何时干预？不确定性与资源约束下的处方性流程监控
人工智能
2022-06-17 v1 机器学习
摘要
处方性流程监控方法利用历史数据来 prescribe（规定）运行时干预，这些干预可能会防止负面案例结果或改善流程性能。处方性流程监控方法的核心是其干预策略：一个决定函数，用于确定是否以及何时对正在进行的案例触发干预。该领域先前的方案依赖于仅考虑给定案例当前状态的干预策略。这些方法未考虑在底层预测模型的不确定性水平下，于当前状态触发干预与将干预延迟到后续状态之间的权衡。此外，它们假设始终有资源可用于执行干预（无限容量）。本文通过引入一种处方性流程监控方法来解决这些不足，该方法基于预测分数、预测不确定性和干预的因果效应对正在进行的案例进行筛选和排序，并在考虑可用资源的情况下触发干预以最大化增益函数。该方案使用真实事件日志进行了评估。结果表明，所提方法在总增益方面优于现有基线。
引用
@article{arxiv.2206.07745,
title = {When to intervene? Prescriptive Process Monitoring Under Uncertainty and Resource Constraints},
author = {Mahmoud Shoush and Marlon Dumas},
journal= {arXiv preprint arXiv:2206.07745},
year = {2022}
}
备注
BPM 2022 (20th International Conference on Business Process Management)