CN102870129A - 动态自适应进程发现和遵守 - Google Patents
动态自适应进程发现和遵守 Download PDFInfo
- Publication number
- CN102870129A CN102870129A CN2011800221884A CN201180022188A CN102870129A CN 102870129 A CN102870129 A CN 102870129A CN 2011800221884 A CN2011800221884 A CN 2011800221884A CN 201180022188 A CN201180022188 A CN 201180022188A CN 102870129 A CN102870129 A CN 102870129A
- Authority
- CN
- China
- Prior art keywords
- node
- process steps
- accordance
- snapshot
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及动态自适应进程发现和遵守。模拟进程的方法包括:从一个或多个活动日志文件收集与执行的进程步骤有关的数据。解析收集的数据以确定已执行的一组进程步骤。确定关联值,所述关联值表示每个执行的进程步骤跟随每个其它执行的进程步骤的次数。生成图形,所述图形通过把已执行的每个进程步骤表示成该图形的节点以及把每个进程线程内的进程步骤之间的每个转变表示成该图形上的边,来表示执行的进程的模型。连接各对节点的边被赋予取决于所述关联值的数字,所述数字对应于由该对节点中的第一节点表示的进程步骤被由该对节点中的第二节点表示的进程步骤跟随的次数。
Description
相关申请
本申请要求3010年5月3日在美国专利商标局递交的序列号为12/772,629的专利申请的优先权,该申请的全部内容通过引用被结合于此。
技术领域
本公开涉及进程发现,更具体地说,涉及动态自适应进程发现和遵守的***和方法。
背景技术
业务进程是为了实现特定任务或目的而执行的一系列程序步骤。步骤可以手动进行,在计算机的帮助下进行,或者完全自动地进行。由于能够完成任务的方式很多,因此执行业务进程时存在大量的变化。通常,机构试图使业务操作流水线化,并通过使业务进程形式化来保持始终如一的高质量等级。业务进程的形式化可包括以公布的程序和其它政策声明的形式,颁布正式进程模型。
不过,即使在机构颁布形式化的业务进程之后,仍然难以监视和强制遵守,从而难以确定实际实践和形式化进程的一致程度。因而,鉴于与监视和强制遵守相关的困难性,机构可能缺乏快速有效地优化业务操作的能力。
业务进程管理(BPM)是一种管理机构的方法,它可利用信息技术,通过提供其上可执行业务进程步骤的技术平台,使各种业务进程的执行更容易。虽然BPM试图不断改进业务进程,但是与监视和强制遵守正式业务进程相关的困难会限制BPM的效力。
发明内容
一种模拟进程的方法,包括:从一个或多个活动日志文件收集与执行的进程步骤有关的数据。解析收集的数据以确定已执行的一组进程步骤。识别指示所述执行的进程步骤的执行顺序的进程线程。确定关联值(incidence value),所述关联值表示每个执行的进程步骤跟随所述收集的数据的每个识别的进程线程内的每个其它执行的进程步骤的次数。生成图形,所述图形通过把已执行的每个进程步骤表示成该图形的节点以及把每个进程线程内的进程步骤之间的每个转变表示成该图形上的边,来表示执行的进程的模型。对于所述图形的任意给定一对节点,连接该对节点的边被赋予取决于关联值的数字,所述数字对应于由该对节点中的第一节点表示的进程步骤被由该对节点中的第二节点表示的进程步骤跟随的次数。使生成的图形可被用户访问。
一种模拟进程的方法,包括:从一个或多个活动日志文件收集和执行的进程步骤有关的数据。解析收集的数据以确定已执行的一组进程步骤。确定关联值,所述关联值表示每个执行的进程步骤跟随所述收集的数据的每个其它执行的进程步骤的次数。生成图形,所述图形通过把已执行的每个进程步骤表示成该图形的节点以及把进程步骤之间的每个转变表示成图形上的边,来表示执行的进程的模型。对于所述图形的任意给定一对节点,连接该对节点的边被赋予取决于关联值的数字,所述数字对应于由该对节点中的第一节点表示的进程步骤被由该对节点中的第二节点表示的进程步骤跟随的次数。显示生成的图形。
一种模拟进程的计算机程序产品,包括:其中包含计算机可读程序代码的计算机可读存储介质。计算机可读程序代码包括:配置成从一个或多个活动日志文件收集与执行的进程步骤有关的数据的计算机可读程序代码;配置成解析收集的数据以确定已执行的一组进程步骤的计算机可读程序代码;配置成确定关联值的计算机可读程序代码,所述关联值表示每个执行的进程步骤跟随所述收集的数据的每个其它执行的进程步骤的次数;配置成生成图形的计算机可读程序代码,所述图形通过把已执行的每个进程步骤表示成该图形的节点以及把进程步骤之间的每个转变表示成该图形上的边,来表示执行的进程的模型,其中对于所述图形的任意给定一对节点,连接该对节点的边被赋予取决于所述关联值的数字,所述数字对应于由该对节点中的第一节点表示的进程步骤被由该对节点中的第二节点表示的进程步骤跟随的次数;和配置成显示生成的图形的计算机可读程序代码。
附图说明
易于获得本公开及其许多附随方面的更完整理解,因为当结合附图考虑参考以下详细说明时,可更好地理解本公开及其许多附随方面,其中:
图1是图解说明生成按照本发明的例证实施例的观察的业务进程图的流程图;
图2图解说明按照本发明的例证实施例,可用于保存业务进程图快照的数字特里(trie)数据结构的例子;
图3图解说明按照本发明的例证实施例的具有多级的数字特里数据结构的例子;
图4A是按照本发明的例证实施例生成的业务进程图的例子;
图4B是图解说明利用图4A的图形的边缘粗细表示的转变比的表格;
图5图解说明按照本发明的例证实施例,显示业务进程图快照的表示的例证的基于图像的格式;和
图6表示能够实现按照本公开的实施例的方法和设备的计算机***的例子。
具体实施方式
在描述在附图中图解说明的本公开的例证实施例的时候,为了清楚起见,采用了具体术语。不过,本公开并不意图局限于这样选择的具体术语,要明白每个具体元件包括按照相似方式操作的所有技术等同物。
