論文の概要: A Systematic Review of Business Process Improvement: Achievements and Potentials in Combining Concepts from Operations Research and Business Process Management

• arxiv url: http://arxiv.org/abs/2409.01276v1
• Date: Mon, 2 Sep 2024 14:13:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 06:37:11.050219
• Title: A Systematic Review of Business Process Improvement: Achievements and Potentials in Combining Concepts from Operations Research and Business Process Management
• Title（参考訳）: ビジネスプロセス改善の体系的レビュー:運用研究とビジネスプロセスマネジメントの概念の融合における成果と可能性
• Authors: Michel Kunkler, Felix Schumann, Stefanie Rinderle-Ma,
• Abstract要約: ビジネスプロセスマネジメントと運用リサーチは、組織における価値創造を強化することを目的としています。 この体系的な文献レビューは、両方の分野から組み合わせた概念を用いた作品を特定し分析する。 その結果,資源配分とスケジューリングの問題に強い焦点が当てられている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Business Process Management and Operations Research are two research fields that both aim to enhance value creation in organizations. While Business Process Management has historically emphasized on providing precise models, Operations Research has focused on constructing tractable models and their solutions. This systematic literature review identifies and analyzes work that uses combined concepts from both disciplines. In particular, it analyzes how business process models have been conceptualized as mathematical models and which optimization techniques have been applied to these models. Results indicate a strong focus on resource allocation and scheduling problems. Current approaches often lack support of the stochastic nature of many problems, and do only sparsely use information from process models or from event logs, such as resource-related information or information from the data perspective.
• Abstract（参考訳）: ビジネスプロセスマネジメントとオペレーションリサーチは、どちらも組織における価値創造を強化することを目的としている2つの研究分野です。 ビジネス・プロセス・マネジメントは歴史的に正確なモデルの提供に重点を置いてきたが、オペレーティング・リサーチはトラクタブル・モデルとそのソリューションの構築に重点を置いてきた。 この体系的な文献レビューは、両方の分野から組み合わせた概念を用いた作品を特定し分析する。 特に、ビジネスプロセスモデルがどのように数学的モデルとして概念化され、どの最適化技術がこれらのモデルに適用されたかを分析する。 その結果,資源配分とスケジューリングの問題に強い焦点が当てられている。 現在のアプローチは、多くの問題に対する確率的な性質のサポートを欠いていることが多く、リソース関連の情報やデータの観点からの情報といった、プロセスモデルやイベントログからの情報のみをわずかに利用する。

関連論文リスト

• Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities [89.40778301238642]
  モデルマージは、機械学習コミュニティにおける効率的なエンパワーメント技術である。 これらの手法の体系的かつ徹底的なレビューに関する文献には大きなギャップがある。
  論文  参考訳（メタデータ） (2024-08-14T16:58:48Z)
• A Review of AI and Machine Learning Contribution in Predictive Business Process Management (Process Enhancement and Process Improvement Approaches) [4.499009117849108]
  我々は、ビジネスプロセス管理におけるAI/MLの統合を検討するため、学術文献の体系的なレビューを行う。 ビジネスプロセス管理とプロセスマップでは、AI/MLはプロセスメトリクスの運用データを使用して大幅に改善されている。
  論文  参考訳（メタデータ） (2024-07-07T18:26:00Z)
• Learning Paradigms and Modelling Methodologies for Digital Twins in Process Industry [1.1060425537315088]
  デジタルツイン(Digital Twins、DT)は、センサーデータと高度なデータベースまたは物理ベースのモデル、あるいはその組み合わせを組み合わせた物理製造システムの仮想レプリカで、プロセス監視、予測制御、意思決定支援など、さまざまな産業関連タスクに対処する。 DTのバックボーン、すなわち、これらのモデルをサポートする具体的なモデリング方法論とアーキテクチャフレームワークは、複雑で多様性があり、急速に進化し、最新の最先端の手法と競争の激しい市場のトップに留まる傾向を徹底的に理解する必要がある。
  論文  参考訳（メタデータ） (2024-07-02T14:05:10Z)
• Explore In-Context Segmentation via Latent Diffusion Models [132.26274147026854]
  潜在拡散モデル(LDM)は、文脈内セグメンテーションに有効な最小限のモデルである。 画像とビデオの両方のデータセットを含む、新しい、公正なコンテキスト内セグメンテーションベンチマークを構築します。
  論文  参考訳（メタデータ） (2024-03-14T17:52:31Z)
• The WHY in Business Processes: Discovery of Causal Execution Dependencies [2.0811729303868005]
  プロセスアクティビティの実行間の因果関係を明らかにすることは、プロセス介入の結果を予測する重要な要素である。 この研究は、既存の因果発見アルゴリズムを活動タイミングよりも活用することにより、因果ビジネスプロセスの公開に対する体系的なアプローチを提供する。 本手法は,3つの因果パターンの文脈における2つのモデル間の相違を探索し,これらの不整合がマイニングプロセスモデル上で注釈付けされるという新たな視点を導出する。
  論文  参考訳（メタデータ） (2023-10-23T14:23:15Z)
• GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
  本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。 外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
  論文  参考訳（メタデータ） (2023-02-16T16:45:36Z)
• Extending Process Discovery with Model Complexity Optimization and Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
  モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。 所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。 医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
  論文  参考訳（メタデータ） (2022-06-10T16:20:59Z)
• Model Reprogramming: Resource-Efficient Cross-Domain Machine Learning [65.268245109828]
  視覚、言語、音声などのデータに富む領域では、ディープラーニングが高性能なタスク固有モデルを提供するのが一般的である。 リソース制限されたドメインでのディープラーニングは、(i)限られたデータ、(ii)制約付きモデル開発コスト、(iii)効果的な微調整のための適切な事前学習モデルの欠如など、多くの課題に直面している。 モデル再プログラミングは、ソースドメインから十分に訓練されたモデルを再利用して、モデル微調整なしでターゲットドメインのタスクを解くことで、リソース効率のよいクロスドメイン機械学習を可能にする。
  論文  参考訳（メタデータ） (2022-02-22T02:33:54Z)
• Automatic Resource Allocation in Business Processes: A Systematic Literature Survey [0.0699049312989311]
  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。
  論文  参考訳（メタデータ） (2021-07-15T11:40:20Z)
• A Field Guide to Federated Optimization [161.3779046812383]
  フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。 本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
  論文  参考訳（メタデータ） (2021-07-14T18:09:08Z)
• A Technique for Determining Relevance Scores of Process Activities using Graph-based Neural Networks [0.0]
  本研究では,プロセス活動の関連点を評価指標として評価する手法を開発した。 このような関連性スコアでプロセスモデルに注釈を付けることは、ビジネスプロセスの問題に焦点を当てた分析を促進する。 異なる領域の4つのデータセットを用いて,本手法の予測品質を定量的に評価し,妥当性スコアの忠実性を示す。
  論文  参考訳（メタデータ） (2020-08-07T12:15:30Z)

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。