认知复杂度

认知复杂度（cognitive complexity）从认知学的角度评估理解流程模型的难度。认知学主要研究人们感知、理解和决策的过程，认为人类的短期记忆力容量较小、时间较短，难以在较短时间内理解杂乱无序的流程模型。为提高流程结构的可读性，需要有机组合流程模型的各个逻辑模块。

图7.1所示为某银行信用卡审批流程图（用Petri网表示），其中包含11个活动，各个活动有对应的活动名称和属性。由于流程模型比较繁琐，业务人员很难利用短期记忆理解模型的含义。为提高流程模型的可读性，可以对流程模型进行层次分解，按照逻辑单元将流程分解为子流程。在图7.1中，将流程模型分解为资格审批和信用额度评定两个子流程：前者根据申请人的年龄和收入确认申请人是否具有信用卡申请资格，后者根据信用卡类型调查申请人的工作年限、个人资产和信用记录评定信用额度。模型分解有助于降低流程模型的认知复杂度，帮助审批工作者利用短期记忆快速理解审批的基本过程。

Gruhn和Laue利用软件工程中认知度量的思想，构建了流程模型的认知复杂度指标[14]。通过对流程模型的各种基本逻辑元素（如顺序、选择、并行、循环等）评估认知复杂性，利用软件控制结构的认知复杂度权重得到流程模型基本元素的权重，最后将各基本元素的复杂度加权求和得到流程模型的认知复杂度。

Vanderfeesten等使用图论的方法分析了流程模型图的连通性对流程模型可理解性的影响，提出了一种基于路由元素数量的流程模型复杂性度量——交叉连接度（cross-connectivity metric，CCM）[15]。在流程建模过程中，设计人员通常要考虑流程模型元素之间的行为关系，而在并行、选择等分支结构中，流程元素之间的逻辑关系通常比较复杂，为理解流程模型带来了一定难度。交叉连接度通过分析流程模型元素之间的连接强度，量化分析流程模型的可理解性。该度量将流程活动和逻辑控制点统一抽象为节点，将活动与逻辑点之间的连线作为边，利用有向加权图模型分析各个节点之间的连接紧密度。首先，根据不同控制流结构对流程可读性的影响、节点的度，计算流程图节点的复杂性权重，将边的复杂性权重定义为所连接节点权重的乘积，进而将两个节点之间路径的连接值定义为路径上所有边的复杂性权重的乘积。最后得到模型的交叉连接度，如公式（7.5）所示，其中SN为模型图的节点集合；|SN|为图中节点数目；V（n1，n2）为节点n1和n2之间的最大连接值。

图7.1　信用卡审批流程

交叉连接度描述的是流程中各个元素之间的连接强度。交叉连接值越大，各元素之间的连接强度越高，流程的结构化程度更好，流程模型更容易理解。交叉连接度将模型元素抽象为图节点，不局限于特定流程建模语言。交叉连接度在预测出错率和提高流程可读性等方面效果显著。