实践中,可能按照偏离规定程序和/或形式化程序的方式,执行实际的业务进程。这种偏离可能由在使程序形式化的时候无法预料的障碍和低效率、进程随着时间的演进、和/或雇员的不遵守所引起。因而,精确测量实际进程执行是改善工作流的有益努力。
本发明的例证实施例试图提供一种模拟实际的业务进程执行的自动化方案。通过精确模拟实际的业务进程执行,机构能够比较实际进程与形式化进程和其它指示,以确定一致度和隔离偏离点,使得可以采取补救措施,从而实现遵守形式化的进程,和影响未来的政策。
本发明的例证实施例能够利用图形表示实际的业务进程执行,在所述图形中,图形的每个节点代表业务进程中的一个步骤,一系列的边连接各个节点,以表示观察到的从一具节点到下一个节点的转变。各边的粗细可正比于观察到的第一步骤的执行会导致第二步骤的执行的倾向。因而,单个图形能够图解说明业务进程在多个进程执行上是如何被实际执行的。
图形生成可以完全自动化,使得可以用简单并且直观的方式表示业务进程的实际执行,而不消耗相当大的机构资源。通过当在往往会保持详细的活动日志的各种计算机化平台内完成进程步骤时,收集在业务的正常过程中生成的一个或多个活动日志,可以完成图形生成。收集的活动日志可被自动解析,以识别进程步骤,和确定从一个进程步骤到下一个进程步骤的工作流的特性。正是该信息可用于生成所述图形。
这些图形可被定期更新或者实时更新。随后对照形式化业务进程比较各个图形,以识别偏离点。还可对照以前的图形比较各个图形,以确定变化。还可比较各个图形和来自其它机构分支或者其它机构的相似图形,以提供不同的实体如何处理相似任务的指示。可以发现这样生成的图形的其它重要应用,本发明并不局限于这样生成的图形的特殊应用。与进行的分析的性质无关,这些图形的自动生成和呈现可以和现有的BPM***一起使用,或者单独使用,以使机构运作流水线化以及确保质量。
图4中表示了如这里所述生成的业务进程图的例子,下面更详细地说明该例子。
图1是图解说明生成按照本发明的例证实施例的上述观察到的业务进程图的流程图。首先,可以收集和解析活动日志文件(步骤S11)。活动日志文件的收集包括从在评估的给定业务进程的执行中所涉及的一个或多个计算机化***取回保存的活动日志文件。在从多个来源收集活动日志的情况下,可以进行相互参照,以协调业务进程步骤,使得即使在多个活动日志文件中记录了各种步骤的情况下,也能够从业务步骤到业务步骤地追踪各个业务进程执行。一个或多个活动日志的解析可包括识别已执行的实际业务进程步骤,和确定已执行业务进程步骤的次序。
本发明的例证实施例可以利用已知的基于业务起源的***,跨多个来源地组合活动日志,从而产生单个的执行日志,所述执行日志包含与端到端业务进程的单个实例的执行关联的相关列表。服务起源被认为是捕捉和管理业务工件(artifact)的出身以发现业务的功能特征、机构特征、日期特征和资源特征的过程。因而,业务起源可以按照本发明的例证实施例被用于收集和解析活动日志,以确定已执行进程步骤的顺序,并从而可被用于通过收集、关联和分析操作数据,比如从活动日志获得的数据,来自动发现在业务进程执行期间确切地发生了什么。
例如在美国专利申请序列号No.12/265,975;12/265,986;12/265,993;和12/266,052中,可以找到可以结合本发明的例证实施例使用的基于业务起源的***的例子,这些专利申请均在此整体引为参考。
在收集和解析活动日志文件之后,可以用图表示第一业务进程执行(步骤S12)。第一业务进程执行可代表在预定业务进程的一个执行期间进行的进程步骤的次序的单个追溯。用图表示业务进程可包括为从活动日志中识别出的每个进程步骤定义一个节点,和在各个节点之间形成表示在第一业务进程执行期间,执行各个进程步骤的顺序的各边。例如,在第一业务进程执行包括3个步骤“A”、“B”和“C”,同时步骤“A”最先被执行、步骤“C ”其次被执行而步骤“B”最后被执行的情况下,所述第一执行的图示可包括3个节点“A”、“B”和“C”,和连接“A”和“C”的第一边及连接“C”和“B”的第二边。每条边可被表示成既有方向又有粗细的向量。从而,连接“A”和“C”的边会不同于连接“C”和“A”的边。边的粗细代表利用该边表示的转变的发生频度。例如,粗边可代表经常发生的转变,而细边可代表很少发生的转变。
在用图表示第一业务进程执行之后,可以利用另外的业务进程执行更新该图形(步骤S13)。业务进程的另外执行可代表与在步骤S12中图示的第一业务进程类似的业务进程的随后执行。所述随后执行可由相同或者不同的个人和/或自动化***实现。可以从和第一执行相同的活动日志、不同的活动日志、或者更新的活动日志中,解析和所述随后执行有关的数据。例如,在图形被更新的时候,日志可随着新的执行继续被更新。在这方面,可以与业务进程的执行同时地进行图示。
例如,当在大型机构内执行业务进程时,给定业务进程可能在一天内被执行数百次或数千次。和特定业务进程的每个执行有关的活动日志可被用于实时地更新图形,使得图形代表可获得的最完整的数据集。不过,本发明的例证实施例并不局限于利用所有可获得的数据来生成和更新图形,也可以随机地或者利用其它手段选择可用数据的子集来生成和更新图形。例如在整个数据集特别大的情况下,这样的策略是理想的。
在图示另外的执行的时候,在执行新的处理步骤的情况下,可以增加新的节点。另外,边的粗细可被更新,以反映发生的从一个步骤到另一个步骤的转变的频度。例如,每次发生从一个步骤到另一个步骤的转变时,连接这些步骤的边的粗细可被增加一个度量。另一方面,可以进行更新边的粗细的更复杂技术,如下详细所述。
可以重复用另外的数据更新图形的处理(步骤S13)。所述重复可以继续设定的迭代次数,直到在图形中反映了所有的活动日志数据为止,或者所述重复可以无限地继续下去,从而在收集到新的活动日志数据时,更新所述图形。
当结束根据收集的活动日志数据更新图形的时候,可以呈现所述图形(步骤S14)。图形的呈现可包括向一个或多个用户实际显示所述图形,保存所述图形供未来参考,或者以某种其它方式利用所述图形。代替或者除了在完成图形的更新之后进行呈现之外,也可以在步骤S13中更新图形的时候,不断地进行所述呈现。这样,当图形被改变时,就可呈现所述图形,使得用户可以观察图形在任意特定时刻的当前状态。
