論文の概要: Optimization of Activity Batching Policies in Business Processes
- arxiv url: http://arxiv.org/abs/2507.15457v1
- Date: Mon, 21 Jul 2025 10:11:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.350784
- Title: Optimization of Activity Batching Policies in Business Processes
- Title（参考訳）: 業務プロセスにおける活動バッチ政策の最適化
- Authors: Orlenys López-Pintado, Jannis Rosenbaum, Marlon Dumas,
- Abstract要約: ビジネスプロセスでは、アクティビティは共同実行のために複数のアクティビティインスタンスをパックすることを指す。
本稿では, 待ち時間, 処理時間, コストの最適なトレードオフを打つ政策の発見の問題に対処する。
- 参考スコア（独自算出の注目度）: 0.28675177318965045
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In business processes, activity batching refers to packing multiple activity instances for joint execution. Batching allows managers to trade off cost and processing effort against waiting time. Larger and less frequent batches may lower costs by reducing processing effort and amortizing fixed costs, but they create longer waiting times. In contrast, smaller and more frequent batches reduce waiting times but increase fixed costs and processing effort. A batching policy defines how activity instances are grouped into batches and when each batch is activated. This paper addresses the problem of discovering batching policies that strike optimal trade-offs between waiting time, processing effort, and cost. The paper proposes a Pareto optimization approach that starts from a given set (possibly empty) of activity batching policies and generates alternative policies for each batched activity via intervention heuristics. Each heuristic identifies an opportunity to improve an activity's batching policy with respect to a metric (waiting time, processing time, cost, or resource utilization) and an associated adjustment to the activity's batching policy (the intervention). The impact of each intervention is evaluated via simulation. The intervention heuristics are embedded in an optimization meta-heuristic that triggers interventions to iteratively update the Pareto front of the interventions identified so far. The paper considers three meta-heuristics: hill-climbing, simulated annealing, and reinforcement learning. An experimental evaluation compares the proposed approach based on intervention heuristics against the same (non-heuristic guided) meta-heuristics baseline regarding convergence, diversity, and cycle time gain of Pareto-optimal policies.
- Abstract（参考訳）: ビジネスプロセスにおいて、アクティビティ・バッチリング(Activity batching)とは、共同実行のための複数のアクティビティ・インスタンスをパックすることを指す。
バッチにより、マネージャは、待ち時間に対してコストと処理の労力をトレードオフすることができます。
大規模で頻度の低いバッチは、処理の労力を減らし、固定コストを減らしてコストを削減できるが、待ち時間が長くなる。
対照的に、より小さく頻繁なバッチは待ち時間を短縮するが、固定コストと処理労力を増加させる。
バッチポリシは、アクティビティインスタンスがバッチにグループ化され、各バッチがアクティベートされるタイミングを定義する。
本稿では, 待ち時間, 処理時間, コストのトレードオフを最適に行うバッチ化ポリシの発見の問題に対処する。
本稿では,パレート最適化手法を提案する。これは,与えられたアクティビティバッチポリシーのセット(おそらく空である)から始まり,介入ヒューリスティックスを通じて各バッチされたアクティビティに対する代替ポリシーを生成する。
