論文の概要: Mind the Long Tail: Understanding the Difficulty of Delay Detection in Business Processes
- arxiv url: http://arxiv.org/abs/2608.14367v1
- Date: Fri, 14 Aug 2026 15:08:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.414236
- Title: Mind the Long Tail: Understanding the Difficulty of Delay Detection in Business Processes
- Title（参考訳）: ロングテールの心:ビジネスプロセスにおける遅延検出の難しさを理解する
- Abstract要約: 残りの時間は典型的には右折であり,遅延が大きい症例はごくわずかである。
さらに, 予測の不確実性は, 遅延の程度で増大することを示す。
- 参考スコア（独自算出の注目度）: 11.211357105552686
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The early detection of delayed cases in business processes is a critical capability for organizations. Predictive process monitoring (PPM) supports this task by using historical event logs to predict the remaining time of ongoing cases, enabling timely interventions to avoid missed deadlines and service level violations. Although remaining time prediction has advanced considerably through sophisticated deep learning architectures, little is known about the intrinsic difficulty of delay detection itself. Since performance is typically assessed using aggregate metrics, prior work provides limited insight into how models perform across the target distribution, especially on the operationally most critical cases with large delays. In this paper, we address this gap by analyzing the difficulty of delay detection. Across 14 event logs, we show that remaining times are typically strongly right-skewed, with only a small fraction of cases exhibiting large delays. Existing models capture the mode of this distribution well but perform poorly on high-delay cases. We further uncover pronounced heteroscedasticity, showing that predictive uncertainty increases with delay magnitude. Based on these findings, we evaluate approaches to mitigate the imbalance problem, but find only limited benefits, suggesting that the key underlying problem may not be imbalance but higher uncertainty associated with delayed cases. We show that this correlation can be exploited to substantially improve the identification of delayed cases. Overall, our work provides new insights into the sources of difficulty in delay detection and identifies uncertainty-aware modeling as a promising direction for future PPM research.
- Abstract（参考訳）: ビジネスプロセスにおける遅延ケースの早期検出は、組織にとって重要な能力である。
予測プロセス監視(PPM)は、過去のイベントログを使用して、進行中のケースの残り時間を予測し、タイムリーな介入によって、デッドラインやサービスレベルの違反を回避することによって、このタスクをサポートする。
残時間の予測は高度なディープラーニングアーキテクチャを通じてかなり進んでいるが、遅延検出自体の本質的な困難についてはほとんど分かっていない。
パフォーマンスは通常、集約メトリクスを使用して評価されるため、事前の作業は、特に大きな遅延を伴う運用上の最も重要なケースにおいて、ターゲットディストリビューション全体におけるモデルのパフォーマンスに関する限られた洞察を提供する。
本稿では,遅延検出の難しさを解析し,このギャップに対処する。
14件のイベントログから, 残り時間は典型的には右折が強く, 遅れが大きい症例はごくわずかであった。
既存のモデルは、この分布のモードをよく捉えているが、高遅延のケースでは性能が良くない。
さらに, 予測の不確実性は, 遅延の程度で増大することを示す。
これらの結果から, 不均衡問題を緩和するためのアプローチを評価するが, 限られた利益しか見つからず, その根底にある問題は不均衡ではなく, 遅れたケースに関連付けられた不確実性が高い可能性があることを示唆する。
この相関を利用して遅延事例の同定を大幅に改善できることを示す。
全体として、本研究は遅延検出の困難さの原因に関する新たな知見を提供し、不確実性を考慮したモデリングを将来のPMM研究の有望な方向として認識する。