可以检查呈现的图形,以确定报警是否适当(步骤S15)。在超过特定阈值的情况下,报警是适当的。阈值可按照用户选择的标准或者其它预定标准来定义。例如,阈值可以是特定数目的节点、特定的边粗细、或者偏离形式化进程的超出度。在判定已超过阈值的情况下(是,步骤S15),可以生成报警(步骤S16)。所述报警可包括自动向一个或多个预定的电子邮件地址发送电子邮件,或者某种其它形式的通知。
按照本发明的例证实施例,可选特征是从生成的图形中提取正式进程模型。由于图形可代表实际执行的进程,因此希望使进程形式化的机构可利用生成的图形作为建立正式进程的基础。
在这种情况下,例如可以在其中利用活动日志文件生成和/或更新图形的预定时间长度之后,从生成的图形中提取正式进程。另一方面,可在发生预定的触发事件时,比如当随后的模型更新不再显著改变图形的外观时,或者当图形中的某些性质发生变化时,可以进行所述提取。例如,如果最新的业务进程模型图和初始图形之间的距离大于预定数字范围时,可以触发正式模型提取。这里,如下详细所述,可以按照计算快照值的方法,计算数值范围。
在期望保存图形在特定时刻的状态,以便比较该图形和其它图形,或者在不同时刻的相同图像的情况下,可以获得该图形的当前状态的“快照”(步骤S17)。快照可包括在特定时刻存在的该图形的副本,它可包括各个节点和各边。快照还可包括元数据,比如获得用于生成图形的活动日志数据的日期、指示图形是否超过报警阈值的布尔值、指示已遇到相似或相同图形的次数的计数、或者其它有关数据。
快照还可被简化成以某种方式描述该图形相对于其它图形的特性的特定快照值。存在多种表征特定快照的值的方案。这种方案的一种简化例子是计数节点和边的总数。也可以使用更复杂的度量,用数值表示进程模型图。这些值随后可用于利用值之间的“距离”,计算两个进程模型图之间的差异的度量。两个进程模型M和M′之间的这种距离可被定义为把M变换成M′所需的高级变化操作(例如,***、删除或移动活动)的最小数目。确定两个进程模型之间的距离可被表述成非确定性多项式时间难问题。适用于该问题的启发式算法相当复杂。因而,本发明的例证实施例可以定义一个或多个度量,以向每个进程模型图快照赋予一个数值。这里使用的f(sk)代表向每个快照sk赋值的度量函数。
虽然上面说明的方案提供其中进程模型图和/或快照可被表述成便于比较的简单标量值的方法的例子,不过也可以使用其它适当的度量,并且本发明不应被理解成局限于上面陈述的特定方案。
虽然简单的标量代表一种对在特定时刻的进程模型图(快照)归类的便利方案,不过利用适当的数据结构,可以保存整个快照,以便未来参考和/或比较。本发明的例证实施例可以把快照保存在树形数据结构,例如B树数据结构或者数字特里数据结构(trie data structure)内(步骤S18)。特里数据结构是一种其中按照组和子组的树形结构保存和排列数据的数据结构,所述组和子组是按照可便利搜索的有特殊意义的性质划分的。特里数据结构包括根节点、根节点内的一个或多个箱节点(bin node)、和每个箱节点内的一系列桶节点(bucket node)。每个箱包括所有根数据的子集,由所述数据的子集落入的特定范围限定。每个桶包括其父箱范围的子集,并由它包括的数据的范围限定。不要求所有箱都代表大小相同的范围,以及类似地不要求所有桶都代表大小相同的范围。因而,对于不同的箱和桶来说,箱或桶的范围的大小可以不同。当期望改变各个范围时,特里数据结构也可被再平衡。
从而,数字特里数据结构是其中箱和桶代表特定数值范围(这里可以是上面讨论的快照值)的一种数据结构。可以有序列表的形式保存箱。这允许例如利用快照值进行二分搜索,以快速找出期望的快照。对所有箱来说,每个箱节点的桶节点的数目(也称为分支比)可以相同。类似地,每个桶的箱的最大数目可被例如固定在某个较小的值,以实现高效检索。
桶的范围可被称为子范围,因为它是父箱的范围的子集。箱和桶的范围和子范围分别不重叠于它们的兄弟箱和兄弟桶。
按照本发明的例证实施例,可选特征可包括把一个或多个规则应用于生成的图形,以确定图形的一个或多个节点或边的业务语义(步骤S19)。随后例如利用确定的业务语义,可从图形中提取正式业务进程模型。随后可把多个提取的正式业务进程模型保存在数据结构中。使用的数据结构允许高效的检索,和根据多个提取的正式业务进程模型之间的变化,产生报警的能力。
图2图解说明按照本发明的例证实施例,可用于保存业务进程图快照的数字特里数据结构的例子。根节点21代表整个数据集。从该根节点开始,可存在第一箱22。可以存在不止一个箱,不过,在所示的例子中,只存在一个箱22。箱22的范围(这里,[0,100])表示其中保存标量快照值从0到100的快照的事实。第一级26可被定义为箱22和所有的子桶23、24和25。第一子桶23可具有[0,33]的范围,从而可包含标量快照值从0到33的快照。第二子桶24可具有范围(33,67],从而可包含标量快照值从34到67的快照。第三子桶25可具有范围(67,100],从而可包含标量快照值从68到100的快照。在所有这三个子桶之间,表示完整的箱范围[0,100]。
数字特里数据结构足够灵活,以容纳快照值超过可用箱的当前范围的业务进程图快照的增加。例如,在为具有例如158的快照值的业务进程图快照提供新数据的情况下,可以向数字特里数据结构添加例如代表范围(100,200]的另一个箱。在该箱内,可以例如根据需要增加新的桶,以容纳新的数据。
数字特里数据结构还可灵活到足以被再平衡。再平衡是箱范围和桶范围的改变,和数据从一种类别到另一种类别的附随替换。例如在向任何一个类别添加大量数值的情况下,可能需要再平衡。通过使数据结构再平衡,搜索能够保持高效并且能够避免箱的溢出。
按照本发明的例证实施例,使数字特里数据结构再平衡的方案可包括增加额外的箱和减小箱范围的大小。这会获得使树形结构保持较浅和增加树形结构的宽度。另一方面,可以增大分支比从而产生额外的机构层级。通过减少从根节点搜索到箱节点所需的时间,第一选项可利用二分搜索技术,便利快速并且计算成本低的搜索。类似地,第二选项也不会计算成本高昂,因为可以使桶之间的搜索变得快速。由于再平衡处理本身计算成本高,因此通过允许箱具有子箱而不是桶,从而创建第二级,本发明的例证实施例可以降低与再平衡相关的计算成本。
