Детальная информация

Предметная область связана с анализом и прогнозированием поведения бизнес-процессов. Задача заключается в прогнозировании времени завершения выполняющегося экземпляра бизнес-процесса по его частичной трассе. Проблема обусловлена тем, что процессы не обладают временным детерминизмом. Актуальность темы заключается в том, что оценка оставшегося времени выполнения позволяет заранее выявлять возможные задержки и контролировать соблюдение сроков. В работе предложен метод прогнозирования времени завершения бизнес-процесса на основе аннотированной системы переходов. Система переходов строится по журналу событий и описывает возможные состояния процесса и переходы между ними. Она дополняется статистическими характеристиками и моделями машинного обучения: классификатор Naive Bayes применяется для оценки вероятностей дальнейших переходов, а регрессионные модели SVR используются для прогнозирования оставшегося времени выполнения на переходах. Для исследования точности прогнозирования выбран журнал событий процесса обработки инцидентов в сфере ИТ-поддержки. Сравнивались два метода: SVR+NB и статистический метод, основанный на усредненных значениях (VDA). Результаты показали, что метод SVR+NB обеспечивает более точное прогнозирование: средняя абсолютная ошибка по сравнению с VDA снизилась с 3 ч 57 мин 25 с до 2 ч 20 мин 8 с, значение SMAPE уменьшилось с 51% до 32%, а значение MAPE - с 83% до 38%. Разработанный подход может применяться в системах мониторинга бизнес-процессов, где требуется заранее оценивать сроки завершения текущих экземпляров процессов и выявлять риск задержек.

The subject area is related to the analysis and prediction of business process behavior. The task is to predict the completion time of a running business process instance based on its partial trace. The problem is caused by the fact that processes do not have temporal determinism. The relevance of the topic lies in the fact that estimating the remaining execution time makes it possible to identify potential delays in advance and monitor compliance with deadlines. The work proposes a method for predicting business process completion time based on an annotated transition system. The transition system is constructed from an event log and describes possible process states and transitions between them. It is extended with statistical characteristics and machine learning models: the Naive Bayes classifier is used to estimate the probabilities of further transitions, while SVR regression models are used to predict the remaining execution time on transitions. To study the prediction accuracy, an event log of an incident management process in the field of IT support was selected. Two methods were compared: SVR+NB and a statistical method based on averaged values (VDA). The results showed that the SVR+NB method provides more accurate prediction: the mean absolute error compared to VDA decreased from 3 h 57 min 25 s to 2 h 20 min 8 s, the SMAPE value decreased from 51% to 32%, and the MAPE value decreased from 83% to 38%. The developed approach can be applied in business process monitoring systems where it is necessary to estimate the completion time of running process instances in advance and identify the risk of delays.

• Введение
• Анализ бизнес-процессов и методов прогнозирования их поведения
  • Определение, моделирование и управление бизнес-процессами
  • Исполнение бизнес-процессов
  • Методы прогнозирования поведения бизнес- процессов
• Метод прогнозирования времени завершения бизнес-процесса
  • Общие требования к исходным данным
  • Алгоритмы метода прогнозирования
  • Описание датасета
• Структурно-функциональная схема программного обеспечения
  • Описание функциональных модулей
  • Описание передаваемых данных
  • Описание программной реализации
• Исследование точности прогнозирования времени завершения бизнес-процесса в зависимости от длины префикса
  • Постановка эксперимента
  • Схема эксперимента
  • Результаты эксперимента
  • Анализ результатов эксперимента
• Заключение
• Список литературы