論文の概要: Automated Business Process Analysis: An LLM-Based Approach to Value Assessment

• arxiv url: http://arxiv.org/abs/2504.06600v1
• Date: Wed, 09 Apr 2025 05:52:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-10 13:33:27.344599
• Title: Automated Business Process Analysis: An LLM-Based Approach to Value Assessment
• Title（参考訳）: ビジネスプロセス分析の自動化 - LLMに基づく価値評価アプローチ
• Authors: William De Michele, Abel Armas Cervantes, Lea Frermann,
• Abstract要約: 本稿では,Large Language Models(LLM)を用いて付加価値分析を自動化する。 まず、高レベルのアクティビティを詳細なステップに分解して粒度分析を可能にし、次に、リーンの原則に従って各ステップを分類するために付加価値分析を実行します。
• 参考スコア（独自算出の注目度）: 8.24265045995148
• License:
• Abstract: Business processes are fundamental to organizational operations, yet their optimization remains challenging due to the timeconsuming nature of manual process analysis. Our paper harnesses Large Language Models (LLMs) to automate value-added analysis, a qualitative process analysis technique that aims to identify steps in the process that do not deliver value. To date, this technique is predominantly manual, time-consuming, and subjective. Our method offers a more principled approach which operates in two phases: first, decomposing high-level activities into detailed steps to enable granular analysis, and second, performing a value-added analysis to classify each step according to Lean principles. This approach enables systematic identification of waste while maintaining the semantic understanding necessary for qualitative analysis. We develop our approach using 50 business process models, for which we collect and publish manual ground-truth labels. Our evaluation, comparing zero-shot baselines with more structured prompts reveals (a) a consistent benefit of structured prompting and (b) promising performance for both tasks. We discuss the potential for LLMs to augment human expertise in qualitative process analysis while reducing the time and subjectivity inherent in manual approaches.
• Abstract（参考訳）: ビジネスプロセスは組織的な運用には基本的ですが、手作業によるプロセス分析の時間のかかる性質のため、その最適化は難しいままです。 本稿では,付加価値分析を自動化するために,LLM(Large Language Models)を活用し,価値提供しないプロセスのステップを特定することを目的とした定性的なプロセス分析手法を提案する。 現在までに、この技術は主に手動、時間、主観的である。 まず、高レベルのアクティビティを詳細なステップに分解して粒度分析を可能にし、次に、リーンの原則に従って各ステップを分類するために付加価値分析を実行します。 この手法は, 質的分析に必要な意味的理解を維持しつつ, 廃棄物の系統的同定を可能にする。 我々は50のビジネスプロセスモデルを用いてアプローチを開発し、手動の地下構造ラベルを収集、公開する。 ゼロショットベースラインとより構造化されたプロンプトとの比較による評価 a)構造化プロンプトと一貫した利益 (b)両タスクの有望なパフォーマンス。 定性的なプロセス分析において, LLMが人間の専門性を増強する可能性について検討し, 手動によるアプローチに固有の時間と主観性を低減した。

関連論文リスト

• Step-KTO: Optimizing Mathematical Reasoning through Stepwise Binary Feedback [94.25162866972077]
  Step-KTOは、プロセスレベルと結果レベルのバイナリフィードバックを組み合わせたトレーニングフレームワークである。 実験の結果,Step-KTOは最終回答の精度と中間推論の質の両方を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2025-01-18T15:38:03Z)
• Human Evaluation of Procedural Knowledge Graph Extraction from Text with Large Language Models [0.17476232824732776]
  我々は,Large Language Model (LLM) の機能を活用し,ステップ,アクション,オブジェクト,機器,時間情報を抽出するための迅速な工学的アプローチを提案する。 LLM抽出した手続き的知識の質と有用性を質的に定量的に評価するために,ユーザスタディを用いてKG抽出結果を評価した。
  論文  参考訳（メタデータ） (2024-11-27T10:36:28Z)
• Automatic Evaluation for Text-to-image Generation: Task-decomposed Framework, Distilled Training, and Meta-evaluation Benchmark [62.58869921806019]
  GPT-4oに基づくタスク分解評価フレームワークを提案し、新しいトレーニングデータセットを自動構築する。 我々は、GPT-4oの評価能力を7BオープンソースMLLM、MiniCPM-V-2.6に効果的に蒸留するための革新的なトレーニング戦略を設計する。 実験結果から,我々の蒸留したオープンソースMLLMは,現在のGPT-4oベースラインよりも有意に優れていた。
  論文  参考訳（メタデータ） (2024-11-23T08:06:06Z)
• MME-Survey: A Comprehensive Survey on Evaluation of Multimodal LLMs [97.94579295913606]
  MLLM(Multimodal Large Language Models)は、産業と学術の両方から注目を集めている。 開発プロセスでは、モデルの改善に関する直感的なフィードバックとガイダンスを提供するため、評価が重要である。 この研究は、研究者に異なるニーズに応じてMLLMを効果的に評価する方法を簡単に把握し、より良い評価方法を促すことを目的としている。
  論文  参考訳（メタデータ） (2024-11-22T18:59:54Z)
• Context is Key: A Benchmark for Forecasting with Essential Textual Information [87.3175915185287]
  コンテキスト is Key" (CiK) は、数値データを多種多様なテキストコンテキストと組み合わせた予測ベンチマークである。 我々は,統計モデル,時系列基礎モデル,LLMに基づく予測モデルなど,さまざまなアプローチを評価する。 提案手法は,提案するベンチマークにおいて,他の試験手法よりも優れる簡易かつ効果的なLCMプロンプト法である。
  論文  参考訳（メタデータ） (2024-10-24T17:56:08Z)
• WISE: Unraveling Business Process Metrics with Domain Knowledge [0.0]
  複雑な産業プロセスの異常は、しばしばイベントデータの高変動性と複雑さによって隠蔽される。 本稿では、ドメイン知識、プロセスマイニング、機械学習の統合により、ビジネスプロセスメトリクスを分析する新しい手法WISEを紹介する。 WISEはビジネスプロセス分析における自動化を強化し、望ましいプロセスフローからの逸脱を効果的に検出する。
  論文  参考訳（メタデータ） (2024-10-06T07:57:08Z)
• 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)
• MR-Ben: A Meta-Reasoning Benchmark for Evaluating System-2 Thinking in LLMs [55.20845457594977]
  大規模言語モデル(LLM)は、問題解決と意思決定の能力の向上を示している。 本稿ではメタ推論技術を必要とするプロセスベースのベンチマークMR-Benを提案する。 メタ推論のパラダイムは,システム2のスロー思考に特に適しています。
  論文  参考訳（メタデータ） (2024-06-20T03:50:23Z)
• QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
  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)
• Automatic Discovery of Multi-perspective Process Model using Reinforcement Learning [7.5989847759545155]
  深層Q-Learningに基づく多視点プロセスモデルの自動発見フレームワークを提案する。 我々のDual Experience Replay with Experience Distribution(DERED)アプローチは、プロセスモデル発見ステップ、適合チェックステップ、拡張ステップを自動的に実行できます。 ポートロジスティクス、鉄鋼製造、金融、IT、政府管理で収集された6つの実世界のイベントデータセットを用いて、我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2022-11-30T02:18:29Z)
• 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。