Feb, 2016

企业过程实例的时间和活动序列预测

PDF
TL;DR本研究提出了新方法，用于精确预测进程、服务级别协议和活动序列，旨在帮助企业管理者及时应对业务流程中可能出现的问题，同时解决进程的非平稳性问题，通过对两个真实案例的广泛评估，我们的方法表现优于现有的最新技术。
发现论文，激发创造
  • 提高商业流程活动序列预测器的准确性

    通过引入一种采样方法，本文增强了一个深度学习方法，实验证明增强方法在控制流准确度方面优于未增强方法，并用于预测案例后缀活动顺序、估计短期工作量和执行时间。

    Dec, 2023

  • 基于聚类的预测性过程监控

    提出了一个基于事件日志的预测性流程监控框架，在运行中的案例中，通过将其映射到群集并应用相应的分类器，估计一个给定谓词在完成时将被满足的概率，该框架已在 ProM 工具集上实现并在一家大型医院的癌症治疗日志上验证。

    Jun, 2015

  • 利用 LSTM 神经网络进行预测性业务流程监控

    本文针对具有宽泛的预测过程监控任务，研究了采用 LSTM 神经网络建立的高准确度模型，证明该方法在预测下一个事件、任务以及剩余时间方面优于现有技术。

    Dec, 2016

  • 基于时间轴的流程发现

    自动流程发现关注业务流程性能，其中等待时间至关重要。本文提出了一种能够明确与时间轴对齐的自动构建流程模型的方法，并以直接后继图为例证。通过对两个 BPIC 数据集和一个专有数据集的评估，突出了该表示方法相较于标准布局技术的优势。

    Dec, 2023

  • 预测性监控的性能维持事件日志采样

    本研究提出了一种选择实例的程序，可以提高训练速度，同时保持可靠的预测准确度，用于预测活动和剩余时间等信息，适用于预测过程挖掘的研究领域。

    Jan, 2023

  • 业务流程的预测监控

    本文介绍了一种分析事件日志的方法，以在商业流程执行期间预测性地监视业务目标。该方法可在 ProM 流程挖掘工具套件中实现，并验证了其在大型医院癌症患者治疗日志方面的有效性。

    Dec, 2013

  • 预测性监控的事件日志抽样

    本文提出了一种实例选择程序，可以对采样进行培训，以预测下一步的活动，从而使训练速度显著提高，同时保持可靠的预测准确性。

    Apr, 2022

  • 基于跨案例的预测过程监控：量子机器学习的候选方案？

    本文利用最新的机器学习技术，综合分析了 Inter-case Predictive Process Monitoring (PPM) 对预测准确性的影响，研究表明多个 instance 之间的特征提取能够提高预测准确性，并且在少量特征配置下，量子算法表现优异。最后，研究者实现了一个开源插件，将先进的工作流引擎与 IBM 量子计算云服务相连接。

    Jun, 2023

  • 基于预测的调度与错误预测的代价

    该文研究了在服务时间不确定且使用机器学习算法进行预测时的作业调度，提出了几个策略的性能公式，并引入了 “错误预测的代价” 框架来度量使用预测信息的成本。

    Feb, 2019

  • 基于规范的预测性业务流程监控

    该论文引入了一种用于指定预测任务并自动创建相应预测模型的规范语言，以应对不同业务领域的预测需求，并提供了实现该方法的实验结果。

    Apr, 2019