論文の概要: Prescriptive Process Monitoring for Cost-Aware Cycle Time Reduction

• arxiv url: http://arxiv.org/abs/2105.07111v1
• Date: Sat, 15 May 2021 01:19:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-20 04:53:10.914251
• Title: Prescriptive Process Monitoring for Cost-Aware Cycle Time Reduction
• Title（参考訳）: コスト対応サイクル時間短縮のための規範的プロセスモニタリング
• Authors: Zahra Dasht Bozorgi, Irene Teinemaa, Marlon Dumas, Marcello La Rosa
• Abstract要約: 本稿では,ネットゲイン全体の最大化を図る方法として,時間短縮的介入をいつ引き起こすか,という課題に対処する。 本稿では,無作為林モデルを用いて時間短縮介入の因果効果を推定する規範的プロセスモニタリング手法を提案する。
• 参考スコア（独自算出の注目度）: 0.7837881800517111
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reducing cycle time is a recurrent concern in the field of business process management. Depending on the process, various interventions may be triggered to reduce the cycle time of a case, for example, using a faster shipping service in an order-to-delivery process or giving a phone call to a customer to obtain missing information rather than waiting passively. Each of these interventions comes with a cost. This paper tackles the problem of determining if and when to trigger a time-reducing intervention in a way that maximizes the total net gain. The paper proposes a prescriptive process monitoring method that uses orthogonal random forest models to estimate the causal effect of triggering a time-reducing intervention for each ongoing case of a process. Based on this causal effect estimate, the method triggers interventions according to a user-defined policy. The method is evaluated on two real-life logs.
• Abstract（参考訳）: サイクルタイムの短縮は、ビジネスプロセス管理の分野での繰り返しの懸念である。 プロセスによっては、注文から配送までのプロセスでより速い配送サービスを使用することや、パッシブに待つのではなく、行方不明の情報を取得するために顧客に電話することなど、ケースのサイクルタイムを短縮するために様々な介入がトリガーされる可能性がある。 これらの介入にはそれぞれコストがかかる。 本稿では,ネットゲイン全体の最大化を図る方法として,時間短縮的介入をいつ引き起こすか,という課題に対処する。 本稿では,直交ランダムフォレストモデルを用いて,プロセスが進行中の事例ごとに時間的介入を誘発する因果効果を推定する規範的プロセスモニタリング手法を提案する。 この因果効果推定に基づいて、ユーザ定義ポリシーに従って介入をトリガーする。 この手法は2つの実生活ログで評価する。

関連論文リスト

• On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
  時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。 ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。 我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T08:08:05Z)
• Learning When to Treat Business Processes: Prescriptive Process Monitoring with Causal Inference and Reinforcement Learning [0.8318686824572804]
  プロセスの成功率の増加、すなわち、ポジティブな結果に終わるケースの割合は、反復的なプロセス改善の目標である。 本稿では,意思決定作業を自動化する規範的モニタリング手法を提案する。 因果推論と強化学習を組み合わせて、ネットゲインを最大化する治療方針を学習する。
  論文  参考訳（メタデータ） (2023-03-07T00:46:04Z)
• TCFimt: Temporal Counterfactual Forecasting from Individual Multiple Treatment Perspective [50.675845725806724]
  個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。 TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。 提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
  論文  参考訳（メタデータ） (2022-12-17T15:01:05Z)
• Neighborhood Adaptive Estimators for Causal Inference under Network Interference [152.4519491244279]
  我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。 干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。 このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
  論文  参考訳（メタデータ） (2022-12-07T14:53:47Z)
• Outcome-Oriented Prescriptive Process Monitoring Based on Temporal Logic Patterns [9.876717580544364]
  本稿では,新しいアウトカム指向の規範的プロセスモニタリングシステムを提案する。 プロセス実行中に保証されるアクティビティ間の時間的関係を推奨します。 これにより、特定の時点におけるアクティビティの強制実行が緩和されるため、ユーザによる自由度が向上する。
  論文  参考訳（メタデータ） (2022-11-09T13:36:07Z)
• Active Sampling of Multiple Sources for Sequential Estimation [92.37271004438406]
  本研究の目的は,パラメータを逐次推定するアクティブサンプリングアルゴリズムを設計し,信頼性の高い推定値を生成することである。 本稿では, エンフ条件推定コスト関数を導入し, 最近, トラクタブル解析を施した逐次推定手法を提案する。
  論文  参考訳（メタデータ） (2022-08-10T15:58:05Z)
• Enhancing Business Process Simulation Models with Extraneous Activity Delays [0.6073572808831218]
  本稿では,ビジネスプロセス実行のイベントログから異常な遅延を検出する手法を提案する。 提案手法は,各イベントログ内の因果連続したアクティビティインスタンスに対して,対象アクティビティインスタンスが理論的に開始すべき時刻を算出する。 合成および実生活ログを含む経験的評価は、この手法がプロセスの時間的ダイナミクスをよりよく反映したBPSモデルを生成することを示している。
  論文  参考訳（メタデータ） (2022-06-28T14:51:10Z)
• When to intervene? Prescriptive Process Monitoring Under Uncertainty and Resource Constraints [0.7487718119544158]
  規範的なプロセス監視アプローチは、過去のデータを活用して実行時の介入を規定する。 この分野での以前の提案は、与えられたケースの現在の状態のみを考慮した介入ポリシーに依存している。 本稿では,予測スコア,予測の不確実性,介入の因果効果に基づいて進行中の事例をフィルタリング・ランク付けし,利得関数を最大化するために介入をトリガーする規範的プロセス監視手法を導入することにより,これらのギャップに対処する。
  論文  参考訳（メタデータ） (2022-06-15T18:18:33Z)
• Prescriptive Process Monitoring: Quo Vadis? [64.39761523935613]
  本論文はシステム文献レビュー(SLR)を通して,本分野における既存手法について考察する。 SLRは今後の研究の課題や分野に関する洞察を提供し、規範的なプロセス監視手法の有用性と適用性を高めることができる。
  論文  参考訳（メタデータ） (2021-12-03T08:06:24Z)
• Prescriptive Process Monitoring Under Resource Constraints: A Causal Inference Approach [0.9645196221785693]
  既存の規範的なプロセス監視技術は、トリガーされる可能性のある介入の数が無制限であると仮定する。 本稿では,固定資源制約下でのコスト関数を最適化するために介入をトリガーする規範的プロセス監視手法を提案する。
  論文  参考訳（メタデータ） (2021-09-07T06:42:33Z)
• Time-varying Gaussian Process Bandit Optimization with Non-constant Evaluation Time [93.6788993843846]
  非定常評価時間を効果的に処理できる新しい時間変化ベイズ最適化アルゴリズムを提案する。 我々の限界は、評価時間列のパターンが問題の難易度に大きな影響を与えることを決定づける。
  論文  参考訳（メタデータ） (2020-03-10T13:28:33Z)

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。