各ヒューリスティックは、メトリック(待ち時間、処理時間、コスト、リソース利用)および関連するアクティビティのバッチポリシー(介入)に関するアクティビティのバッチポリシーを改善する機会を特定する。
各介入の影響はシミュレーションによって評価される。
介入ヒューリスティックは最適化メタヒューリスティックに組み込まれており、これまで特定された介入の正面でParetoを反復的に更新するために介入をトリガーする。
本論文は3つのメタヒューリスティックスについて考察する:丘登り, 模擬焼鈍, 強化学習。
実験的な評価は、パレート最適政策の収束、多様性、サイクルタイムゲインに関する同じ(非ヒューリスティックガイド付き)メタヒューリスティックスベースラインに対する介入ヒューリスティックスに基づく提案手法の比較である。
関連論文リスト
- Haste Makes Waste: Evaluating Planning Abilities of LLMs for Efficient and Feasible Multitasking with Time Constraints Between Actions [56.88110850242265]
本稿では,現実の調理シナリオに基づいた新しいベンチマークフレームワークRecipe2Planを紹介する。
従来のベンチマークとは異なり、Recipe2Planは並列タスク実行による調理時間を最適化するためにエージェントに挑戦する。
論文 参考訳（メタデータ） (2025-03-04T03:27:02Z) - Self-Regulation and Requesting Interventions [63.5863047447313]
介入要求のための"helper"ポリシーをトレーニングするオフラインフレームワークを提案する。
PRMによる最適介入タイミングを判定し,これらのラベル付き軌道上でヘルパーモデルを訓練する。
このオフラインアプローチは、トレーニング中のコストのかかる介入コールを大幅に削減する。
論文 参考訳（メタデータ） (2025-02-07T00:06:17Z) - Active Fine-Tuning of Multi-Task Policies [54.65568433408307]
AMF(Active Multi-task Fine-tuning)を提案する。
我々は,AMFの性能保証を規則性仮定で導き,複雑・高次元環境における実験的有効性を示す。
論文 参考訳（メタデータ） (2024-10-07T13:26:36Z) - Towards Dynamic Feature Acquisition on Medical Time Series by Maximizing Conditional Mutual Information [11.882952809819855]
医療やウェアラブルにおいて、どの時系列を計測し、いつ測定するかを知ることが重要な課題だ。
条件付き相互情報から着想を得て,下流損失のみを用いてエンド・ツー・エンドの学習者へのアプローチを提案する。
論文 参考訳（メタデータ） (2024-07-18T11:54:34Z) - MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。
MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。
また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
論文 参考訳（メタデータ） (2024-06-11T17:55:25Z) - Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。
合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
論文 参考訳（メタデータ） (2023-10-24T01:00:01Z) - Learning When to Treat Business Processes: Prescriptive Process
Monitoring with Causal Inference and Reinforcement Learning [0.8318686824572804]
プロセスの成功率の増加、すなわち、ポジティブな結果に終わるケースの割合は、反復的なプロセス改善の目標である。
本稿では,意思決定作業を自動化する規範的モニタリング手法を提案する。
因果推論と強化学習を組み合わせて、ネットゲインを最大化する治療方針を学習する。
論文 参考訳（メタデータ） (2023-03-07T00:46:04Z) - Planning Multiple Epidemic Interventions with Reinforcement Learning [7.51289645756884]
最適な計画は、寿命の最小限の損失、病気の重荷、経済的コストによる流行を抑制することである。
最適な計画を見つけることは、現実的な設定における難解な計算問題である。
我々は、最先端のアクター-批評家強化学習アルゴリズムを、全体的なコストを最小化する計画の探索に適用する。
論文 参考訳（メタデータ） (2023-01-30T11:51:24Z) - Prescriptive Process Monitoring Under Resource Constraints: A Causal
Inference Approach [0.9645196221785693]
既存の規範的なプロセス監視技術は、トリガーされる可能性のある介入の数が無制限であると仮定する。
本稿では,固定資源制約下でのコスト関数を最適化するために介入をトリガーする規範的プロセス監視手法を提案する。
論文 参考訳（メタデータ） (2021-09-07T06:42:33Z) - 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) - Kalman meets Bellman: Improving Policy Evaluation through Value Tracking [59.691919635037216]
政策評価は強化学習(RL)における重要なプロセスである
我々はKalman Optimization for Value Approximation (KOVA)と呼ばれる最適化手法を考案した。
KOVAはパラメータとノイズリターンの不確実性の両方に関する正規化対象関数を最小化する。
論文 参考訳（メタデータ） (2020-02-17T13:30:43Z)
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。