論文の概要: What's Coming Next? Short-Term Simulation of Business Processes from Current State

• arxiv url: http://arxiv.org/abs/2509.07747v1
• Date: Tue, 09 Sep 2025 13:48:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.338862
• Title: What's Coming Next? Short-Term Simulation of Business Processes from Current State
• Title（参考訳）: 次に何が起こるのか? 現状から見たビジネスプロセスの短期シミュレーション
• Authors: Maksym Avramenko, David Chapela-Campa, Marlon Dumas, Fredrik Milani,
• Abstract要約: ビジネスプロセスシミュレーション(Business Process Simulation)は、実装前にビジネスプロセスの変化を評価するアプローチである。 このユースケースに取り組むためのアプローチは、ワークロードが現在のものに似ている時点まで、長期的なシミュレーションを実行することです。 本稿では,現在進行中の事例のイベントログから得られた現在の状態の表現からシミュレーションを初期化する代替手法について検討する。
• 参考スコア（独自算出の注目度）: 0.4141513298907866
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Business process simulation is an approach to evaluate business process changes prior to implementation. Existing methods in this field primarily support tactical decision-making, where simulations start from an empty state and aim to estimate the long-term effects of process changes. A complementary use-case is operational decision-making, where the goal is to forecast short-term performance based on ongoing cases and to analyze the impact of temporary disruptions, such as demand spikes and shortfalls in available resources. An approach to tackle this use-case is to run a long-term simulation up to a point where the workload is similar to the current one (warm-up), and measure performance thereon. However, this approach does not consider the current state of ongoing cases and resources in the process. This paper studies an alternative approach that initializes the simulation from a representation of the current state derived from an event log of ongoing cases. The paper addresses two challenges in operationalizing this approach: (1) Given a simulation model, what information is needed so that a simulation run can start from the current state of cases and resources? (2) How can the current state of a process be derived from an event log? The resulting short-term simulation approach is embodied in a simulation engine that takes as input a simulation model and a log of ongoing cases, and simulates cases for a given time horizon. An experimental evaluation shows that this approach yields more accurate short-term performance forecasts than long-term simulations with warm-up period, particularly in the presence of concept drift or bursty performance patterns.
• Abstract（参考訳）: ビジネスプロセスシミュレーション(Business Process Simulation)は、実装前にビジネスプロセスの変化を評価するアプローチである。 この分野での既存の手法は主に戦術的意思決定をサポートし、シミュレーションは空の状態から始まり、プロセス変更の長期的影響を推定することを目的としている。 補完的なユースケースは運用上の意思決定であり、現在進行中のケースに基づいて短期的なパフォーマンスを予測し、利用可能なリソースの需要急増や不足といった一時的な破壊の影響を分析することである。 このユースケースに取り組むためのアプローチは、ワークロードが現在のもの(ウォームアップ)と類似している時点まで長期シミュレーションを実行し、パフォーマンスを測定することである。 しかし、このアプローチはプロセスにおける進行中のケースやリソースの現状を考慮していない。 本稿では,現在進行中の事例のイベントログから得られた現在の状態の表現からシミュレーションを初期化する代替手法について検討する。 1) シミュレーションモデルが与えられた場合、ケースやリソースの現在の状態からシミュレーションの実行を開始するためには、どのような情報が必要であるか。 (2) プロセスの現在の状態がイベントログからどのように引き出されるのか? 結果として生じる短期シミュレーションアプローチは、シミュレーションモデルと進行中のケースのログを入力として、所定の時間軸のケースをシミュレートするシミュレーションエンジンに具体化される。 実験により,本手法は,特にコンセプトドリフトやバースト性能パターンの存在下で,ウォームアップ期間の長期シミュレーションよりも短時間の予測精度が高いことが示された。

関連論文リスト

• Active Sequential Posterior Estimation for Sample-Efficient Simulation-Based Inference [12.019504660711231]
  逐次的神経後部推定(ASNPE)を導入する。 ASNPEは、シミュレーションパラメータ候補の効用を基礎となる確率モデルに推定するために、推論ループにアクティブな学習スキームをもたらす。 提案手法は,大規模実世界の交通ネットワークにおいて,高度に調整されたベンチマークと最先端の後方推定手法より優れる。
  論文  参考訳（メタデータ） (2024-12-07T08:57:26Z)
• AgentSimulator: An Agent-based Approach for Data-driven Business Process Simulation [6.590869939300887]
  ビジネスプロセスシミュレーション(Business Process Simulation, BPS)は、プロセスのパフォーマンスを様々なシナリオで推定するための汎用的な手法である。 本稿では,イベントログからマルチエージェントシステムを検出するリソースファーストなBPS手法であるAgentSimulatorを紹介する。 実験の結果,AgentSimulatorは従来の手法よりもはるかに少ない時間で計算精度を向上できることがわかった。
  論文  参考訳（メタデータ） (2024-08-16T07:19:11Z)
• Learning to Simulate: Generative Metamodeling via Quantile Regression [2.0613075946076904]
  従来のメタモデリング技術は、シミュレータ入力と単一出力要約統計量の間の関係を学習する。 生成メタモデリングという新しい概念を提案する。 生成メタモデルは、入力仕様に基づいて多数のランダム出力を高速に生成することができる。
  論文  参考訳（メタデータ） (2023-11-29T16:46:24Z)
• Learning non-Markovian Decision-Making from State-only Sequences [57.20193609153983]
  非マルコフ決定過程(nMDP)を用いた状態のみ列のモデルに基づく模倣を開発する。 非マルコフ制約をもつ経路計画課題において提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2023-06-27T02:26:01Z)
• CoSMo: a Framework to Instantiate Conditioned Process Simulation Models [1.6021728114882514]
  本稿では,ユーザの制約やアプリオリ知識の他の性質に基づいて,CoSMo(Conditioned Process Simulation Models)の発見に適した,新しいリカレントニューラルネットワークを提案する。 このアーキテクチャは、宣言型ルールを学習フェーズに組み込むことで、特定の制約に従うイベントログのシミュレーションを容易にする。
  論文  参考訳（メタデータ） (2023-03-31T08:26:18Z)
• Avoiding Post-Processing with Event-Based Detection in Biomedical Signals [69.34035527763916]
  学習対象としてイベントを直接扱うイベントベースのモデリングフレームワークを提案する。 イベントベースのモデリング(後処理なし)は、広範囲な後処理を伴うエポックベースのモデリングと同等以上のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-09-22T13:44:13Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)

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。