基于概念漂移的预测性业务流程监控方法

为解决现有的业务流程监控(BPM)方法的模型精度随时间下降和实时性较差的问题,提出一种基于概念漂移的预测性业务流程监控(PPM)方法。首先,对事件日志数据进行预处理及编码;其次,利用双向长短时记忆(BiLSTM)网络模型从前后方向捕获足够的序列信息以构建业务流程模型,并利用注意力机制充分考虑不同事件对预测结果的贡献程度,赋予事件日志不同的权重,从而减少噪声对预测结果的影响;最后,将正在执行的实例输入构建的模型,得到预测的执行结果,并将这些结果作为历史数据对模型微调。在8个公开且真实的数据集上的测试结果表明,所提方法的平均预测准确率相较于支持向量机(SVM)、逻辑回归(LR)和随机森林(RF)等已有的BPM方法提升了5.4%~23.8%,且早期性和时间性能都优于现有的研究方法。

基于深度学习的融合流程多视角行为分析:预测业务流程监控

预测性业务流程监控(PBPM)是业务流程管理(BPM)中的一个重要研究领域,旨在准确预测未来的行为事件。目前,PBPM研究中广泛引用了深度学习方法,但大多数方法只考虑单一的事件-控制流视角,无法将属性-数据流视角与之结合进行流程预测。针对这一问题,提出了一种基于双层BERT神经网络和融合流程多视角行为分析方法(简称FMP框架)。首先,基于第一层BERT学习属性-数据流信息;接着,基于第二层BERT学习事件-行为控制流信息;最后,通过FMP框架融合数据流和控制流实现多维视角流程预测。在真实的事件日志中的实验结果表明,相比其他研究方法,基于FPM框架预测下一个事件的活动精度更高。这证明融合流程多视角的FMP框架能够更全面、更深层次地分析复杂的流程行为,并提高预测的性能。

基于Web Service代理的业务流程监控

为了能高效地从业务流程中抽取出所需的绩效指标,提出利用Web service代理(WS-Proxy)对基于Web service的业务流程进行监控。WS-Proxy提供单一的服务访问点,实现服务映射、消息转发和数据抽取。在YFilter的基础上开发基于DFA的抽取算法,WS-Proxy可以利用该算法高效地对Web service消息进行检查,对消息中的XML元素内容进行抽取。实验证明,WS-Proxy在处理SOAP消息时比YFilter具有更高的效率。

基于业务平台综合网管的全业务流程监控设计思路和解决方案

通过全业务流程分析,基础支撑平台与业务的关联分析,业务量值变化分析等设计思路,提出全业务流程监控解决方案。

基于XGBoost增量实现业务流程执行结果的预测性监控方法

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。

基于前缀树的业务流程增强预测方法

预测性业务流程监控主要利用已经发生的流程执行的数据,目前的主流方法是通过建立深度学习模型预测在线流程的执行情况。现有的流程预测深度学习方法主要利用历史事件日志数据来学习模型进行预测,较少考虑日志间的行为关系,本文通过挖掘流程执行期间日志之间的行为关系,以帮助提高预测模型的质量。将挖掘出的日志间的行为关系使用前缀树进行表示,并使用现有的基于深度学习的业务流程预测模型,在结果预测阶段通过前缀树结构筛选符合行为关系的预测结果提供决策支持,以此提高预测结果的精确度,并在事件日志中与基线方法进行比对,在预测下一个活动以及预测后缀方面,预测精度均有所提高。

基于时间卷积网络的业务流程预测监控

业务流程预测监控是过程挖掘和业务流程管理中的重要研究方向之一,在业务流程管理中事先预知运行流程未来发生的事件有很重要的意义。作为预测分析的一种应用,业务流程预测主要是利用从历史事件日志中学习的模型来预测正在运行的流程中将要发生的事件及其对应属性。基于深度学习的业务流程预测方法已经成为主流方法,主要有循环神经网络和卷积神经网络。针对循环神经网络和卷积神经网络的局限,提出一种基于时间卷积网络的业务流程预测方法,通过空洞卷积和因果卷积学习更长序列,并将业务流程中的事件及其属性都作为输入,在业务流程的执行场景中预测流程的下一个事件和剩余流程。通过3个真实生活事件日志数据集上的实验表明:对于预测下一事件任务和预测剩余流程任务时间卷积网络都有一定提升。

Self-Att-BiLSTM:一种面向业务流程活动与时间的多任务预测方法

业务流程中事件日志的分析与预测可以为流程监控和管理提供决策信息,现有研究方法多针对特定单个任务预测,不同任务间预测方法的可迁移性不高。多任务预测可以共享多个任务间的信息,提升单个任务预测的精度,但现有研究对重复活动的多任务预测效果有待提高。针对以上问题,提出一种注意力机制与双向长短时记忆结合的深度神经网络模型,实现对业务流程中重复活动和时间的多任务预测。预测模型可以共享不同任务已经学到的特征表示,实现多任务并行训练。在多个数据集中对不同方法进行对比,结果表明,所提方法提高了预测效率和预测精度,尤其对重复活动的预测精度有较好提升。

基于多视图Transformer的下一个事件预测

预测性业务流程监控依赖存储在事件日志中的历史数据预测当前执行流程的未来趋势.现有的基于深度学习的方法往往只考虑事件的活动和时间戳,忽略了事件的其他属性,导致预测下一个事件不够准确.针对此问题,提出一种基于多视图的Transformer模型进行预测,旨在提高对下一个事件的预测准确性.该模型基于事件日志中记录的各种事件信息,融合了自注意机制来建立事件序列和相应输出之间的复杂依赖关系,更全面地利用事件日志的信息.在4个真实生活事件数据集上的实验结果表明,所提出的方法在一定程度上提高了预测下一个事件任务的准确性,更准确地预测了未来业务流程中的事件.

