利用过程挖掘消除运营摩擦:生产物联网(IoP)带来的挑战
机器学习
2022-07-12 v3 统计方法学
机器学习
摘要
生产、物流、物料搬运、维护等运营过程由结合硬件与软件组件的信息物理系统所支撑。结果,数字世界与物理世界紧密对齐,并可详细追踪运营过程(例如使用传感器)。当今运营过程生成的海量事件数据为支持过程发现、性能分析与一致性检查的过程挖掘技术带来了机遇与挑战。利用现有过程挖掘工具,已可自动发现过程模型并揭示性能与合规问题。在 DFG 资助的卓越集群“生产物联网”(Internet of Production, IoP)中,过程挖掘被用于创建“数字影子”以改善各类运营过程。然而,运营过程具有动态、分布式与复杂性。受 IoP 集群中识别出的挑战驱动,我们致力于比较过程挖掘(比较不同地点、不同时间下不同产品的过程变体)、以对象为中心的过程挖掘(处理涉及交互的不同类型对象的过程)以及前瞻性过程挖掘(探索“如果……会怎样?”问题)的新技术。通过应对这些挑战,我们旨在开发可用于消除运营摩擦的有价值“数字影子”。
引用
@article{arxiv.2107.13068,
title = {End-to-End Balancing for Causal Continuous Treatment-Effect Estimation},
author = {Mohammad Taha Bahadori and Eric Tchetgen Tchetgen and David E. Heckerman},
journal= {arXiv preprint arXiv:2107.13068},
year = {2022}
}
备注
To be presented in ICML 2022