Janis Kampars

Context-Aware Customizable Routing Solution for Fleet Management.

Vehicle routing solutions delivered to companies as packaged applications combine vehicle routing decision-making models and supporting services for data integration, presentation and other functionality. The packaged applications often are tailored to specific needs of their users thought customization methods and mainly focus on the supporting services rather than on modification of the routing models. This paper proposes a method for customization of the routing model as a part of the routing application. The customization method enables companies to incorporate their specific decision-making goals and context into the routing model without redesigning the model itself. The routing model is also capable of adapting its behaviour according to observed interdependencies among decision-making goals and routing context. An illustrative example is provided to demonstrate customization of the routing solution and to highlight multi-objective and context-dependent characteristics of the vehicle routing problem.

An Approach to Parallelization of Remote Data Integration Tasks

An Approach to Parallelization of Remote Data Integration Tasks Data integration from autonomous, remote data sources is complicated by the data source heterogeneity, lack of methodological support and appropriate data integration systems. To solve this problem, the On-demand Remote Data Integration Architecture (ORDIA) is defined, which promotes maintenance and allows minimizing data integration time. A data integration task parallelization algorithm is the key part of this architecture. A detailed description of this algorithm is provided, and its performance is evaluated by experimental comparison with other data integration solutions. Attālu avotu datu integrācijas uzdevumu paralelizācijas pieeja Uzņēmumi ikdienā pieņem dažādus lēmumus. Nepieciešamie dati var atrasties ārpus uzņēmuma. Datu savākšana un pārveidošana analīzei piemērotā formā tiek saukta par biznesa intelekta datu integrāciju. Lai analizētu ārējos datus, tradicionāli tiek izveidota to pilna lokāla kopija, tomēr tam ir nepieciešama atbilstoša infrastruktūra un regulāra datu atjaunošana. Eksistē alternatīva pieeja - dati kā pakalpojums (Data as a Service), kurā datu avoti ir attālas, heterogēnas tīmekļa pakalpes. Līdz ar to ir iespējams iegūt tikai nepieciešamos datus tad, kad tas ir nepieciešams (pieprasījuma datu integrācija). Atkrīt jautājumi, kas saistīti ar infrastruktūras izveidi liela datu apjoma glabāšanai un regulāru datu atjaunošanu. Tradicionālie datu un lietojumprogrammatūras integrācijas rīki nav piemēroti datu integrācijai no ārējām, heterogēnām tīmekļa pakalpēm. Integrācijas procesu sarežgī vairāki faktori, piemēram, datu avotos izmantoto protokolu un standartu dažādība, daļēji strukturēta formāta izmantošana un datu avotu interfeisu mainība. Šajā pētījumā tiek definēta attālu avotu pieprasījuma datu integrācijas sistēmas arhitektūra, kas balstās uz abstrakcijas pieeju un ļauj pilnībā nodalīt datu integrācijas procesu no tīmekļa pakalpju piekļuves logikas. Īpaša vērība tiek pievērsta kopējā datu integrācijas laika minimizēšanai un datu integrācijas uzdevumu paralelizācijai. Tiek definēts algoritms, kas nodrošina pareizu un savlaicīgu datu integrācijas uzdevumu izpildi. Lai novērtētu algoritma efektivitāti, sistēmas prototips tiek praktiski salīdzināts ar komerciālu ETL sistēmu (Microsoft SQL Server 2008 Integration Services) un secīgu datu integrācijas risinājumu. Iegūtie rezultāti apstiprina datu integrācijas uzdevumu paralelizācijas nozīmi, kā arī to, ka arhitektūrā īstenotais algoritms ļauj nodrošināt mazāku datu integrācijas laiku nekā ETL sistēma. Starpība starp datu integrācijas laiku ETL sistēmā un arhitektūras prototipā pieaug, palielinot izgūstamo datu apjomu un noņemot limitu vienlaicīgi izpildāmo pieprasījumu skaitam. Ir apstiprināts pieņēmums, ka ETL sistēmas nav piemērotas datu integrācijai no attālām tīmekļa pakalpēm. Метод параллелизации задач интеграции данных из удалённых источников В своей повседневной деятельности компании регулярно принимают различные решения. Необходимые данные могут находиться за пределами компании. Извлечение данных и их трансформация в целях анализа называется интеграцией данных бизнес-аналитики. Для анализа внешних данных традиционно делают полную локальную копию, для чего требуются соответствующая инфраструктура и регулярные обновления данных. Существует альтернативный подход - данные как сервис (Data as a Service), в котором источниками данных являются удалённые гетерогенные веб-сервисы. Таким образом, можно получить только необходимые данные тогда, когда это необходимо. В этом случае проблемы, которые связаны с инфраструктурой для хранения больших объемов данных и регулярного обновления данных, отсутствуют. Традиционные решения для интеграции приложений и данных не подходят для интеграции данных с удалённых гетерогенных веб-сервисов. Интеграцию осложняют такие факторы, как использование различных стандартов и протоколов в источниках данных, полуструктурированный формат и изменчивость интерфейса. В этой работе определена архитектура для интеграции данных с удалённых гетерогенных веб-сервисов. Архитектура основана на подходе абстракции и позволяет отделить логику доступа веб-сервисов от логики процесса интеграции данных. Особое внимание уделено минимизации общего времени интеграции данных и параллелизации задач интеграции данных. Разработан алгоритм, который обеспечивает точное и своевременное выполнение задач интеграции данных. Для оценки эффективности алгоритма прототип системы практически сравнен с коммерческой ETL системой (Microsoft SQL Server 2008 Integration Services) и последовательным решением интеграции данных. Полученные результаты подтверждают значение параллелизации задач интеграции данных. Алгоритм, реализованный в прототипе архитектуры, обеспечивает более быструю интеграцию данных, чем ETL система. Разница во времени интеграции в ETL и в прототипе растет с увеличением объема извлекаемых данных и с удалением предела одновременных запросов веб-сервисам. В результате работы установлено, что ETL- системы не подходят для интеграции данных с удалённых веб-сервисов.

Application of Microservices for Digital Transformation of Data-Intensive Business Processes.

Business processes are redesigned as a part of business process management lifecycle and data intensive activities such as image processing, prediction and classification are increasingly incorporated into business processes. Data intensive activities often involve usage of data analysis models. It is argued that successful development and execution of data intensive business processes requires synchronization of business process redesign and data analysis models development activities. The business process architecture integrating core business process with data analysis model setup and updating sub-processes is developed. Business process transformation stages for incorporating data-intensive activities are outlined. The process redesign and execution is supported by the technical architecture based on microservices. An example of business process redesign is discussed.

Using Open Data to Support Organizational Capabilities in Dynamic Business Contexts

In essence, Open Data (OD) is the information available in a machine-readable format and without restrictions on the permissions for using or distributing it. Open Data may include textual artifacts, or non-textual, such as images, maps, scientific formulas, and other. The data can be publicized and maintained by different entities, both public and private. The data are often federated, meaning that various data sources are aggregated in data sets at a single “online” location. Despite its power to distribute free knowledge, OD initiatives face some important challenges related to its growth. In this paper, we consider one of them, namely, the business and technical concerns of OD clients that would make them able to utilize Open Data in their enterprise information systems and thus benefit in terms of improvements of their service and products in continuous and sustainable ways. Formally, we describe these concerns by means of high-level requirements and guidelines for development and run-time monitoring of IT-supported business capabilities, which should be able to consume Open Data, as well as able to adjust when the data updates based on a situational change. We illustrated our theoretical proposal by applying it on the service concerning regional roads maintenance in Latvia.