Proposal of an inference engine architecture for business rules and processes
PBN-AR
Instytucja
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Książka
Tytuł książki
Artificial Intelligence and Soft Computing. 12th International Conference, ICAISC 2013 : Zakopane, Poland, June 9–13, 2013 : proceedings
Data publikacji
2013
ISBN
978-3-642-38609-1
Wydawca
Springer-Verlag
Publikacja
Główny język publikacji
EN
Tytuł rozdziału
Proposal of an inference engine architecture for business rules and processes
Rok publikacji
2013
Strony (od-do)
453--464
Numer rozdziału
Identyfikator DOI
Liczba arkuszy
0.9
Hasło encyklopedyczne
Konferencja
Indeksowana w Scopus
tak
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
ICAISE 2013
Nazwa konferencji
12th International Conference on Artificial Intelligence and Soft Computing
Początek konferencji
2013-06-09
Koniec konferencji
2013-06-13
Lokalizacja konferencji
Zakopane
Kraj konferencji
PL
Lista innych baz czasopism i abstraktów w których była indeksowana
INSPEC
Streszczenia
Język
EN
Treść
In this paper, we discuss a new architecture for integrating and executing business process models with rules. It is based on a workflow engine that runs a BPMN-based business process model. On the lower level, rules are used to express the specific parts of the business logic. Rules working in the same context are grouped into a single task in the process model. Such a rule task is modeled by a formally defined decision table, which is designed in a visual way and its quality can be formally verified. In the runtime environment, tables are executed by a dedicated rule inference engine controlled by a workflow engine.
Cechy publikacji
chapter-in-a-book
peer-reviewed
Inne
System-identifier
idp:074475
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych