پیش بینی مسیر و زمان نمونه فرآیندها با استفاده از مدل های فرآیندی غنی سازی شده با توزیع های احتمالاتی

امروزه در دنیای رقابتی و پویای کسب و کار، سازمان ها نیازمند تحلیل، پایش و بهبود فرآیندهای سازمانی با استفاده از سیستم مدیریت فرآیند سازمانی هستند. مدیریت، پیش بینی و کنترل زمانی رویدادها در سیستم های مدیریت فرآیند سازمانی یکی از چالش های این حوزه می باشد که محققان بسیاری را به خود جذب کرده است. در مدیریت هوشمند فرآیندها، با افزودن قابلیت پیش بینی وضعیت نمونه فرآیندهای درحال اجرا که شامل پیش بینی زمان اتمام نمونه فرآیند و همچنین پیش بینی زمان رسیدن نمونه فرآیند به یک نقطه مشخص در فرآیند می باشد، بهبود بسیاری در مدیریت بهتر فرآیندهای سازمانی ایجاد خواهد شد. رویکردهای بسیاری برای مواجهه با مسئله پیش بینی زمانی وجود دارد، اما توجه کمتری به بکارگیری تکنیک های یادگیری ماشین در برخورد با این مسئله شده است. در روش های موجود پیش بینی حرکت نمونه فرآیندها، تمام مسیرهای احتمالی در نظر گرفته می شود که موجب افزایش پیچیدگی محاسباتی و کاهش دقت پیش بینی می شود. در این مقاله، در مرحله اول، پیش بینی مسیر با تکنیک ماشین بردار پشتیبان انجام می گیرد و در مرحله دوم، پیش بینی زمانی تنها بر روی مسیر پیش بینی شده انجام می شود. برای پیش بینی زمانی، از توزیع های احتمالاتی اطلاعات زمانی مستخرج از سابقه رویداد با استفاده از اطلاعات صف بندی و اطلاعات زمان پردازش هر وظیفه استفاده می شود. از پایگاه داده مدیریت جریمه های جادهای برای محک روش پیشنهادی استفاده می شود. نتایج آزمایشات نشان می دهد که روش پیشنهادی نسبت به روش های موجود، به دقت بالاتری در پیش بینی حرکت نمونه فرآیندها دست یافته است.

کلیدواژه ها:

چرخه زمانی فرآیندهای سازمانی ، سیستم مدیریت فرآیندهای کسب و کار ، پیش بینی زمانی