Mô hình quy trình

Bước, luồng, cổng rẽ nhánh — cấu trúc dữ liệu nền tảng.

Mọi thứ trong công cụ đều xoay quanh một cấu trúc dữ liệu duy nhất: đồ thị có hướng gồm bước (node) và luồng (edge).

Bước

Thuộc tính	Ý nghĩa
`id`	Mã duy nhất, dùng để nối luồng. Đổi id thì luồng tự cập nhật theo.
`name`	Tên hiển thị trên sơ đồ
`type`	`event` · `task` · `gateway`
`subtype`	Sự kiện: `start`/`end`/`intermediate`. Cổng: `exclusive`/`parallel`/`inclusive`
`time`	Thời lượng một lần chạy, tính bằng phút
`cost`	Chi phí một lần chạy

ℹ

Cổng rẽ nhánh thường có time = 0 và cost = 0 vì nó là điểm ra quyết định chứ không phải công việc. Nhưng nếu việc ra quyết định thật sự tốn thời gian (họp xét duyệt chẳng hạn), bạn cứ điền — công thức xử lý như mọi bước khác.

Luồng

Mỗi luồng nối source tới target, có thể mang label (nhãn điều kiện) và probability (xác suất). Xác suất chỉ có ý nghĩa khi bước nguồn có từ hai luồng ra trở lên.

Ba loại điểm rẽ

Loại	Ký hiệu	Cách hiểu	Ảnh hưởng tới tính toán
Loại trừ (XOR)	◇ ✕	Chọn đúng một nhánh	Sinh nhiều kịch bản, kỳ vọng có trọng số
Song song (AND)	◇ +	Mọi nhánh cùng chạy	Thời gian lấy max, chi phí lấy tổng
Bao gồm (OR)	◇ O	Một hoặc nhiều nhánh	Hiện được xử lý như AND (ước lượng thận trọng)

Cổng gộp

Một cổng song song cần có cổng gộp tương ứng để công cụ biết các nhánh hợp lại ở đâu. Cổng gộp được tìm tự động: đó là bước gần nhất mà mọi nhánh của cổng rẽ đều đi qua.

Cách tìm cổng gộp của một khối

def find_join(split, adjacency):
    # Tập node đến được từ mỗi nhánh
    reach_sets = [reachable_from(s, adjacency) | {s} for s in adjacency[split]]
    common = set.intersection(*reach_sets)      # nhánh nào cũng đi qua
    common.discard(split)
    if not common:
        return None                             # không có cổng gộp
    distances = bfs_distances(split, adjacency)
    return min(common, key=lambda n: distances.get(n, 10**6))   # gần nhất

⚠

Không tìm được cổng gộp, công cụ sẽ cảnh báo và tạm tính cổng đó như cổng loại trừ. Kết quả vẫn ra nhưng thấp hơn thực tế — hãy vẽ thêm cổng gộp thay vì bỏ qua cảnh báo.

Cách dữ liệu được lưu

Mỗi quy trình lưu hai thứ: file gốc bạn tải lên (nguyên vẹn, tải về lại được) và mô hình hiện hành dạng JSON — đây mới là thứ dùng để tính toán và là thứ bạn sửa trên giao diện.

Mô hình lưu trong cột model_json

{
  "nodes": [
    {"id": "pr", "name": "Lập phiếu yêu cầu (PR)", "type": "task",
     "subtype": "", "time": 30, "cost": 90000}
  ],
  "edges": [
    {"source": "pr", "target": "gw_value", "label": "", "probability": null}
  ],
  "geometry": {"pr": {"x": 120, "y": 200, "w": 160, "h": 80}},
  "meta": {"currency": "VND", "source_format": "draw.io"}
}

Chỗ nào khó hiểu hoặc còn thiếu?