图3图解说明按照本发明的例证实施例的具有多级的数字特里数据结构的例子。这里,第一级26的箱25可以是相对于第二级31的桶,在该桶内,可存在多个箱32、33和34。通过允许另外的层级,可以减少再平衡数字特里数据结构的需要,从而可以避免计算开销。
此外,通过允许箱节点具有子箱而不是桶,可以产生任意数目的层级,同时保持初始箱宽度(如图3的例子中所示的100)和分支比(如图3的例子中所示的3),以及桶大小。本发明的例证实施例从而可允许按照适应任意特里深度的方式的数字特里数据结构内的搜索。例如,可以判定箱的给定子节点是桶还是箱。如果子节点是桶,那么可以进行整个桶内的线性搜索,而如果子节点是箱,那么可以进行递归下降。
除了允许进程快照的存储和高效取回之外,数字特里数据结构还使报警的生成更容易。可以根据各种因素,比如(1)任意给定桶中的快照的数目生成报警。如果任意一个桶中的快照的数目超过特定阈值,那么例如可在使数字特里再平衡之前生成报警。另外,可以根据(2)快照的位置,生成报警。例如,如果特定的桶具有一个或多个快照,那么可以发出传达这些快照具有在特定范围(例如,该桶的范围)内的数值的消息的报警。
可以分析导致发出报警的快照的依赖图、转变向量和其它保存的元数据,从而提供对触发所述报警的情况的性质的了解。对诸如银行和保险公司之类的机构来说,报警可以用作检查和核实其业务进程的预防措施。当业务进程不遵守特定程序或方针时,也可以发出报警。例如,机构可以向每个进程快照赋予度量值,使得所述度量值建立指示进程不遵守方针的快照度量值的范围的列表。在这种情况下,机构可以标记数字特里数据结构中、与这些范围对应的箱,以便当超过给定数目的快照被保存在它们中时,发出报警。此外,机构随后可以分析这些箱中的快照,以更好地了解业务进程何时、有多频繁和在什么情况下不遵守特定程序或方针。
为了避免数字特里数据结构中显著的存储过载,用户可决定保存快照的子集,从而拒绝保存剩余的快照。用户可通过例如规定判定某个快照是否要被保存的标准,来实现这一点。虽然本发明并不局限于任何特殊的标准,不过本发明的例证实施例可以利用拓扑变化的度量作为保存快照的标准。例如,用户可以初始化检测两个连续快照之间的明显拓扑变化的度量,以及快照的存储因而可取决于所述度量。例如,可以利用图形的节点和边的函数,定义拓扑变化T。这种函数的示例可如下所示:
T(st,st-1)=f(k1(|e(st)-e(st-1)|)+k2(|v(st)-v(st-1)|))
其中e(st)代表快照st中的边的总数,v(st)代表快照st中的顶点的总数,k1和k2是可以是例如用户设定的常数。如果st-1和st之间的拓扑变化大于预定的阈值,那么可以保存快照st。
为了实现数字特里数据结构中的快照的存储,可以使用以下处理。首先,可以每隔规定的时间间隔,获得进程快照。进程快照可由具有顶点、边和在每个顶点的转变概率向量的依赖图组成,如上详细所述。随后,可以利用预定的度量,为该快照计算数值。随后可以检查当前快照是否代表相对于最后保存的快照的大到足以满足预定阈值标准的拓扑变化。当确定拓扑变化足够大时,可按照快照的数值,把快照连同例如适当的元数据一起保存在数字特里数据结构内。随后可判定新增加的数据是否满足生成报警的预定标准,以及当所述标准被满足时,可生成适当的报警。可以每隔规定的时间间隔重复该处理。
图4A是按照本发明的例证实施例生成的业务进程图的例子,图4B是图解说明用图4A的图形的边的粗细表示的转变比的表格。如上所述,本发明的例证实施例可生成表示观察到的从一个业务进程步骤到另一个业务进程步骤的实际业务进程执行转变的频度的图形,其中所述图形的每个节点代表业务进程中的一个步骤,以及连接各个节点的每条边代表观察到的从始发节点到目的地节点的转变率。所述转变率可代表从始发节点代表的业务进程步骤得出目的地节点代表的业务进程步骤的频度。转变率可被表示成发生这种转变的累积次数,或者可被表示成发生特定转变的次数和源于特定节点的转变的总数之比。
转变率可被概念化成“转变概率”,因为该值可代表推断的在进行始发节点代表的业务进程步骤之后,将跟随进行目的地节点代表的业务进程步骤的概率。不过,转变概率并不代表关于在未来发生这种转变的几率的现有知识。从节点“a”到节点“b”的转变率,或者说转变概率可被表示成
在图4A的例证图形中可以看出,存在代表观察到的业务进程步骤的6个节点。在每个节点,(表示成箭头的)边代表观察到的转变率,较粗的边代表更大的转变率。从而可以看出在进行与节点“A”相关的业务进程步骤之后,在大多数情况下进行与节点“C”相关的业务进程步骤。不过,存在之后进行与节点“B”相关的业务进程步骤,或者重复与节点“A”相关的业务进程步骤的时候。图4B的表格表示与图4A的例证图形一致的例证转变率。可以看出,从第一节点到第二节点的全部所有转变率合计为1(在存在这种转变的情况下),或者为0(在不存在这种转变的情况下,例如当与给定节点相关的业务进程步骤是业务进程中的最终步骤时)。例如,之和=1,而之和=0,因为节点“F”代表终结步骤。
虽然上面把转变率描述成代表从第一节点到第二节点的转变与源于第一节点的转变总数之比,不过可以使用其它更复杂的方法来计算转变率。例如,在期望与最近未观察到的转变相比,对最近的转变进行更大加权的情况下,本发明的例证实施例可提供各种技术把期望的加权表现在转变率的计算中。例如,本发明的一些例证实施例可以把基于“蚁群优化”的方法用于转变率计算。蚁群优化是一种以其中蚂蚁在身后留下气味(也称为信息素)痕迹,以相互帮助定位食物源的方式为基础的方法。由于每只蚂蚁在身后留下气味痕迹,因此沿着源于食物源的相同路径爬行的蚂蚁越多,气味路径变得越强烈。由于气味路径存在消失的趋向,因此未被另外的蚂蚁加强的路径会衰弱。
当应用于本发明的例证实施例时,转变率会因从给定初始节点到给定目的地节点的额外转变而增强,不过当未被加强时,也会随着时间而衰弱。例如通过当在活动日志中检测到从节点“a”到节点“b”的转变时,利用以下等式,更新从节点“a”到节点“b”的转变率,可以实现这种技术:
按照本发明的例证实施例,强化参数可被定义为r=f(cost(a,b)),其中r是从a到b的转变中的边的成本函数。这里,在期望某些转变应比其它转变具有更高成本的情况下,cost(a,b)可以是按照用户偏好设定的成本函数,如下详细所述。