基于动力学特征的BPM监控系统设计与应用

研究并扩展了业务流程系统动力学特征,给出了两组通用的业务流程监控特征参数集的定义和算法:平均特征参数集与动态特征参数集,前者描述业务流程或节点的平均动态情况后者描述其瞬时变动状态。在BPEL规范的基础上给出了一个BPM监控系统的接口与数据采集类设计,并以一个企业资产管理系统(EAM)流程实例分析了相关参数集在业务流程监控的应用。

电视播出业务综合监管系统的设计和运行

为处理日益复杂的电视台播出系统技术运维业务,浙江广播电视集团电视播出中心在传统监控系统的基础之上,设计并实现了一个涵盖流程监控、数据采集、数据分析、系统运维支撑等多项功能的播出业务综合监管系统。该系统建立了有效的流程管理、数据支持和知识积累模型,以解决过去播出系统中技术管理严重依赖技术人员个人经验、与系统现状运行数据脱节、缺乏有效流程管理的问题。本文介绍了该系统的整体设计,并对关键技术的实现进行详细阐述。

电视播出业务综合监管系统的设计和运行

为处理日益复杂的电视台播出系统技术运维业务,浙江广播电视集团电视播出中心在传统监控系统的基础上设计了涵盖流程监控、数据采集、数据分析、系统运维支撑等多项功能的业务综合监管系统。该系统建立了有效的流程管理、数据支持和知识积累模型,以解决过去播出系统中技术管理严重依赖技术人员个人经验、与系统现状运行数据脱节、缺乏有效流程管理的问题。本文介绍了该系统的整体设计,并对关键技术的实现进行详细阐述。

基于行为向量的在线事件流预测

为了有效分析事件流之间特定的行为关系并将其融入预测过程,提出一种基于事件流行为向量的在线事件流协同过滤推荐算法来预测下一个事件。首先分析事件流之间的结构相似性和行为相似性,以确定事件流的行为轮廓关系,在此基础上捕获事件流的行为依赖关系,将事件流构建为行为向量;然后调整传统的协同过滤推荐算法以分析在线事件流,对下一个事件流进行有效预测;最后,在Pm4py框架中实现相关算法,并在合成日志和真实日志中进行仿真预测。实验结果表明,行为向量能够体现事件流的行为关系,并提高预测的有效性。

基于BPEL的易货交易系统安全性研究

为解决因信用额度取代现金进行网上易货交易而造成的安全性问题,在电子商务领域引入Web服务与BPEL4WS规范,分析网上易货交易过程中业务流程实际模型;在以SSH及Ajax技术实现的华贸易货系统基础上,引进银行信用和结算服务,使用Web Services和BPEL技术设计业务流程,并依托监控软件BPM实现流程的自动化执行与安全性监控;通过Irrelevant和Inconsistent两种优化方式改善监控算法,提高监控效率和准确性。

分布式媒体集群处理中心应用设计与研究

浙江广播电视集团的分布式媒体集群处理中心,是基于播出安全和互联互通接口的业务属性,在原有播出系统与台内其他制作网络间构建的一套播出节目文件备播系统,本文详细介绍了分布式媒体集群处理中心的整体设计,并对其关键技术进行了详细的阐述。

基于关键对象指标(KOI)技术的全景智能化统一监测体系

广西人民广播电台广播台网系统中,以关键对象指标(KOI,Key Object Indication)为基础规范化、立体化进行全网运行监测,使用设备监控和业务流程监控两种技术,实现了针对物理链路节点的实时监控,在系统建成到今已先后多次成功的堵截了安全播出事故和隐患。对节目生产的全流程进行了监控,有效掌控节目生产的生产状态,极大的提高了节目的可控性和生产效率。同时结合音频自动技审和节目制作流程监控技术,能够提前发现并预警在节目生产过程中出现的质量问题。

Creating a Business Process Monitoring System ＂A-IOMS＂ for Software Development

In this paper, the authors establish the Amalab-integrated operation management system （A-IOMS） as a new way to carry out software development and monitor business processes. This new system puts the previously constructed the Amalab-project planning navigation system （A-PPNS） to work throughout the entire organization. The A-IOMS has several key elements. Specifically, the authors have constructed： （1） a Hi-reliability estimation system diagnostic tool that pinpoints problems with software development estimates and offers a prescription for resolving them; （2） a QA table map that allows for an immediate, thorough, and consistent quality assurance process; （3） a system for sharing software development schedules throughout the organization; and （4） a technological asset completion reporting system for passing down and cultivating software development technologies and strategically expanding them. The authors verified the effectiveness of the A-IOMS at company A, a systems integration company, and the given outcomes were obtained.