論文の概要: Business Process Simulation: Probabilistic Modeling of Intermittent Resource Availability and Multitasking Behavior

• arxiv url: http://arxiv.org/abs/2410.16941v1
• Date: Tue, 22 Oct 2024 12:16:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:28:00.815697
• Title: Business Process Simulation: Probabilistic Modeling of Intermittent Resource Availability and Multitasking Behavior
• Title（参考訳）: ビジネスプロセスシミュレーション: 間欠的リソース可用性とマルチタスクの確率論的モデリング
• Authors: Orlenys López-Pintado, Marlon Dumas,
• Abstract要約: ビジネスプロセスシミュレーションでは、典型的にリソースの可用性は、各リソースにカレンダーを割り当てることによってモデル化される。 本稿では,資源の可利用性とマルチタスク動作をモデル化するための確率論的アプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.3222802562733787
• License:
• Abstract: In business process simulation, resource availability is typically modeled by assigning a calendar to each resource, e.g., Monday-Friday, 9:00-18:00. Resources are assumed to be always available during each time slot in their availability calendar. This assumption often becomes invalid due to interruptions, breaks, or time-sharing across processes. In other words, existing approaches fail to capture intermittent availability. Another limitation of existing approaches is that they either do not consider multitasking behavior, or if they do, they assume that resources always multitask (up to a maximum capacity) whenever available. However, studies have shown that the multitasking patterns vary across days. This paper introduces a probabilistic approach to model resource availability and multitasking behavior for business process simulation. In this approach, each time slot in a resource calendar has an associated availability probability and a multitasking probability per multitasking level. For example, a resource may be available on Fridays between 14:00-15:00 with 90\% probability, and given that they are performing one task during this slot, they may take on a second concurrent task with 60\% probability. We propose algorithms to discover probabilistic calendars and probabilistic multitasking capacities from event logs. An evaluation shows that, with these enhancements, simulation models discovered from event logs better replicate the distribution of activities and cycle times, relative to approaches with crisp calendars and monotasking assumptions.
• Abstract（参考訳）: ビジネスプロセスシミュレーションでは、通常、リソースの可用性は、月曜日から金曜日、9:00から18:00といった各リソースにカレンダーを割り当てることによってモデル化されます。 リソースは、アベイラビリティーカレンダーの各タイムスロットで常に利用できると仮定される。 この仮定は、プロセス間での中断、中断、タイムシェアリングによって無効になることが多い。 言い換えれば、既存のアプローチは断続的な可用性を捉えることができない。 既存のアプローチのもう1つの制限は、彼らはマルチタスクの振る舞いを考慮していないか、もしそうなら、リソースは常にマルチタスク(最大容量まで)であると仮定していることである。 しかし、研究により、マルチタスクパターンは日によって異なることが示されている。 本稿では,ビジネスプロセスシミュレーションのためのモデル資源可用性とマルチタスク動作に関する確率論的アプローチを提案する。 このアプローチでは、リソースカレンダーの各タイムスロットは、アベイラビリティーの確率とマルチタスクレベル毎のマルチタスク確率を持つ。 例えば、金曜日の14:00から15:00の間、90\%の確率でリソースが利用でき、このスロットで1つのタスクを実行しているとすると、60\%の確率で第2の同時タスクを受けることができる。 イベントログから確率的カレンダーと確率的マルチタスク能力を検出するアルゴリズムを提案する。 これらの拡張により、イベントログから発見されたシミュレーションモデルは、鮮やかなカレンダーや単調な仮定のアプローチと比較して、アクティビティとサイクルタイムの分布をよりよく再現する。