如上所述,衰减地更新转变比是仅仅根据转变在活动日志中的出现水平,来更新转变比。例如,更新从节点“a”到节点“b”的边缘e1的转变比将是保持在实际业务进程执行的形迹(trace)(这里描述成1,...,T)中,检测到e1的次数的计数(表示成c(e1)),其中T是最近接收的形迹,并且迄今接收到总共|T|个形迹。从而,例如可按照以下等式计算
按照本发明的例证实施例,在根据活动日志数据,把转变比从更新为时,可以视情况使信任函数起作用。信任函数可用于调整特定转变的发生的权重。例如,在已知某些转变可为正常操作所特有的情况下,与被认为非常不寻常的转变的实例相比,从活动日志提取的这些转变的实例可被更大地加权。这样,可以使业务进程图的产生更偏向于可信的转变,而较少偏向于可疑的转变。
例如通过考虑到会使某些转变不太可能和/或不会发生的真实世界约束,用户可提供信任函数本身。用户可选择偏斜哪些转变,或者可以选择不利用信任函数偏斜任何转变。如下所述,可视情况实现这种特征。
代替利用信任函数,使产生的业务模型图上的不合理转变的重要性降至最小,信任函数也可用于使可能可疑的某些转变更暴露和突出。例如,在业务进程通常从“A”到“B”再到“C”的情况下,例如由于步骤“B”是要求批准的步骤,因此直接从“A”到“C”的转变会被赋予使这种转变在产生的图形上更突出的信任函数,使得在使更普通的转变不太突出的时,诸如此类的可疑转变更容易引起观察产生的图形的用户的注意。
本发明的例证实施例可提供一种以高度透彻的基于图像的格式,显示业务进程图快照的表现的方法。图5图解说明按照本发明的例证实施例的显示业务进程图快照的表现的例证图像格式。
如图5中所示,在单个图像内可以表示多个进程快照。在存在总共n2个快照的情况下,可利用映射函数,把这些快照映射到如图5中所示的尺寸为n×n像素的图像。使用的映射函数可以利用快照的拓扑,信任函数和/或转变比来产生每个快照的唯一色值,并随后在所述映射中,把所述色值显示成像素。色值可以具有从2比特颜色(黑或白)到例如24比特颜色的任何期望色深度,其中每种可能的颜色是利用8比特红色度、8比特绿色度和8比特蓝色度表示的。
通过利用例如标准数学软件包,比如Mathematica,可以使映射函数适合于包括所有n×n像素的最终单个图像。随后,例如,通过获得该多项式的导数,可以确定和显示挖掘的业务进程模型图的连续快照之间的变化率。
图6表示可实现本公开的方法和***的计算机***的例子。可以在计算机***,例如大型机、个人计算机(PC)、手持计算机、服务器等上运行的软件应用的形式,实现本公开的***和方法。软件应用可被保存在计算机***可本地访问,和通过与网络例如局域网或因特网的硬连线连接或者无线连接访问的记录介质上。
通常称为***1000的计算机***可包括例如中央处理器(CPU)1001,随机存取存储器(RAM)104,打印机接口1010,显示单元1011,局域网(LAN)数据传输控制器1005,LAN接口1006,网络控制器1003,内部总线1002,和一个或多个输入设备1009,例如,键盘、鼠标等。如图所示,***1000可通过链路1007,连接到数据存储设备,例如,硬盘1008。
这里说明的例证实施例是说明性的,并可以引入许多变化,而不脱离本公开的精神或者附加权利要求书的范围。例如,在本公开和附加权利要求书的范围内,不同例证实施例的要素和/或特征可以相互结合,或者相互替代。
Claims (25)
1.一种模拟进程的方法,包括:
从一个或多个活动日志文件收集与执行的进程步骤有关的数据;
解析收集的数据以确定已执行的一组进程步骤;
识别指示所述执行的进程步骤的执行顺序的进程线程;
确定关联值,所述关联值表示每个执行的进程步骤跟随所述收集的数据的每个识别的进程线程内的每个其它执行的进程步骤的次数;
生成图形,所述图形通过把已执行的每个进程步骤表示成该图形的节点以及把每个进程线程内的进程步骤之间的每个转变表示成该图形上的边,来表示执行的进程的模型,其中对于所述图形的任意给定一对节点,连接该对节点的边被赋予取决于所述关联值的数字,所述数字对应于由该对节点中的第一节点表示的进程步骤被由该对节点中的第二节点表示的进程步骤跟随的次数;和
使生成的图形可被用户访问,
其中上述各个步骤都是利用计算机***执行的。
2.按照权利要求1所述的方法,其中,表示每个执行的进程步骤跟随所述收集的数据内的每个其它执行的进程步骤的次数的关联值被计算成该对节点中的第二节点要跟随该对节点中的第一节点的可能性的估计值。
3.按照权利要求1所述的方法,其中,当向活动日志文件增加和执行的步骤有关的额外数据时,更新生成的图形,其中所述更新包括节点、边或者赋予各边的数字中的一个或多个的改变。
4.按照权利要求1所述的方法,其中,对图形的每条边来说,所述关联值被表示成介于0和1之间的导向数值。
5.按照权利要求3所述的方法,其中,生成的图形的连续更新包括:自动检测活动日志文件的变化,和当检测到活动日志文件的变化时利用额外的数据更新图形。
6.按照权利要求3所述的方法,其中,每隔预定的时间间隔、每隔用户规定的时间间隔、或者在满足触发标准时,获得包含在特定时刻的更新图形的表现的多个快照。
7.按照权利要求6所述的方法,其中,通过采用变换函数,对于每个获得的快照,确定代表快照外观的数值。
8.按照权利要求7所述的方法,其中,所述变换函数是计算所述多个快照中的两个快照之间的不相似性的度量的距离函数。
9.按照权利要求7所述的方法,其中,所述多个快照中的每一个按照其数值被保存在树形数据结构内。
10.按照权利要求9所述的方法,其中,所述树形数据结构是数字特里数据结构。
11.按照权利要求9所述的方法,其中,当在树形数据结构的单个桶或单个箱中保存有超过预定数目的快照时,产生报警。
12.按照权利要求7所述的方法,其中,当特定快照的数值和代表已知状态的快照的数值的偏离量超过预定阈值时,产生报警。
13.按照权利要求12所述的方法,其中,已知状态的快照是在较早的时刻获得的相同图形的快照。
14.按照权利要求12所述的方法,其中,已知状态的快照是包括节点、边、或者赋予各边的数字的参考进程的图形。
15.按照权利要求1所述的方法,其中,对于从第一步骤到第二步骤的转变,所述关联值被计算成第一进程步骤转变到第二进程步骤的次数之和与第一进程步骤转变到任意进程步骤的次数之和的比值。
