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

چکیده مقاله

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

کلیدواژه‌ها

نویسندگان

محسن محمدی

استادیار گروه کامپیوتر، مجتمع آموزش عالی فنی مهندسی اسفراین

محمدی، محسن،1404،پیش بینی زمان باقیمانده در اجرای فرایندهای شیء-محور با استفاده از مدل های یادگیری ماشین،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین