基于XGBoost增量实现业务流程执行结果的预测性监控方法

TP311; 随着工业制造业务流程智能化提升,以预测执行结果为目标的监控技术成为必需.该技术基于历史执行构建预测模型,从而对正在执行的流程进行结果预测.但现有研究假定流程执行行为一直保持不变,实际上流程在运行中常发生变化(即流程执行发生漂移),因此预测模型也需要适应这种漂移.针对这种情况,受到在线学习思想的启发,提出了基于XGBoost增量实现以流程执行结果为目标的预测流程监控技术,并分别在真实数据集和合成数据集上进行了大量的实验.实验结果表明,基于XGBoost的增量学习技术能够很好地为工业制造真实场景中的预测性流程监控提供一种有效的解决方案....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 30; no. 8; pp. 2756 - 2775
Main Authors 王娇娇, 马小雨, 刘畅, 俞定国, 俞东进, 张银珠
Format Journal Article
LanguageChinese
Published 浙江传媒学院智能媒体技术研究院,浙江 杭州 310018 01.08.2024
浙江省影视媒体技术研究重点实验室,浙江 杭州 310018%杭州电子科技大学计算机学院,浙江 杭州 310018%上海电机学院 信息化中心,上海 201306
Subjects
概念漂移
预测性业务流程监控
concept drift
incremental learning
XGBoost
predictive process monitoring
extreme gradient boosting
增量学习
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2023.BPM07

Cover

More Information
Summary:TP311; 随着工业制造业务流程智能化提升,以预测执行结果为目标的监控技术成为必需.该技术基于历史执行构建预测模型,从而对正在执行的流程进行结果预测.但现有研究假定流程执行行为一直保持不变,实际上流程在运行中常发生变化(即流程执行发生漂移),因此预测模型也需要适应这种漂移.针对这种情况,受到在线学习思想的启发,提出了基于XGBoost增量实现以流程执行结果为目标的预测流程监控技术,并分别在真实数据集和合成数据集上进行了大量的实验.实验结果表明,基于XGBoost的增量学习技术能够很好地为工业制造真实场景中的预测性流程监控提供一种有效的解决方案.
ISSN:1006-5911
DOI:10.13196/j.cims.2023.BPM07