関連論文リスト

• Foundation Model is Efficient Multimodal Multitask Model Selector [47.017463595702274]
  ブルートフォースアプローチは、すべてのターゲットデータセット上のすべてのモデルを微調整し、高い計算コストをもたらす。 マルチタスクモデルセレクタ(EMMS)を提案し,多様なラベル形式を統一的な雑音ラベル埋め込みに変換する。 EMMSは、事前訓練されたモデルの転送可能性を評価するのに十分な高速で効果的で汎用的であり、マルチタスクシナリオにおける最初のモデル選択方法である。
  論文  参考訳（メタデータ） (2023-08-11T17:54:44Z)
• Diffusion Model is an Effective Planner and Data Synthesizer for Multi-Task Reinforcement Learning [101.66860222415512]
  Multi-Task Diffusion Model (textscMTDiff) は、トランスフォーマーのバックボーンを組み込んだ拡散に基づく手法であり、生成計画とデータ合成のための素早い学習を行う。 生成計画において、textscMTDiffはMeta-World上の50のタスクとMaze2D上の8のマップで最先端のアルゴリズムより優れています。
  論文  参考訳（メタデータ） (2023-05-29T05:20:38Z)
• Multi-task Bias-Variance Trade-off Through Functional Constraints [102.64082402388192]
  マルチタスク学習は、多様なタスクによく機能する関数の集合を取得することを目的としている。 本稿では,2つの極端な学習シナリオ,すなわちすべてのタスクに対する単一関数と,他のタスクを無視するタスク固有関数から直感を抽出する。 本稿では,集中関数に対するドメイン固有解を強制する制約付き学習定式化を導入する。
  論文  参考訳（メタデータ） (2022-10-27T16:06:47Z)
• On Steering Multi-Annotations per Sample for Multi-Task Learning [79.98259057711044]
  マルチタスク学習の研究はコミュニティから大きな注目を集めている。 目覚ましい進歩にもかかわらず、異なるタスクを同時に学習するという課題はまだ検討されていない。 従来の研究は、異なるタスクから勾配を修正しようとするが、これらの手法はタスク間の関係の主観的な仮定を与え、修正された勾配はより正確でないかもしれない。 本稿では,タスク割り当てアプローチによってこの問題に対処する機構であるタスク割当(STA)を紹介し,各サンプルをランダムにタスクのサブセットに割り当てる。 さらなる進展のために、我々は全てのタスクを反復的に割り当てるためにInterleaved Task Allocation(ISTA)を提案する。
  論文  参考訳（メタデータ） (2022-03-06T11:57:18Z)
• Multi-Task Processes [13.362632630637707]
  複数のプロセスから実現されたタスクを推論するためのマルチタスクプロセス(MTP)を提案する。 MTPは,様々な実世界のデータから相関関係を発見し,活用することで,複数のタスクを協調的にモデル化できることを示す。
  論文  参考訳（メタデータ） (2021-10-28T08:45:43Z)
• Exploring Relational Context for Multi-Task Dense Prediction [76.86090370115]
  我々は,共通バックボーンと独立タスク固有のヘッドで表される,密集予測タスクのためのマルチタスク環境を考える。 マルチタスク設定では,グローバルやローカルなど,さまざまな注意に基づくコンテキストを探索する。 タスクペアごとに利用可能なすべてのコンテキストのプールをサンプリングするAdaptive Task-Relational Contextモジュールを提案する。
  論文  参考訳（メタデータ） (2021-04-28T16:45:56Z)
• Online Task Scheduling for Fog Computing with Multi-Resource Fairness [9.959176097194675]
  フォグコンピューティングシステムでは、オンラインタスクスケジューリング(すなわち、エンドデバイスから連続的に生成されるタスクのリソース割り当てを決定する)が重要な課題である。 オンラインタスクスケジューリング方式であるFairTSを提案する。 シミュレーションの結果、FairTSはタスクの遅くなり、リソースの公平性が向上し、最先端のスキームよりも優れていた。
  論文  参考訳（メタデータ） (2020-08-01T07:57:40Z)
• Sequence-to-sequence models for workload interference [1.988145627448243]
  データセンターでのジョブのスケジューリングは難しいシナリオであり、ジョブは厳しいスローダウンや実行の失敗につながるリソースを競うことができる。 現在のテクニックは、多くが機械学習とジョブモデリングを含むもので、時間にわたってワークロードの振る舞いを要約に基づいている。 本稿では,リソースや実行時間に対する行動に基づいて,データセンタ上でのジョブの協調スケジューリングをモデル化する手法を提案する。
  論文  参考訳（メタデータ） (2020-06-25T14:11:46Z)
• Low Resource Multi-Task Sequence Tagging -- Revisiting Dynamic Conditional Random Fields [67.51177964010967]
  異なるタスクに対するラベルシーケンス間の依存関係を利用する低リソースマルチタスクシーケンスタグの異なるモデルを比較した。 タスク予測間の相互依存性の明示的モデリングは、通常のマルチタスクモデルと同様にシングルタスクよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-05-01T07:11:34Z)

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。