ASSIGNMENT III

WORKFLOWS
SURIYAH M
Roll no: 2009263008
I M.E., C.S.E (SPLN IN
KE&CL)
  Data Flow and Validation in Workflow Modeling

Shazia Sadiq, Maria Orlowska, Wasim Sadiq, Cameron 
Foulger
WORKFLOW : 
The   automation   of   a   business   process,   in   whole   or   part,   during   which   documents, 
information or tasks are passed from one participant* to another for action, according to a set of 
procedural rules.

WORKFLOW MODELLING : 
There are four aspects of workflow modeling. They are
• Structural aspects – consists study of order of execution of the component activities, 
duration and deadline constraints etc.,
• Temporal aspects – temporal consistency is taken care of in this aspect
• Transactional aspects ­ 
• Functional aspects­

Process verification is required to at least ensure that the resulting process model is 
executable   in   the   process   management   environment(syntactic   verification).   But   syntactic 
correctness of a process model does not indicate that it has captured the underlying business 
requirements.   Validation   is   needed   for   this   purpose.   Validation   needs   the   knowledge   of   a 
domain expert on the underlying business rules, business process logic and many types of local 
constraints. Manual validation for any complex process model is complex and hard to achieve 
accurately. The problem is that mostly the domain experts would not have expert knowledge in 
process modeling. 

Process validation : 
Process design being checked against expected execution behavior, specification of data 
requirements and data flow between process activities.

Validation of data aspects of work flow process  is done after ensuring structural correctness. It 
is a step in the process design cycle.

Possible causes of disrupted data flow :
Any additional component added to an existing structure may trigger a change in data 
transfer.
Design shortcomings like missing data, data generated by an activity and not used by 
the process, data available from inconsistent sources, date semantics and syntactic mismatch 
may be identified during data validation. 
Validation of workflow data : 

It is difficult to capture flow of data in large, complex processes.
W – workflow model (a directed graph)
N – set of nodes
F – set of flows

Thus W = < N,F >. F is contained in N*N

Nodes  can be Tasks T or Coordinators C.
such that ( C union T ) = NULL and ( C intersection T ) = NULL.

Task nodes are atomic manual / automated activities.
Coordinators   allow   us   to   build   control   flow   structures   to   manage   coordination 
requirements of business process. An instance within the workflow graph represents a particular 
case of the process.

The key requirements of any data flow mechanism in a workflow model are to have the 
ability to 

• Manage the data that is needed as input to and provided as output from activities in the 
workflow model.
• Ensure that the data provided by any activity in the workflow model is available to other 
activities in the workflow model that needed it.
• Provide mechanisms to ensure consistent flow of data from one activity to the other.

DATA MODEL REQUIREMENTS

• Type of data : The nature of the data with which an activity may deal with. Can be 
structured, predefined data.

• Operational data ( O) : All data items that are needed by a particular activity.

• Reference data ( R ): Data that is used for the identification of the instance or case.

• Decision data ( D ): Subset of operational data used by choice coordinators to make 
control decisions.

• Contextual data ( C ): It is of a complex structure, may or may not be predefined. 
This may be required as input or may be generated as output.

INPUT = UNION { O, D, R, C }
 • Sources of data

• Internal   sources   :  The   data   items   which   can   be   found   in   Work   flow   data   are 
internal.
• External sources : Data which is available from any source other than the process 
data store.

• Structure of the data 
The   data   in   the   workflow   system   may   be   complex   structures   like   images   and 
unstructured data like text documents. Each activity has an input schema and an output 
schema, thus providing a means of dealing with complex data.

• Data validation problems 
• Redundant data : 
This occurs when the designer specifies  data item(s) V in the output schema OS 
of an activity.  But this data is not required in the input schema of any activity.

• Lost data : 
When the same data item V has been specified as the output of two or more 
activities that may be executed in parallel. The activity responsible for the last update cannot be 
established, which may cause a problem for activities that require that data item later in the 
process.

• Missing data : 
When a data item V has been specified in the input schema IS of an activity but 
the source of the data item is unknown /  not specified. 

• Mismatched data : 
This   occurs   when   the   structure   of   the   data   produced   by   the   source   is 
incompatible with the structure required by the activity. 

• Inconsistent data : 
An activity retrieves a data item V from an application or human participant and 
stores that item and its value in the process data store. This data may be read by another activity 
later in time. There are chances for the data to be updated externally to the workflow system 
from the time of retrieval to the time of reading.

This also occurs when different activities deal with multiple sources for the same 
data item V at various times in the process.
 • Misdirected data : 

When data flow direction conflicts with the control flow in the same workflow 
model,   misdirected   data   problem   occurs.   The   data   flow   determines   the   flow   of   data   from 
provider activities to receiver activities. A provider activity must always precede a receiver 
activity in terms of control flow.

• Insufficient data :

This    problem  occurs  when  the   data   specified   is   insufficient  to  complete   an 
activity successfully.

• DATA FLOW IMPLEMENTATION MODELS

Explicit data flow : 
The data flow transitions are explicitly defined as a part of the workflow model. 
This models the flow of data from one activity to the other.

Begin A B C END

Implicit data flow through control flow: 
This approach makes use of the control flow to pass data from one activity to 
another. 

Begin A B C END
 Implicit data flow through process data store : 
The process data store is basically a repository of process maintained data. All 
the activities pass on their output data to the common process data store. 

Process data store

Begin A B C END

Conclusion : 
Thus the data flow validation issues in workflow  modeling have been studied.