通过自动化过程发现与深度学习从事件日志学习精确的业务过程仿真模型
人工智能
2022-07-14 v2 软件工程
摘要
业务过程仿真是估计过程变更在时间和成本度量上影响的一种公认方法——即所谓假设（what-if）过程分析。此类估计的效用取决于底层仿真模型的准确性。数据驱动仿真（DDS）方法利用过程挖掘技术从事件日志中学习过程仿真模型。实证研究表明，尽管DDS模型充分捕获了所观测活动序列及其频率，却未能准确捕获现实过程的时序动态。相比之下，生成式深度学习（DL）模型更能捕获此类时序动态。DL模型的缺陷在于，由于其黑盒性质，用户无法为假设分析对其进行修改。本文提出一种从事件日志学习过程仿真模型的混合方法，其中通过DDS技术提取（随机）过程模型，再与DL模型结合以生成带时间戳的事件序列。实验评估表明，所得混合仿真模型在时序精度上匹配纯DL模型，同时部分保留了DDS方法的假设分析能力。
引用
@article{arxiv.2103.11944,
title = {Learning Accurate Business Process Simulation Models from Event Logs via Automated Process Discovery and Deep Learning},
author = {Manuel Camargo and Marlon Dumas and Oscar González-Rojas},
journal= {arXiv preprint arXiv:2103.11944},
year = {2022}
}
备注
16 pages, 4 figures