論文の概要: Ontology-Based Process Modelling -- Will we live to see it?
- arxiv url: http://arxiv.org/abs/2107.06146v1
- Date: Mon, 12 Jul 2021 09:44:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-15 04:42:46.476543
- Title: Ontology-Based Process Modelling -- Will we live to see it?
- Title(参考訳): オントロジベースのプロセスモデリング -- 私たちはそれを見るために生きますか?
- Authors: Carl Corea, Michael Fellmann, Patrick Delfmann
- Abstract要約: オントロジーに基づくプロセスモデリング(OBPM)はビジネスプロセス管理を拡張する大きな可能性を秘めています。
この学界での承認にもかかわらず、広く普及している産業は見当たらない。
これらの問題に対処しなければ、実際にはOBPMの実装は不可能に思える。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In theory, ontology-based process modelling (OBPM) bares great potential to
extend business process management. Many works have studied OBPM and are clear
on the potential amenities, such as eliminating ambiguities or enabling
advanced reasoning over company processes. However, despite this approval in
academia, a widespread industry adoption is still nowhere to be seen. This can
be mainly attributed to the fact, that it still requires high amounts of manual
labour to initially create ontologies and annotations to process models. As
long as these problems are not addressed, implementing OBPM seems unfeasible in
practice. In this work, we therefore identify requirements needed for a
successful implementation of OBPM and assess the current state of research
w.r.t. these requirements. Our results indicate that the research progress for
means to facilitate OBPM are still alarmingly low and there needs to be urgent
work on extending existing approaches.
- Abstract(参考訳): 理論上、オントロジベースのプロセスモデリング(obpm)はビジネスプロセス管理を拡張する大きな可能性を秘めています。
多くの研究がOBPMを研究しており、曖昧さを排除したり、企業プロセスに対する高度な推論を可能にするなど、潜在的なアメニティを明確にしている。
しかし、この学界での承認にもかかわらず、広く普及している産業は見当たらない。
これは主に、プロセスモデルにオントロジーとアノテーションを作成するのに、まだ大量の手作業を必要とするという事実に起因する可能性がある。
これらの問題に対処しなければ、実際にはOBPMの実装は不可能に思える。
そこで本研究では,OBPMの実施を成功させるために必要な要件を特定し,現在の研究状況を評価する。
これらの要件
以上の結果から,OBPMの促進に向けた研究の進展はいまだに目覚ましいほど低く,既存のアプローチの拡張に緊急の努力が必要であることが示唆された。
関連論文リスト
- Proving the Potential of Skeleton Based Action Recognition to Automate
the Analysis of Manual Processes [0.0]
本研究は、ビデオストリームに基づいて、手動組立プロセスにおける現在の動作クラスを検出する。
現在の動きに関する情報により、KPI(Key-Performance-Indicators)を容易に導出できる。
この分野では最近、機械ビジョンタスクで大きな成功を収めている。
MLパイプラインを開発し、異なる(事前)処理方法とニューラルネットの広範な研究を可能にする。
論文 参考訳(メタデータ) (2023-10-12T16:11:13Z) - Adapting Large Language Models for Content Moderation: Pitfalls in Data
Engineering and Supervised Fine-tuning [79.53130089003986]
大規模言語モデル(LLM)は、様々なドメインでタスクを処理するための実現可能なソリューションとなっている。
本稿では、コンテンツモデレーションのためにプライベートにデプロイ可能なLPMモデルを微調整する方法について紹介する。
論文 参考訳(メタデータ) (2023-10-05T09:09:44Z) - On building machine learning pipelines for Android malware detection: a
procedural survey of practices, challenges and opportunities [4.8460847676785175]
スマートフォン市場のリーダーとして、Androidはマルウェア攻撃の目玉ターゲットとなっている。
特に市場保有者や研究者にとって、多数のサンプルが手動によるマルウェア検出を不可能にしている。
提案されたアプローチのいくつかは高いパフォーマンスを達成するが、急速に進化するAndroidマルウェアは、時間とともにその正確性を維持することができない。
論文 参考訳(メタデータ) (2023-06-12T13:52:28Z) - Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。
私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
論文 参考訳(メタデータ) (2023-04-14T14:55:19Z) - The Technological Emergence of AutoML: A Survey of Performant Software
and Applications in the Context of Industry [72.10607978091492]
Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。
このレビューは、このトピックに関する知識に2つの主要な貢献をしている。
オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
論文 参考訳(メタデータ) (2022-11-08T10:42:08Z) - Towards Automated Process Planning and Mining [77.34726150561087]
我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。
プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
論文 参考訳(メタデータ) (2022-08-18T16:41:22Z) - A Research Agenda for Artificial Intelligence in the Field of Flexible
Production Systems [53.47496941841855]
生産会社は、需要変動や要求の変化に対して生産制御を迅速に適応することに関して、問題に直面します。
サービスという意味で生産機能をカプセル化することを目的とした制御手法は,サイバー物理生産システムの柔軟性を高めるために有望であることが示されている。
しかし、そのようなアプローチの既存の課題は、要求された機能と提供された機能の間に直接(統語的)一致がない場合に、一連の要求に対して提供された機能に基づいて生産計画を見つけることである。
論文 参考訳(メタデータ) (2021-12-31T14:38:31Z) - Automated Deep Learning: Neural Architecture Search Is Not the End [31.0093367527288]
本稿では,従来型ディープラーニング(DL)ワークフロー全体にわたる自動化研究の取り組みを概観する。
また、個々の出版物と広範な研究分野の両方において、既存の作業を評価するための10の基準の包括的なセットを提案する。
最終的に、このレビューは、2020年代初頭にAutoDLの評価的な概要を提供し、将来の進歩の機会がどこにあるかを特定する。
論文 参考訳(メタデータ) (2021-12-16T23:02:29Z) - Exploratory State Representation Learning [63.942632088208505]
本稿では,XSRL(eXploratory State Representation Learning)と呼ばれる新しい手法を提案する。
一方、コンパクトな状態表現と、その表現から不可解な情報を除去するために使用される状態遷移推定器を共同で学習する。
一方、逆モデルを継続的に訓練し、このモデルの予測誤差に$k$-stepの学習促進ボーナスを加え、発見ポリシーの目的を形成する。
論文 参考訳(メタデータ) (2021-09-28T10:11:07Z) - AI Trust in business processes: The need for process-aware explanations [11.161025675113208]
ビジネスプロセス管理(BPM)の文献は、機械学習ソリューションに富んでいます。
NLPドメインを含むディープラーニングモデルは、プロセス予測に応用されている。
私たちは、BPMにAIモデルが採用されていない大きな理由は、ビジネスユーザーがリスクに逆らってAIモデルを暗黙的に信頼していないことであると断言しています。
論文 参考訳(メタデータ) (2020-01-21T13:51:36Z)
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。