用于推荐下一最佳行动的规定式业务流程监控
人工智能
2020-09-14 v1 软件工程
摘要
预测式业务流程监控（PBPM）技术基于历史事件日志数据预测未来流程行为，以改进运营业务流程。针对下一活动预测，近期 PBPM 技术采用最先进的深度神经网络（DNNs）学习预测模型，从而在运行中的流程实例中产生更精准的预测。尽管组织以关键绩效指标（KPIs）衡量流程绩效，DNN 的学习过程并未直接受其所影响。因此，所得下一最可能活动预测在实践中收益有限。规定式业务流程监控（PrBPM）方法评估预测对流程绩效（通常由 KPIs 衡量）的影响，以通过报警或推荐行动来防范不良流程活动。然而，现有方法均未推荐依据给定 KPI 优化的实际流程活动作为行动。我们提出一种 PrBPM 技术，将下一最可能活动转化为针对给定 KPI 的下一最佳行动。据此，我们的技术利用业务流程仿真确保推荐行动的控制流一致性。基于使用两个真实事件日志的评估，我们表明就 KPI 优化及与实际流程实例的距离而言，我们的技术的下一最佳行动优于下一活动预测。
引用
@article{arxiv.2008.08693,
title = {Prescriptive Business Process Monitoring for Recommending Next Best Actions},
author = {Sven Weinzierl and Sebastian Dunzer and Sandra Zilker and Martin Matzner},
journal= {arXiv preprint arXiv:2008.08693},
year = {2020}
}