BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  14,926,573

Khoa học xã hội

BB

Nguyễn Trương Thành Hưng, Trần Thị Cẩm Thanh, Trương Thị Cẩm Mai; Trương Thị Cẩm Mai(1); 

Ứng dụng quá trình điểm thời gian trong giám sát quá trình kinh doanh

Temporal point processes for business process monitoring

Tạp chí Khoa học Trường Đại học Quy Nhơn

2024

5

16

Dự báo quá trình giám sát kinh doanh là một nhiệm vụ dạng chuỗi thời gian đầy thách thức do bản chất phức tạp và biến thiên của các quy trình kinh doanh, liên quan đến việc dự đoán các trường hợp đang diễn ra như hoạt động tiếp theo, hậu tố hoạt động và dự đoán thời gian còn lại trong một quy trình kinh doanh. Quá trình điểm thời gian được sử dụng rộng rãi để mô hình hóa chuỗi các sự kiện xảy ra ở các khoảng thời gian không đồng đều, để mô hình hóa thời gian xảy ra và nắm bắt các phụ thuộc thời gian giữa các sự kiện. Với những tiến bộ gần đây trong mạng nơ-ron sâu, Quá trình điểm thời gian sâu đã nổi lên như một cách tiếp cận đầy hứa hẹn để nắm bắt các mẫu phức tạp trong chuỗi sự kiện với dấu thời gian. Do đó, Quá trình điểm thời gian sâu có thể là một cách tiếp cận tiềm năng để dự đoán quá trình giám sát kinh doanh. Trong bài báo này, chúng tôi thử nghiệm và xem xét hiệu quả của các nghiên cứu gần đây trong Quá trình điểm thời gian sâu đối với vấn đề giám sát quy trình kinh doanh dự đoán. Kết quả của chúng tôi cho thấy rằng các phương pháp Quá trình điểm thời gian sâu có tiềm năng trong hoạt động tiếp theo và dự đoán thời gian còn lại trong dự đoán quy trình giám sát kinh doanh. Những phát hiện này có thể hữu ích cho các chuyên gia và nhà nghiên cứu quan tâm đến việc phát triển các hệ thống dự đoán giám sát cho các quy trình kinh doanh.

Predictive business process monitoring is a challenging time series task due to the complex and dynamic nature of business processes, which involves predicting the ongoing cases in terms of the next activity, activity suffix, and remaining time prediction on a business process. Temporal point processes (TPPs) are widely used to model sequences of events happening at irregular intervals, to model the occurrence times of events, and to capture the temporal dependencies among them. With the recent advances in deep neural networks, deep TPPs have emerged as a promising approach for capturing complex patterns in event sequences with occurrence timestamps. Hence, deep TPPs can be a potential approach to tackle business predictive monitoring tasks. In this paper, we experiment and review the effectiveness of recent research on deep TPPs on the predictive business process monitoring problem. Our results suggest that TPP methods have the potential in the next activity and remaining time prediction in the predictive business process monitoring problem. The findings can be helpful to practitioners and researchers interested in developing predictive monitoring systems for business processes.

Xem toàn văn