پیش بینی زمان باقیمانده در اجرای فرایندهای شیء-محور با استفاده از مدل های یادگیری ماشین

پایش پیش بینانه فرایندها یکی از رویکردهای نوین در مدیریت فرایندهای کسب وکار است که با هدف پیش بینی وضعیت آینده اجرای فرایندها و ارائه بینش برای تصمیم گیری به موقع به کار می رود. در سال های اخیر ظهور داده های شیء محور (Object-Centric) که در آن هر رویداد می تواند با چندین شیء مرتبط باشد موجب گسترش نیاز به روش های پیش بینانه متناسب با این نوع داده ها شده است. یکی از مسائل کلیدی در این حوزه پیش بینی زمان باقی مانده اجرای فرایندها است که می تواند در بهینه سازی تخصیص منابع، کاهش تاخیرها و بهبود کیفیت خدمات نقشی اساسی ایفا کند. در این پژوهش با استفاده از داده های رویداد شیء محور و به کارگیری تکنیک های یادگیری ماشین مدلی برای پیش بینی زمان باقی مانده در اجرای فرایندها ارائه شده است. برای این منظور ویژگی های مرتبط با زمان فعالیت های پیشین و تعاملات بین اشیاء استخراج و به عنوان ورودی به مدل های مختلف یادگیری ماشین شامل رگرسیون خطی، جنگل تصادفی و گرادیان بوستینگ داده شده است. نتایج آزمایش ها بر روی داده های واقعی نشان می دهد که استفاده از رویکرد شیء-محور در ترکیب با مدل های یادگیری ماشین می تواند دقت پیش بینی زمان باقی مانده را به طور چشمگیری افزایش دهد.

کلیدواژه ها:

پایش پیش بینانه فرایندها ، فرایندهای شیء محور ، پیش بینی زمان باقی مانده ، یادگیری ماشین