論文の概要: Automatic Resource Allocation in Business Processes: A Systematic Literature Survey
- arxiv url: http://arxiv.org/abs/2107.07264v2
- Date: Thu, 28 Mar 2024 13:53:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 03:58:36.740973
- Title: Automatic Resource Allocation in Business Processes: A Systematic Literature Survey
- Title(参考訳): ビジネスプロセスにおけるリソース自動割り当て:システム文献調査
- Authors: Luise Pufahl, Sven Ihde, Fabian Stiehle, Mathias Weske, Ingo Weber,
- Abstract要約: リソース割り当ては複雑な意思決定の問題であり、プロセスの有効性と効率に大きな影響を与えます。
研究アロケーションを自動で支援するために、幅広いアプローチが開発された。
- 参考スコア(独自算出の注目度): 0.0699049312989311
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For delivering products or services to their clients, organizations execute manifold business processes. During such execution, upcoming process tasks need to be allocated to internal resources. Resource allocation is a complex decision-making problem with high impact on the effectiveness and efficiency of processes. A wide range of approaches was developed to support research allocation automatically. This systematic literature survey provides an overview of approaches and categorizes them regarding their resource allocation goals and capabilities, their use of models and data, their algorithmic solutions, and their maturity. Rule-based approaches were identified as dominant, but heuristics and learning approaches also play a relevant role.
- Abstract(参考訳): 製品やサービスを顧客に提供するために、組織は多様体のビジネスプロセスを実行します。
このような実行中は、今後のプロセスタスクを内部リソースに割り当てる必要がある。
リソース割り当ては複雑な意思決定の問題であり、プロセスの有効性と効率に大きな影響を与えます。
研究アロケーションを自動で支援するために、幅広いアプローチが開発された。
この体系的な文献調査は、アプローチの概要を提供し、それらのリソース割り当て目標と能力、モデルとデータの使用、アルゴリズムによるソリューション、そして成熟度について分類する。
ルールベースのアプローチは支配的であると認識されたが、ヒューリスティックスや学習アプローチも関連する役割を担っている。
関連論文リスト
- WESE: Weak Exploration to Strong Exploitation for LLM Agents [95.6720931773781]
本稿では,オープンワールド対話型タスクの解法において,LLMエージェントの強化を目的としたWeak Exploration to Strong Exploitation (WESE)を提案する。
WESEは、探究と搾取のプロセスを分離し、費用対効果の弱いエージェントを用いて世界的知識の探索を行う。
次に、獲得した知識を格納し、タスク関連知識を抽出する知識グラフベースの戦略を導入する。
論文 参考訳(メタデータ) (2024-04-11T03:31:54Z) - The Foundations of Computational Management: A Systematic Approach to
Task Automation for the Integration of Artificial Intelligence into Existing
Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。
この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文 参考訳(メタデータ) (2024-02-07T01:45:14Z) - Extracting Process-Aware Decision Models from Object-Centric Process
Data [54.04724730771216]
本稿では,ODDA(Integrated Object-centric Decision Discovery Algorithm)と呼ばれる,オブジェクト中心決定マイニングアルゴリズムを提案する。
IODDAは意思決定の仕組みや意思決定の仕方を知ることができる。
論文 参考訳(メタデータ) (2024-01-26T13:27:35Z) - Beyond Efficiency: A Systematic Survey of Resource-Efficient Large
Language Models [34.327846901536425]
LLM(Large Language Models)は、計算、メモリ、エネルギー、金融資源の高消費に課題をもたらす。
本調査は, LLMの資源効率向上を目的とした多種多様な手法を概観することにより, これらの課題を体系的に解決することを目的としている。
論文 参考訳(メタデータ) (2024-01-01T01:12:42Z) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳(メタデータ) (2023-12-14T10:37:34Z) - Learning policies for resource allocation in business processes [0.0]
本稿では,ビジネスプロセスにおける資源配分のための2つの学習手法を提案する。
最初の方法は、深層強化学習(DRL)を利用して、ビジネスプロセスで行動することによって、ほぼ最適なポリシーを学ぶ。
第2の方法はスコアベースの値近似手法であり、リソース割り当ての優先順位付けのためにキュレートされた特徴の集合の重みを学習する。
論文 参考訳(メタデータ) (2023-04-19T21:05:38Z) - Efficient Methods for Natural Language Processing: A Survey [76.34572727185896]
本研究は, 効率的なNLPにおける現在の手法と知見を合成し, 関連づけるものである。
我々は,限られた資源下でNLPを実施するためのガイダンスと,より効率的な手法を開発するための有望な研究方向性の両立を目指す。
論文 参考訳(メタデータ) (2022-08-31T20:32:35Z) - Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data
Programming [77.38174112525168]
私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
論文 参考訳(メタデータ) (2022-03-02T19:57:32Z) - Computation Resource Allocation Solution in Recommender Systems [19.456109814747048]
限られた計算資源と応答時間でビジネス目標を最大化する計算資源割当ソリューション(CRAS)を提案します。
本手法の有効性はtaobao.comの実データに基づく広範囲な実験により検証された。
論文 参考訳(メタデータ) (2021-03-03T08:41:43Z) - Analysis & Shortcomings of E-Recruitment Systems: Towards a
Semantics-based Approach Addressing Knowledge Incompleteness and Limited
Domain Coverage [0.0]
インターネットの急速な発展により、e-recruitmentと人的資源管理の新しい手法が導入された。
求職者の履歴書や求職のスキルを正確に検出し、抽出する能力格差は、依然としてe-recruitmentシステムにとって大きな障害となっている。
複数の協調的セマンティックリソースを利用することで、現在の欠点に対処するe-recruitmentフレームワークについて詳述する。
論文 参考訳(メタデータ) (2020-04-25T01:25:35Z)
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。