16.按照权利要求1所述的方法,其中,通过向最新的转变赋予增大的权重以及向较陈旧的转变赋予减小的权重,来计算所述关联值。
17.按照权利要求1所述的方法,其中,利用对最新的转变进行更大的加权而低估具有由收集的数据中的误差引起的较低关联值的转变的信任函数,来修改所述关联值。
18.按照权利要求6所述的方法,其中,对获得的多个快照中的一些或者全部快照来说,所述方法还包括生成由着色元素的矩阵构成的图像,其中,每个着色元素是对应快照的表现,以及每个着色元素的颜色是通过计算取决于对应快照的结构的色值确定的,所述结构包括快照内的各个节点和各边的排列。
19.按照权利要求1所述的方法,其中,对生成的图形应用一个或多个规则,以确定所述图形的一个或多个节点或边的语义,和从图形中提取正式进程模型。
20.按照权利要求19所述的方法,其中,多个提取的正式进程模型被保存在数据结构中,所述数据结构允许检索,和根据多个提取的正式进程模型之间的变化发出报警的能力。
21.按照权利要求1所述的方法,其中,解析收集的数据的步骤和识别进程线程的步骤是利用基于业务起源的***执行的。
22.一种模拟进程的方法,包括:
从一个或多个活动日志文件收集与执行的进程步骤有关的数据;
解析收集的数据以确定已执行的一组进程步骤;
确定关联值,所述关联值表示每个执行的进程步骤跟随所述收集的数据的每个其它执行的进程步骤的次数;
生成图形,所述图形通过把已执行的每个进程步骤表示成该图形的节点以及把进程步骤之间的每个转变表示成该图形上的边,来表示执行的进程的模型,其中对于所述图形的任意给定一对节点,连接该对节点的边被赋予取决于所述关联值的数字,所述数字对应于由该对节点中的第一节点表示的进程步骤被由该对节点中的第二节点表示的进程步骤跟随的次数;和
显示生成的图形,
其中上述各个步骤都是利用计算机***执行的。
23.按照权利要求22所述的方法,其中,通过按照蚁群优化方法,向最新的转变赋予增大的权重以及向较陈旧的转变赋予减小的权重,来计算所述关联值。
24.按照权利要求22所述的方法,其中,解析收集的数据的步骤和识别进程线程的步骤是利用基于业务起源的***执行的。
25.一种模拟进程的计算机程序产品,所述计算机程序产品包括:
其中包含计算机可读程序代码的计算机可读存储介质,所述计算机可读程序代码包括:
配置成从一个或多个活动日志文件收集与执行的进程步骤有关的数据的计算机可读程序代码;
配置成解析收集的数据以确定已执行的一组进程步骤的计算机可读程序代码;
配置成确定关联值的计算机可读程序代码,所述关联值表示每个执行的进程步骤跟随所述收集的数据的每个其它执行的进程步骤的次数;
配置成生成图形的计算机可读程序代码,所述图形通过把已执行的每个进程步骤表示成该图形的节点以及把进程步骤之间的每个转变表示成该图形上的边,来表示执行的进程的模型,其中对于所述图形的任意给定一对节点,连接该对节点的边被赋予取决于所述关联值的数字,所述数字对应于由该对节点中的第一节点表示的进程步骤被由该对节点中的第二节点表示的进程步骤跟随的次数;和
配置成显示生成的图形的计算机可读程序代码。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/772,629 US8619084B2 (en) | 2010-05-03 | 2010-05-03 | Dynamic adaptive process discovery and compliance |
US12/772,629 | 2010-05-03 | ||
PCT/US2011/024330 WO2011139393A1 (en) | 2010-05-03 | 2011-02-10 | Dynamic adaptive process discovery and compliance |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102870129A true CN102870129A (zh) | 2013-01-09 |
CN102870129B CN102870129B (zh) | 2016-06-15 |
Family
ID=44857904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180022188.4A Active CN102870129B (zh) | 2010-05-03 | 2011-02-10 | 模拟进程的方法和*** |
Country Status (5)
Country | Link |
---|---|
US (1) | US8619084B2 (zh) |
JP (1) | JP5705307B2 (zh) |
CN (1) | CN102870129B (zh) |
DE (1) | DE112011101559T5 (zh) |
WO (1) | WO2011139393A1 (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5520763B2 (ja) * | 2010-09-24 | 2014-06-11 | ジャパンマリンユナイテッド株式会社 | マーカの移動経路最適化方法 |
US20120259792A1 (en) * | 2011-04-06 | 2012-10-11 | International Business Machines Corporation | Automatic detection of different types of changes in a business process |
US20170109637A1 (en) * | 2011-05-08 | 2017-04-20 | Panaya Ltd. | Crowd-Based Model for Identifying Nonconsecutive Executions of a Business Process |
US20170109667A1 (en) * | 2011-05-08 | 2017-04-20 | Panaya Ltd. | Automaton-Based Identification of Executions of a Business Process |
