基于 k 近邻增强随机 Petri 网剩余时间预测
机器学习
2022-11-16 v1
摘要
对进行中业务流程的可靠剩余时间预测是一个高度相关的课题。例如订单交付便是零售业中的关键竞争因素，因其是客户满意度的主要驱动。为实现及时交付，准确预测交付流程的剩余时间至关重要。在流程挖掘领域，已有大量剩余时间预测技术被提出。本文中，我们将基于带一般分布变迁的随机 Petri 网的剩余时间预测与 k 近邻相结合。k 近邻算法作用于存储已完成前序活动所耗时间的简单向量上。通过仅取部分实例，可获得更具代表性且更稳定的随机 Petri 网，从而得到更精确的时间预测。我们讨论了该技术及其 Python 基础实现，并使用多个真实数据集评估我们所扩展方法的预测能力。实验清晰展示了两种技术结合在预测能力上的优势。
关键词
引用
@article{arxiv.2206.13109,
title = {Enhancing Stochastic Petri Net-based Remaining Time Prediction using k-Nearest Neighbors},
author = {Jarne Vandenabeele and Gilles Vermaut and Jari Peeperkorn and Jochen De Weerdt},
journal= {arXiv preprint arXiv:2206.13109},
year = {2022}
}
备注
ALGORITHMS & THEORIES FOR THE ANALYSIS OF EVENT DATA 2022