front-med
4th International Conference onService Oriented ComputingAdaptive Web Processes Using Valueof Changed Information
John Harney, Prashant Doshi
LSDIS Lab, Dept. of Computer Science,
University of Georgia
in-med
Web Process Composition
Traditional Web process compositions assume static environments
Supply Chain Process
Start
Finish
Invoke
Response
Spot
Market Service
Rate of Order Satisfaction
Preferred SupplierService
Rate of Order Satisfaction
Other
Supplier Service
Rate of Order Satisfaction
Inventory
Service
Rate of Order Satisfaction
Response
Invoke
in-med
Web Process Composition
Many environments are dynamic
Supply Chain Process
Start
Finish
Invoke
Response
Spot
Market Service
Rate of Order Satisfaction
Preferred SupplierService
Rate of Order Satisfaction
Other
Supplier Service
Rate of Order Satisfaction
Inventory
Service
Rate of Order Satisfaction 
Response
Invoke
Inventory
satisfaction rate
decreases
Preferred Supplier
may be better choice
in-med
Optimal Web Process Composition
•Underlying objective
–Web process optimality
•Depends on how accurately the environmentis captured
•Requires finding any changes that may haveoccurred
in-med
Motivating Scenario – Supply Chain
in-med
Motivating Scenario – Supply Chain
•How does process environment change?
–Example: Supply Chain (Inventory service)
•Rate of satisfaction of a supplier service
–Eg Inventory satisfaction rate decreases or increases
•Cost of using a service
–Cost of the Inventory service decreases or increases
•Other parameters (response time, QoS, etc)
in-med
Possible Adaptation Approaches
•Do Nothing (Ignore the changes)
–Advantages
•Simple
•No additional cost or computationaloverhead  of adaptation
–Disadvantages
•Sub-optimal Web process
–Web process can do better
in-med
Possible Adaptation Solutions
•Query a random provider for relevantinformation (eg. Inventory)
–Advantages
•Up-to-date knowledge of queried service provider
•Performs no worse than “do nothing” strategy
–Disadvantages
•Querying for information not free
•Paying for information that may not be useful
–Information may not change Web process
in-med
Overview of Our Approach
•VOC – Value of Changed Information
–Decides if obtaining information is:
•Useful
–Will it induce a change in optimality of Web process?
•Cost-efficient
–Is the information worth the cost of obtaining it?
•Extension of VOI (Value of Information)
in-med
Overview of Our Approach
•VOC
–Measures how “badly” the current process isperforming in changed environment
–Defined as the difference between:
•Expected performance of the old process in thechanged environment
•Expected performance of the best process in thechanged environment
in-med
Web Process Composition Using MDPs
•Markov Decision Processes (MDP)  (see JWSR 05)
–Definition:M = (S, A, T, C) S : States, A:Actions,
•Actions may be non-deterministic  T: Transitionfunction,
•States are fully observable      S x A  (S)
 C:  Cost function
      S x A  Real
•Perform stochastic optimization using DynamicProgramming
•Value function heuristic :
•Optimal Policy n : S  A
–(Minimize expected cost)
in-med
Web Process Composition Using MDPs
S: Feature-based state space using propositions
–E.g. Mftg. Inventory Availability  Yes|No|Unknown
A: WS invocations
–E.g. Check Mftg. Inventory Status
       Check Preferred Supplier Status
T: An estimate of the “ground truth” probabilities
–E.g. T(Mftg. Inventory Avail = Yes | Check Mfg. InventoryStatus, Mftg. Inventory Availability = Unknown) =0.33
C: Costs may be obtained through costing analysis
Π*: Determines which service to invoke at a particular state
in-med
Formalizing VOC
•Supply Chain Example
–Querying Transition function T(satisfaction rate of suppliers in supplychain)
–Changed Transition function – T’(.|a,s’)
–Current Policy Value - Vπ(s|T’)
–Best Policy Value - Vπ*(s|T’)
in-med
Formalizing VOC
•Actual service parameters are notknown
–Must average over all possible revisedparameters
–We use a belief of revised values
•Could be learned over time
in-med
Manufacturer’s Beliefs
Example - Beliefs of Order Satisfaction
in-med
Adaptive Web Process Composition
…
Prov 1
Prov 2
Prov n
VOC
VOC
VOC
Keep currentpolicy
Query ProviderRe-solve policyif needed
1. Calculate VOC for eachservice provider involved inWeb process
2. Find provider whosechanged parameter inducesthe greatest change inpolicy (VOC*)
3. Compare VOC* to costof querying
VOC* < Cost ofQuerying
VOC* > Cost ofQuerying
*
in-med
Our Services Oriented Architecture
in-med
Empirical Results
•Simulated volatile Supply Chain & PatientTransfer scenarios for:
–Do Nothing
•keeping the same process
–Query random provider
•Obtaining information from one provider at eachstate
•Reformulate composition => Resolve policy
–VOC
•VOC for determining if query is needed
•Reformulate composition if need be
in-med
Empirical Results
•Measured the average process cost over a range of query costvalues
–VOC queries selectively -- query random strategy cost grows at alarger rate than VOC
–VOC performs no worse that the do nothing strategy
Supply Chain Web Process
Patient Transfer Web Process
in-med
Discussion
•Web Process environments are dynamic
–Processes must adapt to changes inenvironment to remain optimal
–Obtaining the revised information is crucial butmay be costly
•VOC approach
–Obtains revised information expected to beuseful
–Avoids unnecessary queries
in-med
Future Work
•VOC calculations are computationallyexpensive
–Knowledge of service parameter guaranteesmay be used to eliminate unnecessary VOCcalculations
in-med
Thank you
Questions