論文の概要: Workload Prediction of Business Processes -- An Approach Based on
Process Mining and Recurrent Neural Networks
- arxiv url: http://arxiv.org/abs/2002.11675v1
- Date: Fri, 14 Feb 2020 08:19:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 03:48:00.974550
- Title: Workload Prediction of Business Processes -- An Approach Based on
Process Mining and Recurrent Neural Networks
- Title(参考訳): ビジネスプロセスのワークロード予測 - プロセスマイニングとリカレントニューラルネットワークに基づくアプローチ
- Authors: Fabrizio Albertetti, Hatem Ghorbel
- Abstract要約: 本稿では,企業の過去のワークロードを再構築し,ニューラルネットワークを用いてワークロードを予測するプロセスマイニング手法を提案する。
我々の手法は、製造に関連するビジネスプロセスの歴史を表すログに依存している。
本手法の評価と実例は,Heraeus Materials SAの管理プロセス上で実施される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in the interconnectedness and digitization of industrial
machines, known as Industry 4.0, pave the way for new analytical techniques.
Indeed, the availability and the richness of production-related data enables
new data-driven methods. In this paper, we propose a process mining approach
augmented with artificial intelligence that (1) reconstructs the historical
workload of a company and (2) predicts the workload using neural networks. Our
method relies on logs, representing the history of business processes related
to manufacturing. These logs are used to quantify the supply and demand and are
fed into a recurrent neural network model to predict customer orders. The
corresponding activities to fulfill these orders are then sampled from history
with a replay mechanism, based on criteria such as trace frequency and
activities similarity. An evaluation and illustration of the method is
performed on the administrative processes of Heraeus Materials SA. The workload
prediction on a one-year test set achieves an MAPE score of 19% for a one-week
forecast. The case study suggests a reasonable accuracy and confirms that a
good understanding of the historical workload combined to articulated
predictions are of great help for supporting management decisions and can
decrease costs with better resources planning on a medium-term level.
- Abstract(参考訳): 産業4.0として知られる産業機械の相互接続性とデジタル化の最近の進歩は、新しい分析技術への道を開いた。
実際、プロダクション関連のデータの可用性とリッチさは、新しいデータ駆動方式を可能にします。
本稿では,(1)企業の過去のワークロードを再構築し,(2)ニューラルネットワークを用いてワークロードを予測する,人工知能を活用したプロセスマイニング手法を提案する。
我々の方法は、製造に関連するビジネスプロセスの歴史を表すログに依存する。
これらのログは、供給と需要の定量化に使用され、リカレントニューラルネットワークモデルに入力され、顧客の注文を予測する。
これらの順序を満たすための対応するアクティビティは、トレース頻度やアクティビティの類似性などの基準に基づいて、履歴からリプレイメカニズムでサンプリングされる。
本手法の評価と実例は,Heraeus Materials SAの管理プロセス上で実施される。
1年間のテストセットでのワークロード予測は、1週間の予測でMAPEスコアが19%に達する。
このケーススタディは合理的な正確さを示唆し, 歴史的作業負荷の理解と具体的な予測が組み合わさって, 経営決定を支援するのに大いに役立ち, 中期的な資源計画によるコスト削減を図っている。
関連論文リスト
- Continual Learning in Predictive Autoscaling [17.438074717702726]
予測オートスケーリングは、動的クラウド環境におけるサービスレベルの目標(SLO)を保証するために、サーバのワークロードを予測し、事前にリソースを準備するために使用される。
本稿では,リプレイに基づく連続学習手法,すなわち密度ベースのメモリ選択とHintベースのネットワーク学習モデルを提案する。
提案手法は、メモリ容量と予測精度の観点から、最先端の連続学習法より優れている。
論文 参考訳(メタデータ) (2023-07-29T09:29:09Z) - Benchmarking Automated Machine Learning Methods for Price Forecasting
Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。
CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。
本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文 参考訳(メタデータ) (2023-04-28T10:27:38Z) - Agnostic Learning for Packing Machine Stoppage Prediction in Smart
Factories [0.0]
サイバー物理コンバージェンス(サイバー物理コンバージェンス)は、産業界に新たなビジネスチャンスを開こうとしている。
サイバーと物理世界の深い統合の必要性は、新しいシステムとネットワークエンジニアリングのアプローチを統合するための豊富なビジネスアジェンダを確立する。
このデータ豊かでサイバー物理学的でスマートな工場環境から生まれた、最も実りある研究と実践の分野の1つは、データ駆動のプロセス監視分野である。
論文 参考訳(メタデータ) (2022-12-12T23:45:59Z) - Process Modeling, Hidden Markov Models, and Non-negative Tensor
Factorization with Model Selection [0.15658704610960567]
プロセス監視は、ユーザーが産業プロセスにおける組織の関与を計測することを可能にする。
データ不足に対処するために、我々はそのプロセスに精通している課題の専門家(SME)の知識を活用する。
本稿では,理論的プロセスモデルと関連する最小隠れマルコフモデルを統合する,数学的に健全な新しい手法を提案する。
論文 参考訳(メタデータ) (2022-10-03T16:19:27Z) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳(メタデータ) (2022-09-21T08:14:34Z) - Concepts and Algorithms for Agent-based Decentralized and Integrated
Scheduling of Production and Auxiliary Processes [78.120734120667]
本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。
要求の一部は、線形にスケールする通信アーキテクチャを開発することである。
このアプローチは、工業的要件に基づいた例を使って説明されます。
論文 参考訳(メタデータ) (2022-05-06T18:44:29Z) - Approaching sales forecasting using recurrent neural networks and
transformers [57.43518732385863]
深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。
実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。
提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
論文 参考訳(メタデータ) (2022-04-16T12:03:52Z) - ProcK: Machine Learning for Knowledge-Intensive Processes [30.371382331613532]
ProcK(Process & Knowledge)はビジネスプロセス予測モデルを構築するための新しいパイプラインである。
リレーショナルデータベースからリンクされたイベントログとナレッジベースを抽出するコンポーネントは、パイプラインの一部である。
我々は、OULADのeラーニングデータセット上で予測タスクをトレーニングすることで、ProcKのパワーを実証する。
論文 参考訳(メタデータ) (2021-09-10T13:51:59Z) - Parrot: Data-Driven Behavioral Priors for Reinforcement Learning [79.32403825036792]
そこで本研究では,実験で得られた複雑なインプット・アウトプット関係を事前に学習する手法を提案する。
RLエージェントが新規な動作を試す能力を阻害することなく、この学習が新しいタスクを迅速に学習するのにどのように役立つかを示す。
論文 参考訳(メタデータ) (2020-11-19T18:47:40Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-08-29T14:57:53Z) - A Technique for Determining Relevance Scores of Process Activities using
Graph-based Neural Networks [0.0]
本研究では,プロセス活動の関連点を評価指標として評価する手法を開発した。
このような関連性スコアでプロセスモデルに注釈を付けることは、ビジネスプロセスの問題に焦点を当てた分析を促進する。
異なる領域の4つのデータセットを用いて,本手法の予測品質を定量的に評価し,妥当性スコアの忠実性を示す。
論文 参考訳(メタデータ) (2020-08-07T12:15:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。