論文の概要: Can I Trust My Simulation Model? Measuring the Quality of Business
Process Simulation Models
- arxiv url: http://arxiv.org/abs/2303.17463v1
- Date: Thu, 30 Mar 2023 15:40:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-31 13:00:15.796301
- Title: Can I Trust My Simulation Model? Measuring the Quality of Business
Process Simulation Models
- Title(参考訳): シミュレーションモデルを信用できますか?
ビジネスプロセスシミュレーションモデルの品質測定
- Authors: David Chapela-Campa, Ismail Benchekroun, Opher Baron, Marlon Dumas,
Dmitry Krass, Arik Senderovich
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.4027589547318842
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Business Process Simulation (BPS) is an approach to analyze the performance
of business processes under different scenarios. For example, BPS allows us to
estimate what would be the cycle time of a process if one or more resources
became unavailable. The starting point of BPS is a process model annotated with
simulation parameters (a BPS model). BPS models may be manually designed, based
on information collected from stakeholders and empirical observations, or
automatically discovered from execution data. Regardless of its origin, a key
question when using a BPS model is how to assess its quality. In this paper, we
propose a collection of measures to evaluate the quality of a BPS model w.r.t.
its ability to replicate the observed behavior of the process. We advocate an
approach whereby different measures tackle different process perspectives. We
evaluate the ability of the proposed measures to discern the impact of
modifications to a BPS model, and their ability to uncover the relative
strengths and weaknesses of two approaches for automated discovery of BPS
models. The evaluation shows that the measures not only capture how close a BPS
model is to the observed behavior, but they also help us to identify sources of
discrepancies.
- 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、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。
例えば、BPSでは、1つ以上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る。
BPSの開始点は、シミュレーションパラメータ(BPSモデル)を付加したプロセスモデルである。
BPSモデルは、利害関係者や経験的観察から収集された情報に基づいて手動で設計したり、実行データから自動的に検出される。
起源に関係なく、BPSモデルを使用する際の重要な問題は、その品質を評価する方法である。
本稿では,観察されたプロセスの動作を再現する能力として,BPSモデルの品質を評価するための尺度のコレクションを提案する。
我々は、異なる措置が異なるプロセスの観点に取り組むアプローチを提唱する。
提案手法は,BPSモデルに対する修正の影響を明らかにする能力と,BPSモデルの自動発見のための2つのアプローチの相対的強度と弱点を明らかにする能力を評価する。
評価の結果,BPSモデルが観測行動にどの程度近いかだけでなく,不一致の原因を特定する上でも有効であることがわかった。
関連論文リスト
- White-box validation of quantitative product lines by statistical model
checking and process mining [1.0918484507642576]
本稿では,統計的モデル検査 (SMC) とプロセスマイニング (PM) を統合することで,ソフトウェア製品ライン (PL) モデルの検証手法を提案する。
提案手法は,PL工学領域における機能指向言語QFLanに着目し,豊富なクロスツリーと量的制約を持つPLのモデリングを可能にする。
論文 参考訳(メタデータ) (2024-01-23T17:27:13Z) - QualEval: Qualitative Evaluation for Model Improvement [86.29905469151566]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳(メタデータ) (2023-11-06T00:21:44Z) - Gaussian Process Probes (GPP) for Uncertainty-Aware Probing [61.91898698128994]
モデルによって表現される概念に関する不確実性を探索し、測定するための統一的でシンプルなフレームワークを導入する。
実験の結果,(1)ごく少数の例でも,モデルの概念表現を探索し,(2)認識の不確実性(プローブがどの程度確実か)と解離不確実性(モデルがファジィか)を正確に測定し,(3)これらの不確実性尺度と古典的手法を用いて分布データの検出を行うことができた。
論文 参考訳(メタデータ) (2023-05-29T17:00:16Z) - Neural Enhanced Belief Propagation for Multiobject Tracking [8.228150100178983]
モデルベースとデータ駆動型MOTを組み合わせたBPの変種を紹介する。
NEBP法はモデルベース法と比較して追跡性能が向上する。
nuScenes 自律運転データセット上でのMOTに対するNEBP手法の性能評価を行った。
論文 参考訳(メタデータ) (2022-12-16T08:31:07Z) - 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) - XAI in the context of Predictive Process Monitoring: Too much to Reveal [3.10770247120758]
予測プロセスモニタリング(PPM)は、プロセスマイニングツールに付加価値タスクとして統合されている。
XAI法は、最も効率的な予測モデルの透明性の欠如を補うために用いられる。
説明に決定論的であるXAI特性や根底にある条件を区別するために比較が欠落している。
論文 参考訳(メタデータ) (2022-02-16T15:31:59Z) - Sample-Efficient Reinforcement Learning via Conservative Model-Based
Actor-Critic [67.00475077281212]
モデルベース強化学習アルゴリズムは、モデルフリーのアルゴリズムよりもサンプル効率が高い。
本稿では,精度の高い学習モデルに強く依存することなく,高いサンプル効率を実現する新しい手法を提案する。
CMBACは,いくつかの課題に対して,サンプル効率の点で最先端のアプローチを著しく上回ることを示す。
論文 参考訳(メタデータ) (2021-12-16T15:33:11Z) - Proximal Reinforcement Learning: Efficient Off-Policy Evaluation in
Partially Observed Markov Decision Processes [65.91730154730905]
医療や教育などの観察データへのオフライン強化学習の適用においては、観察された行動は観測されていない要因に影響される可能性があるという一般的な懸念がある。
ここでは、部分的に観察されたマルコフ決定過程(POMDP)における非政治評価を考慮し、この問題に取り組む。
我々は、近位因果推論の枠組みをPOMDP設定に拡張し、識別が可能となる様々な設定を提供する。
論文 参考訳(メタデータ) (2021-10-28T17:46:14Z) - How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating
and Auditing Generative Models [95.8037674226622]
ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。
当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
論文 参考訳(メタデータ) (2021-02-17T18:25:30Z) - Probabilistic Case-based Reasoning for Open-World Knowledge Graph
Completion [59.549664231655726]
ケースベース推論(CBR)システムは,与えられた問題に類似した事例を検索することで,新たな問題を解決する。
本稿では,知識ベース(KB)の推論において,そのようなシステムが実現可能であることを示す。
提案手法は,KB内の類似エンティティからの推論パスを収集することにより,エンティティの属性を予測する。
論文 参考訳(メタデータ) (2020-10-07T17:48:12Z) - Structural Estimation of Partially Observable Markov Decision Processes [3.1614382994158956]
プロセスの観測可能な履歴に基づいて,POMDPモデルのプリミティブの構造的推定を考察する。
本稿では, 最適機器交換への適用例として, 推定手法について述べる。
論文 参考訳(メタデータ) (2020-08-02T15:04:27Z)
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。