US20170109676A1 (en) * | 2011-05-08 | 2017-04-20 | Panaya Ltd. | Generation of Candidate Sequences Using Links Between Nonconsecutively Performed Steps of a Business Process |
US8700678B1 (en) | 2011-12-21 | 2014-04-15 | Emc Corporation | Data provenance in computing infrastructure |
US20130311242A1 (en) * | 2012-05-21 | 2013-11-21 | International Business Machines Corporation | Business Process Analytics |
US20140067443A1 (en) * | 2012-08-28 | 2014-03-06 | International Business Machines Corporation | Business process transformation recommendation generation |
US9324038B2 (en) | 2013-11-15 | 2016-04-26 | Xerox Corporation | Method and system for clustering, modeling, and visualizing process models from noisy logs |
US9443034B2 (en) * | 2014-05-29 | 2016-09-13 | Microsoft Technology Licensing, Llc | Estimating influence using sketches |
CN104462349B (zh) * | 2014-12-05 | 2019-02-19 | 曙光信息产业(北京)有限公司 | 一种文件处理方法及装置 |
KR101680448B1 (ko) * | 2015-02-17 | 2016-11-28 | 부산대학교 산학협력단 | 프로세스 모델 평가 방법 |
US11282035B2 (en) * | 2017-06-21 | 2022-03-22 | Accenture Global Solutions Limited | Process orchestration |
US11544068B2 (en) * | 2019-09-26 | 2023-01-03 | Visier Solutions, Inc. | Systems and methods for generating a pipeline of stages for a process |
US11093459B2 (en) * | 2020-01-21 | 2021-08-17 | Oracle International Corporation | Parallel and efficient technique for building and maintaining a main memory, CSR-based graph index in an RDBMS |
US11367008B2 (en) | 2020-05-01 | 2022-06-21 | Cognitive Ops Inc. | Artificial intelligence techniques for improving efficiency |
US11853270B2 (en) | 2020-06-30 | 2023-12-26 | UiPath, Inc. | Method and apparatus for visualizing a process map |
US11403120B1 (en) | 2021-01-27 | 2022-08-02 | UiPath, Inc. | Enterprise process graphs for representing RPA data |
US11500868B2 (en) | 2021-01-29 | 2022-11-15 | Oracle International Corporation | Efficient identification of vertices and edges for graph indexes in an RDBMS |
US11829766B2 (en) | 2021-05-04 | 2023-11-28 | International Business Machines Corporation | Compliance enforcement via service discovery analytics |
US11921785B2 (en) | 2022-01-25 | 2024-03-05 | Oracle International Corporation | Inline graph algorithm execution with a relational SQL engine |
US20230316188A1 (en) * | 2022-03-29 | 2023-10-05 | International Business Machines Corporation | Workflow transformation framework |
EP4369264A1 (en) * | 2022-11-08 | 2024-05-15 | Celonis SE | Adjustable event logs |
US20240193189A1 (en) * | 2022-12-08 | 2024-06-13 | UiPath, Inc. | Object centric process mining algorithm |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6539339B1 (en) * | 1997-12-12 | 2003-03-25 | International Business Machines Corporation | Method and system for maintaining thread-relative metrics for trace data adjusted for thread switches |