関連論文リスト
- Rethinking Vulnerability Remediation as a Capacity Allocation Problem [0.0]
本研究では,脆弱性修復をApache Jira,Mozilla Bugzilla,Red Hat Security errata,5つのパブリックJira組織,npm依存グラフを使用したフローコントロール問題として評価する。
プライマリイシュートラッカの到着時間の94～100%は、キャパシティ以上と推定されるキューに入る。
フロー制御解析は、オーバーロードからドレインキューへの遷移は、より短い解像度時間に関連付けられ、重度ファーストのシークエンシングは、固定容量における臨界遅延を減少させ、キャパシティ予約は、長時間の臨界遅延を減少させる。
論文 参考訳（メタデータ） (2026-08-28T16:42:53Z) - A Closer Look at Failure Modes in Temporal Understanding of Large Audio-Language Models [64.68800440221138]
大規模音声言語モデル(LALM)は、様々な音声理解タスクにおいて高いパフォーマンスを達成するが、時間的推論に苦慮する。
メカニスティック解析のために設計された3つの基礎的タスクに対して,1,657問のベンチマークを導入する。
拡張性に対する注意の重み付けを比較すると、音声トークン間での注意の再分配は、音声の注意を増大させるよりも効果的であることがわかった。
論文 参考訳（メタデータ） (2026-06-16T01:57:56Z) - Causally-Constrained Probabilistic Forecasting for Time-Series Anomaly Detection [1.8995711908407733]
本研究では,異常検出のための因果制約付き確率予測フレームワークを提案する。
ディープ・シークエンス・モデリングに先立って、明示的な時間付き因果グラフを統合する。
実験により,提案手法が最先端検出性能を実現することを示す。
論文 参考訳（メタデータ） (2026-04-20T09:24:28Z) - Modeling Sparse and Bursty Vulnerability Sightings: Forecasting Under Data Constraints [46.07145155913717]
概念実証リリース、検出テンプレート、オンラインディスカッションなどの脆弱性発見は、時間とともに予測できる。
我々は、脆弱性ごとの目撃の短期予測のためのいくつかのアプローチを評価する。
ポアソン回帰のようなカウントベースの手法はより安定で解釈可能な予測を生成する。
論文 参考訳（メタデータ） (2026-04-17T13:06:46Z) - Pattern-Based Time-Series Risk Scoring for Anomaly Detection and Alert Filtering -- A Predictive Maintenance Case Study [3.508168174653255]
本稿では,逐次パターンの類似性に基づいて,異常検出と警告フィルタリングを高速かつ効率的に行う手法を提案する。
本稿では, 大規模産業システムにおける異常検出を含む様々な目的で, このアプローチをどのように活用するかを示す。
論文 参考訳（メタデータ） (2024-05-24T20:27:45Z) - On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。
ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。
我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-24T08:08:05Z) - Stochastic Approximation with Delayed Updates: Finite-Time Rates under Markovian Sampling [73.5602474095954]
マルコフサンプリングの遅延更新による近似スキームの非漸近的性能について検討した。
我々の理論的な発見は、幅広いアルゴリズムの遅延の有限時間効果に光を当てた。
論文 参考訳（メタデータ） (2024-02-19T03:08:02Z) - Delays in Reinforcement Learning [2.5835347022640254]
この論文は、エージェントの環境状態の観察やエージェントの行動の実行の遅延を研究することを目的としている。
幅広い遅延が考慮され、潜在的な解決策が提示される。
論文 参考訳（メタデータ） (2023-09-20T07:04:46Z) - ZigZag: Universal Sampling-free Uncertainty Estimation Through Two-Step Inference [54.17205151960878]
汎用的でデプロイが容易なサンプリング不要のアプローチを導入します。
我々は,最先端手法と同等の信頼性のある不確実性推定を,計算コストを著しく低減した形で生成する。
論文 参考訳（メタデータ） (2022-11-21T13:23:09Z) - Clinical Risk Prediction with Temporal Probabilistic Asymmetric
Multi-Task Learning [80.66108902283388]
マルチタスク学習手法は、臨床リスク予測などの安全クリティカルな応用に注意を払って使用すべきである。
既存の非対称なマルチタスク学習手法は、低損失のタスクから高損失のタスクへの知識伝達を行うことにより、この負の伝達問題に対処する。
特徴レベルの不確実性に基づいて,特定のタスク/タイムステップから関連する不確実なタスクへの知識伝達を行う,新しい時間的非対称型マルチタスク学習モデルを提案する。
論文 参考訳（メタデータ） (2020-06-23T06:01:36Z) - Stochastic bandits with arm-dependent delays [102.63128271054741]
我々は、単純なUCBベースのアルゴリズムであるPatentBanditsを提案する。
問題に依存しない境界も問題に依存しない境界も、性能の低い境界も提供します。
論文 参考訳（メタデータ） (2020-06-18T12:13:58Z)
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。