論文の概要: Enhancing Business Process Simulation Models with Extraneous Activity Delays

• arxiv url: http://arxiv.org/abs/2206.14051v2
• Date: Fri, 2 Feb 2024 13:56:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-05 21:05:29.305584
• Title: Enhancing Business Process Simulation Models with Extraneous Activity Delays
• Title（参考訳）: 余分な活動遅延を伴うビジネスプロセスシミュレーションモデルの拡張
• Authors: David Chapela-Campa and Marlon Dumas
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.6073572808831218
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Business Process Simulation (BPS) is a common approach to estimate the impact of changes to a business process on its performance measures. For example, it allows us to estimate what would be the cycle time of a process if we automated one of its activities, or if some resources become unavailable. The starting point of BPS is a business process model annotated with simulation parameters (a BPS model). In traditional approaches, BPS models are manually designed by modeling specialists. This approach is time-consuming and error-prone. To address this shortcoming, several studies have proposed methods to automatically discover BPS models from event logs via process mining techniques. However, current techniques in this space discover BPS models that only capture waiting times caused by resource contention or resource unavailability. Oftentimes, a considerable portion of the waiting time in a business process corresponds to extraneous delays, e.g., a resource waits for the customer to return a phone call. This article proposes a method that discovers extraneous delays from event logs of business process executions. The proposed approach computes, for each pair of causally consecutive activity instances in the event log, the time when the target activity instance should theoretically have started, given the availability of the relevant resource. Based on the difference between the theoretical and the actual start times, the approach estimates the distribution of extraneous delays, and it enhances the BPS model with timer events to capture these delays. An empirical evaluation involving synthetic and real-life logs shows that the approach produces BPS models that better reflect the temporal dynamics of the process, relative to BPS models that do not capture extraneous delays.
• Abstract（参考訳）: ビジネスプロセスシミュレーション(Business Process Simulation, BPS)は、ビジネスプロセスの変更がパフォーマンス指標に与える影響を推定する一般的な手法である。 例えば、アクティビティの1つを自動化したり、いくつかのリソースが利用できない場合、プロセスのサイクルタイムを見積もることができます。 BPSの出発点は、シミュレーションパラメータ(BPSモデル)を付加したビジネスプロセスモデルである。 従来の手法では、BPSモデルはモデリングスペシャリストによって手動で設計される。 このアプローチは時間がかかり、エラーが発生しやすい。 この欠点に対処するため、プロセスマイニング技術を用いてイベントログからBPSモデルを自動的に検出する方法がいくつか提案されている。 しかし、この領域の現在の技術は、リソース競合やリソース利用不可能に起因する待ち時間のみをキャプチャするBPSモデルを発見している。 多くの場合、ビジネスプロセスにおける待ち時間のかなりの部分は余計な遅延に対応します。例えば、リソースは顧客が電話を返すのを待ちます。 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,関連するリソースが利用可能であれば,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。 理論的な開始時刻と実際の開始時刻の差に基づき、提案手法は外部遅延の分布を推定し、タイマイベントによるBPSモデルを強化し、これらの遅延を捉える。 合成および実生活ログを含む実証的な評価は、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するBPSモデルを生成することを示している。

