論文の概要: Removing Operational Friction Using Process Mining: Challenges Provided
by the Internet of Production (IoP)
- arxiv url: http://arxiv.org/abs/2107.13066v1
- Date: Tue, 27 Jul 2021 20:04:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-30 01:24:59.762393
- Title: Removing Operational Friction Using Process Mining: Challenges Provided
by the Internet of Production (IoP)
- Title（参考訳）: プロセスマイニングによる操作摩擦の除去--IoP(Internet of Production)による課題
- Authors: Wil van der Aalst and Tobias Brockhoff and Anahita Farhang Ghahfarokhi
and Mahsa Pourbafrani and Merih Seran Uysal and Sebastiaan van Zelst
- Abstract要約: 今日の運用プロセスによって生成されたイベントデータは、プロセスマイニングの機会と課題を提供します。
プロセスマイニングは、様々な運用プロセスを改善するために"デジタルシャドー"を作成するために使用されます。
我々は、運用上の摩擦を取り除くために使用できる価値ある「デジタル影」を開発することを目指している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Operational processes in production, logistics, material handling,
maintenance, etc., are supported by cyber-physical systems combining hardware
and software components. As a result, the digital and the physical world are
closely aligned, and it is possible to track operational processes in detail
(e.g., using sensors). The abundance of event data generated by today's
operational processes provides opportunities and challenges for process mining
techniques supporting process discovery, performance analysis, and conformance
checking. Using existing process mining tools, it is already possible to
automatically discover process models and uncover performance and compliance
problems. In the DFG-funded Cluster of Excellence "Internet of Production"
(IoP), process mining is used to create "digital shadows" to improve a wide
variety of operational processes. However, operational processes are dynamic,
distributed, and complex. Driven by the challenges identified in the IoP
cluster, we work on novel techniques for comparative process mining (comparing
process variants for different products at different locations at different
times), object-centric process mining (to handle processes involving different
types of objects that interact), and forward-looking process mining (to explore
"What if?" questions). By addressing these challenges, we aim to develop
valuable "digital shadows" that can be used to remove operational friction.
- Abstract（参考訳）: 生産、物流、材料処理、保守などの運用プロセスは、ハードウェアとソフトウェアコンポーネントを組み合わせたサイバー物理システムによって支えられている。
結果として、デジタル世界と物理世界は密接に連携しており、運用プロセスを詳細に追跡することができる(例えば、センサーを使用して)。
今日の運用プロセスによって生成されるイベントデータの豊富さは、プロセス発見、パフォーマンス分析、コンフォーマンスチェックをサポートするプロセスマイニングテクニックの機会と課題を提供します。
既存のプロセスマイニングツールを使用すると、プロセスモデルを自動的に発見し、パフォーマンスとコンプライアンスの問題を明らかにすることができる。
DFGが出資した "Internet of Production" (IoP) では、様々な運用プロセスを改善するために、プロセスマイニングが"デジタルシャドー"を作成するために使用される。
しかし、運用プロセスは動的で分散しており、複雑です。
IoPクラスタで特定される課題によって、私たちは、比較プロセスマイニング(異なる場所で異なる製品が異なる場所で異なるプロセスのバリエーションを比較)、オブジェクト中心のプロセスマイニング(相互作用するさまざまなタイプのオブジェクトを含むプロセスを処理する)、前方のプロセスマイニング("What if?
質問)。
これらの課題に対処することで、運用上の摩擦を取り除くために使用できる価値ある"デジタルシャドー"を開発することを目指している。
関連論文リスト
- Machine Learning Operations: A Mapping Study [0.0]
この記事では、MLOpsパイプラインのいくつかのコンポーネントに存在する問題について論じる。
MLOpsシステムで発生する課題を、異なる焦点領域に分類するために、システマティックマッピング研究が実施されている。
この研究の主な価値は、MLOpsの独特な課題と、私たちの研究で概説された推奨された解決策をマッピングすることです。
論文 参考訳（メタデータ） (2024-09-28T17:17:40Z) - Navigating Process Mining: A Case study using pm4py [0.0]
本稿では,Python の pm4py ライブラリを用いた道路交通管理プロセスの包括的解析を行う。
フィルタリングと統計的解析により、プロセスの実行における重要なパターンとバリエーションを明らかにする。
発見されたモデルを視覚化して、プロセス内のワークフロー構造と依存関係を理解します。
論文 参考訳（メタデータ） (2024-09-17T15:48:46Z) - Intelligent Cross-Organizational Process Mining: A Survey and New Perspectives [40.62773366902451]
本稿では,プロセスマイニングの分野に関する具体的な見解を提唱する。
まず、プロセスマイニングの枠組み、一般的な産業応用、そして人工知能と組み合わされた最新の進歩について要約する。
この視点は、複雑な多組織データ分析のための洗練されたソリューションを提供するために人工知能を活用することによって、プロセスマイニングに革命をもたらすことを目的としている。
論文 参考訳（メタデータ） (2024-07-15T23:30:34Z) - 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) - Flexible Job Shop Scheduling via Dual Attention Network Based
Reinforcement Learning [73.19312285906891]
フレキシブルなジョブショップスケジューリング問題(FJSP)では、複数のマシンで操作を処理でき、操作とマシンの間の複雑な関係が生じる。
近年, 深層強化学習(DRL)を用いて, FJSP解決のための優先派遣規則(PDR)を学習している。
本稿では,Deep機能抽出のための自己注意モデルと,スケーラブルな意思決定のためのDRLの利点を生かした,エンドツーエンド学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-09T01:35:48Z) - Clustering Object-Centric Event Logs [0.36748639131154304]
本稿では,OCEL に類似したオブジェクトをクラスタリングするクラスタリング手法を提案する。
我々のアプローチは、プロセスモデルの複雑さを減らし、エンドユーザーがプロセスに対する洞察を得るのに役立つオブジェクトの一貫性のあるサブセットを生成する。
論文 参考訳（メタデータ） (2022-07-26T09:16:39Z) - The Role of Time and Data: Online Conformance Checking in the
Manufacturing Domain [0.0]
製造業は、デジタル化の課題に対処するためにプロセス指向技術に挑戦する分野です。
プロセスマイニングは高い期待を生み出しますが、製造専門家によるその実装と使用はある程度不明です。
プロセスマイニングが第2のタスクとしてプロセス監視中にドメイン専門家をサポートするかどうかおよび方法を検討する。
論文 参考訳（メタデータ） (2021-05-04T12:23:35Z) - Process Comparison Using Object-Centric Process Cubes [69.68068088508505]
実生活のビジネスプロセスでは、プロセス全体を複雑に解釈しがちな振る舞いが存在します。
プロセス比較は、プロセスキューブを使用して、プロセスの異なる動作を互いに分離するプロセスマイニングのブランチです。
オブジェクト中心のイベントログのスライスやダイスなどのプロセスキューブ操作をサポートするプロセスキューブフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-12T10:08:28Z) - 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) - Process Discovery for Structured Program Synthesis [70.29027202357385]
プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。
本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。
我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
論文 参考訳（メタデータ） (2020-08-13T10:33:10Z) - Towards CRISP-ML(Q): A Machine Learning Process Model with Quality
Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。
第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。
第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文 参考訳（メタデータ） (2020-03-11T08:25:49Z)
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。