支持增量日志的业务流程剩余时间预测方法

• Published in: 计算机集成制造系统 Vol. 30; no. 11; pp. 3999 - 4008
• Main Authors: 郭娜, 刘聪, 李彩虹, 刘文娟, 高庆鑫, 曾庆田
• Format: Journal Article
• Language: Chinese
• Published: 山东理工大学电气与电子工程学院,山东 淄博 255000%山东理工大学计算机科学与技术学院,山东 淄博 255000 30.11.2024; 山东科技大学计算机科学与工程学院,山东 青岛 266590%山东理工大学计算机科学与技术学院,山东 淄博 255000%山东科技大学计算机科学与工程学院,山东 青岛 266590
• Subjects: 剩余时间; multi-feature predic-tion; 增量更新; 多特征预测; 预测性监控; 特征选择; remaining time; process prediction monitoring; incremental update; feature selection
• ISSN: 1006-5911
• DOI: 10.13196/j.cims.2023.0087

TP311.13; 流程预测性监控通过对业务流程及其属性的预测,预防运行中的实例未来可能会面临的风险,从而及时干预流程.流程剩余时间预测是避免业务超时风险的一项预测任务,然而业务执行是动态的过程,可能会随时间或业务规模的增长而发生变化.这就要求预测模型能够持续更新以捕捉这些变化,同时要有足够的输入信息来区分变化前后的差异,并且预测模型应具有充分的拟合与泛化能力.针对上述问题,本文提出支持增量日志的流程剩余时间预测框架.具体而言,提出特征自选取策略,构建多特征预测模型,丰富预测任务的已知信息,将所得特征组合作为模型输入,提高预测模型的拟合能力.然后,将定期和定量作为模型更新的判断依据,提出定期更新、定量更新和综合更新3种增量更新机制.最后,基于6个真实事件日志,实现了 3种不同的预测模型,模拟了增量更新过程.实验结果验证了本文所提方法的有效性,提高了流程剩余时间预测的准确率.