関連論文リスト

• Discovery and Simulation of Data-Aware Business Processes [0.28675177318965045]
  本稿では,データ認識型BPSモデリング手法と,イベントログからデータ認識型BPSモデルを検出する手法を提案する。 結果のBPSモデルは、データ非認識のBPSモデルと比較して、プロセス実行制御フローをより密に再現する。
  論文  参考訳（メタデータ） (2024-08-24T20:13:00Z)
• AgentSimulator: An Agent-based Approach for Data-driven Business Process Simulation [6.590869939300887]
  ビジネスプロセスシミュレーション(Business Process Simulation, BPS)は、プロセスのパフォーマンスを様々なシナリオで推定するための汎用的な手法である。 本稿では,イベントログからマルチエージェントシステムを検出するリソースファーストなBPS手法であるAgentSimulatorを紹介する。 実験の結果,AgentSimulatorは従来の手法よりもはるかに少ない時間で計算精度を向上できることがわかった。
  論文  参考訳（メタデータ） (2024-08-16T07:19:11Z)
• Cumulative Distribution Function based General Temporal Point Processes [49.758080415846884]
  CuFunモデルは、累積分布関数(CDF)を中心に回転するTPPに対する新しいアプローチを表す 提案手法は従来のTPPモデリングに固有のいくつかの重要な問題に対処する。 コントリビューションには、先駆的なCDFベースのTPPモデルの導入、過去の事象情報を将来の事象予測に組み込む方法論の開発が含まれている。
  論文  参考訳（メタデータ） (2024-02-01T07:21:30Z)
• TFMQ-DM: Temporal Feature Maintenance Quantization for Diffusion Models [52.454274602380124]
  拡散モデルは非常に時間ステップ$t$に大きく依存し、良好なマルチラウンドデノジングを実現している。 本稿では,時間情報ブロック上に構築した時間的特徴保守量子化(TFMQ)フレームワークを提案する。 先駆的なブロック設計により、時間情報認識再構成(TIAR)と有限集合キャリブレーション(FSC)を考案し、完全な時間的特徴を整列させる。
  論文  参考訳（メタデータ） (2023-11-27T12:59:52Z)
• Can I Trust My Simulation Model? Measuring the Quality of Business Process Simulation Models [1.4027589547318842]
  ビジネスプロセスシミュレーション(Business Process Simulation、BPS)は、異なるシナリオ下でのビジネスプロセスのパフォーマンスを分析する手法である。 本稿では,BPSモデルの品質を評価するための尺度の集合を提案する。
  論文  参考訳（メタデータ） (2023-03-30T15:40:26Z)
• Post-Processing Temporal Action Detection [134.26292288193298]
  時間的行動検出(TAD)法は、通常、入力された可変長のビデオを固定長のスニペット表現シーケンスに変換する際に、前処理のステップを踏む。 この前処理ステップは、ビデオを時間的にダウンサンプリングし、推論の解像度を低減し、元の時間分解における検出性能を阻害する。 モデルの再設計や再学習を伴わない新しいモデル非依存のポストプロセッシング手法を提案する。
  論文  参考訳（メタデータ） (2022-11-27T19:50:37Z)
• When to Update Your Model: Constrained Model-based Reinforcement Learning [50.74369835934703]
  モデルベースRL(MBRL)の非遅延性能保証のための新規で一般的な理論スキームを提案する。 続いて導いた境界は、モデルシフトとパフォーマンス改善の関係を明らかにします。 さらなる例では、動的に変化する探索からの学習モデルが、最終的なリターンの恩恵をもたらすことが示されている。
  論文  参考訳（メタデータ） (2022-10-15T17:57:43Z)
• Avoiding Post-Processing with Event-Based Detection in Biomedical Signals [69.34035527763916]
  学習対象としてイベントを直接扱うイベントベースのモデリングフレームワークを提案する。 イベントベースのモデリング(後処理なし)は、広範囲な後処理を伴うエポックベースのモデリングと同等以上のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-09-22T13:44:13Z)
• 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)
• Prescriptive Process Monitoring for Cost-Aware Cycle Time Reduction [0.7837881800517111]
  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。
  論文  参考訳（メタデータ） (2021-05-15T01:19:04Z)
• Learning Accurate Business Process Simulation Models from Event Logs via Automated Process Discovery and Deep Learning [0.8164433158925593]
  データ駆動シミュレーション(DDS)メソッドは、イベントログからプロセスシミュレーションモデルを学ぶ。 ディープラーニング(DL)モデルは、このような時間的ダイナミクスを正確に捉えることができる。 本稿では,イベントログからプロセスシミュレーションモデルを学ぶためのハイブリッド手法を提案する。
  論文  参考訳（メタデータ） (2021-03-22T15:34:57Z)

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。