的应用率之间存在显著的不平衡。原因之一是，当前的 RE 流程模型无法传达识别合适任务所需的信息。因此，本文旨在提供一个具有面向数据处理的视角的有限和标准化流程步骤框架，可用于系统地识别 RE 流程中可以应用人工智能算法的点。通过该框架的标准化流程步骤，可以抽象和表达已建立的 RE 流程，使其与人工智能算法的范围兼容。由于标准化流程步骤数量有限，因此可以构建适用于已定义流程步骤的 AI 算法库，以便有效评估其适用性。所提出的框架是在与行业参与的研究项目中合作开发的。
在需求工程过程中识别可能的人工智能应用 = 在需求工程过程中识别人工智能算法的可能应用
摘要 在产品开发项目中，管理不断增长的需求是一项耗时且高度复杂的活动。随着近几十年来人工智能 (AI) 的兴起，算法现在能够支持需求工程 (RE) 任务。算法智能处理自然语言数据的能力以及在 RE 中的应用已得到广泛发表。然而，在已建立的 RE 流程中，通常不清楚在哪里可以使用人工智能算法。结果是最先进的人工智能算法与其在实际 RE 流程中的应用率之间存在显著的不平衡。原因之一是，当前的 RE 流程模型无法传达识别合适任务所需的信息。因此，本文旨在提供一个具有面向数据处理的视角的有限和标准化流程步骤框架，可用于系统地识别 RE 流程中可以应用人工智能算法的点。通过该框架的标准化流程步骤，可以抽象和表达已建立的 RE 流程，使其与人工智能算法的范围兼容。由于标准化流程步骤数量有限，因此可以构建适用于已定义流程步骤的 AI 算法库，以便有效评估其适用性。所提出的框架是在与行业参与的研究项目中合作开发的。
为生态友好型工业定义绿色经济方面...
绿色经济是一个可持续发展的概念，它为全球工业创新奠定了基础。这体现在制造、加工和生产工业流程中。绿色经济 (GE) 与工业共生 (IS)、工业生态 (IE) 和清洁发展机制 (CDM) 之间的联系的定义和理解发生了范式转变。我们在本研究中假设，回答以下问题：“在生态友好型工业流程模型中，绿色经济是如何定义的，以及它们与循环性之间的联系？”我们使用系统评价设计，结合报告系统评价和荟萃分析 (PRISMA) 和 Publish or Perish 评价工具进行定性分析综合。共筛选出 (N = 1264) 篇评论文章，从总数中，只有 (n = 56) 篇文章进行了定性综合。基于先前的研究，我们认为工业共生和循环性方面存在着重要的联系和范式。最后，我们建议研究应明确灌输绿色经济与工业化、促进循环性的工业政策发展以及灌输工业循环性可持续创新的多种解决方案的结合之间的不兼容性。关键词：工业生态学、工业共生、循环性、清洁发展机制、绿色经济。引言 绿色增长和可持续经济是有效利用自然资本的经济增长指标。目标是发展成为有利于
提出信息对象生命周期模型和符号
Johannes Damarowsky ( Johannes.damarowsky@wiwi.uni-halle.de ) 在信息系统研究中，对组织内的信息及其流动进行建模已经很成熟。然而，信息的一个视角尚未用标准化的模型符号来表示：组织内的信息对象生命周期。将客户主数据（如姓名、地址、电话号码、电子邮件地址、出生日期）等信息理解为信息对象 (IO) 是一种视角和工具，它与可以表示它的著名静态建模符号非常吻合，例如实体关系模型 (ERM) 或 UML 类图。UML 部署图或 The Open Groups ArchiMate 等符号可以指示客户主数据 IO 的数字表示位于组织 IT 基础架构中的何处，例如哪些数据库在哪些物理服务器上包含它。但是，IO 在其生命周期内的行为没有可用的专用建模符号。重要的 IO 生命周期行为至少包括：1) 初始创建（即创建新客户）、2) 读取（例如，店员读取客户数据）、3) 向其添加新数据字段（例如，第二个地址）、4) 修改现有数据（例如，更新电话号码）、5) 实例化（例如，在纸质表格上打印客户数据或在另一个系统中创建数字副本）、6) 移动、7) 读取或 8) 修改实例（例如，将包含客户数据的纸质表格交给阅读并签名的主管或将客户主数据发送给供应商）、9) 销毁物理或数字实例或初始创建的对象。