在线场景下流程结果预测稳定性的度量

预测性流程监控旨在利用历史事件数据预测流程实例的未来进展。随着预测性流程监控日益应用于在线场景以实现及时干预，评估底层模型的性能对于确保其随时间的一致性与可靠性变得至关重要。这在错误预测可能带来严重后果的高风险业务场景中尤为重要。然而，预测模型目前通常使用单一聚合值或时间序列可视化进行评估，难以评估其性能尤其是随时间的稳定性。本文提出一个用于评估在线预测性流程监控模型稳定性的评估框架。该框架引入四个性能元度量：显著性能下降的频率、此类下降的幅度、恢复率以及性能的波动性。为验证该框架，我们将其应用于两个人工和两个真实世界事件日志。结果表明，这些元度量有助于针对不同风险承受场景比较和选择预测模型。此类洞见对于增强动态业务环境中的决策具有特殊价值。