在最先进的技术中，可以使用行为图（如 UML 活动、用例或序列图）和业务流程符号（如事件驱动流程链 (EPC) 或业务流程模型和符号 (BPMN)）来建模 IO 操作，但 IO 生命周期本身并不是一个流程。因此，与 IO 生命周期相关的任务可以包含在多个流程模型中，并且可能仅间接或隐含地引用 IO，从而妨碍快速轻松地概览组织内 IO 的交互。这意味着机会成本，因为 IO 行为与组织信息、业务流程、合规性和信息安全管理相关。一种新颖的信息对象生命周期模型和符号 (IOLMN) 可以简化识别哪些部门记录或更新客户数据的过程，从而更容易识别错误信息的原因。还可以更容易地发现数据是否在多个部门独立记录和存储，这增加了数据存储不一致的风险。从合规性和信息安全的角度来看，可以更容易地识别哪些人对数据具有读取或写入权限，以及数据的实例在哪里创建以及它们可能最终在哪里。在发生安全漏洞的情况下，这样可以更轻松地识别哪些组织单位、流程和 IT 系统使用（读取、写入、修改等）IO 并可能受到影响。为了使 IOLMN 有用并轻松地实现对组织内 IO 的有用视角，它应至少包括 IO 属性、其（及其实例）生命周期行为、这些操作的时间和逻辑顺序和条件，以及涉及的人员、角色、部门、流程或 IT 系统及其对 IO 执行生命周期操作的授权。
GWIP项目-Flathead Valley Factplats V1.Docx
在过去十年中，Flathead Valley的人口增长了25％以上，目前约有70,000，除白鱼外，所有这些人都依靠地下水。Flathead山谷中的深层含水层是一块厚厚的沙子和砾石沉积物，其深度为从陆地表面以下75到300英尺不等的深度；它是山谷中使用最多的含水层，除了成千上万的家庭井外，还提供高容量的市政和灌溉井。持续的增长和深层含水层中的局部水平下降引起了人们对供水的长期可持续性的关注。这项调查将在整个山谷的战略地点安装一系列井，以表征地质框架，以及地表水，浅水含水层和深处的含水层之间的水文关系。井将用于执行测试，以定义含水层的传播特性并评估含水层存储的变化。含水层脆弱性将通过有针对性的水化学采样和地下水年龄来评估。新项目数据以及地下水/表面水高程数据将用于构建地下水流量模型。流程模型将用于模拟地下水系统对泵送，气候和组合变化的响应。该模型和全面的解释性报告将向水上用户，经理，监管机构和科学家公开公开。有关此项目的更多信息，请联系：John Wheaton水文地质学家406.496.4848 jwheaton@mtech.edu
核安全公约 - BMUV
图 6–1 德国的核电站 22 图 6–2 公约所定义的德国核电站 23 图 6–3 德国的研究堆 26 图 7–1 监管金字塔 34 图 8–1 监管机构的组织结构 47 图 8–2 各州核能委员会 50 图 8–3 核安全和辐射防护总司的组织结构 51 图 8–4 RS I 司的组织和人员配置 52 图 8–5 各州核设施监管司的基本组织结构 53 图 8–6 核安全总司的流程模型 57 图 15–1 每个核电站的年平均集体剂量 110 图 15–2 2011 年按运行方式、KWO 和 KKS 退役的核电站的年集体剂量 110 图 15–3 核电站废气中放射性物质的年排放量运行中的压水堆和沸水堆 111 图 15-4 运行中的压水堆和沸水堆每年随废水排放放射性物质的情况 111 图 15-5 2011 年运行中核电厂附近因随废气排放而受到的辐射暴露情况 112 图 15-6 2011 年运行中核电厂附近因随废水排放放射性物质而受到的辐射暴露情况 112 图 15-7 2011 年运行中核电厂附近因随废气排放放射性物质而受到的辐射暴露情况 113 图 15-8 通过伽马剂量率测量确定环境放射性的示例 115 图 16-1 应急准备结构 119 图 16-2 应急准备组织 121 图 16-3 不同测量和采样团队的部署区域 124 图 19-1 核电厂按类型划分的可报告事件数量发生率 171 图 19-2 核电站按运行方式和对运行的影响（动力运行、启动和关闭运行）划分的可报告事件数量 171 图 19-3 每座核电站每年发生的平均反应堆非计划跳闸次数 172