EP1308871A2 (en) * | 2001-11-02 | 2003-05-07 | Nokia Corporation | Controlling transactions |
US6751789B1 (en) * | 1997-12-12 | 2004-06-15 | International Business Machines Corporation | Method and system for periodic trace sampling for real-time generation of segments of call stack trees augmented with call stack position determination |
US20040268350A1 (en) * | 2003-06-30 | 2004-12-30 | Welland Robert V. | Method and apparatus for processing program threads |
JP2005267476A (ja) * | 2004-03-22 | 2005-09-29 | Mitsubishi Electric Corp | インターワークフロー管理システム |
CN1804803A (zh) * | 2005-01-14 | 2006-07-19 | 微软公司 | 具有对异步程序流程建模的软件工具 |
US20060218534A1 (en) * | 2005-03-28 | 2006-09-28 | Nec Laboratories America, Inc. | Model Checking of Multi Threaded Software |
WO2007011695A2 (en) * | 2005-07-15 | 2007-01-25 | Revolution Money, Inc. | System and method for user selection of fraud detection rules |
CN101192239A (zh) * | 2006-12-01 | 2008-06-04 | 国际商业机器公司 | 实现用于集成***的统一模型的***和方法 |
US20080250450A1 (en) * | 2007-04-06 | 2008-10-09 | Adisn, Inc. | Systems and methods for targeted advertising |
US7434723B1 (en) * | 2005-05-26 | 2008-10-14 | Sprint Communications Company L.P. | Mobile payment authorization system and method |
JP2009064114A (ja) * | 2007-09-04 | 2009-03-26 | Fuji Xerox Co Ltd | 業務リスク管理装置、方法およびプログラム |
US20090094074A1 (en) * | 2007-10-04 | 2009-04-09 | Nikovski Daniel N | Method for Constructing Business Process Models from Task Execution Traces |
US20090216881A1 (en) * | 2001-03-28 | 2009-08-27 | The Shoregroup, Inc. | Method and apparatus for maintaining the status of objects in computer networks using virtual state machines |
US20090319518A1 (en) * | 2007-01-10 | 2009-12-24 | Nick Koudas | Method and system for information discovery and text analysis |
JP2010020577A (ja) * | 2008-07-11 | 2010-01-28 | Fujitsu Ltd | 業務フロー分析プログラム、方法及び装置 |
JP2010020634A (ja) * | 2008-07-11 | 2010-01-28 | Fujitsu Ltd | 業務フロー処理プログラム、方法及び装置 |
US20100083172A1 (en) * | 2008-10-01 | 2010-04-01 | International Business Machines Corporation | Method and system for generating and displaying an interactive dynamic list view of multiply connected objects |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6182210B1 (en) | 1997-12-16 | 2001-01-30 | Intel Corporation | Processor having multiple program counters and trace buffers outside an execution pipeline |
JP2001155062A (ja) * | 1999-11-26 | 2001-06-08 | Hitachi Ltd | ワークフロー到着予測システム、方法、および該方法に係るプログラムを記憶した記憶媒体 |
US7629889B2 (en) * | 2006-12-27 | 2009-12-08 | Cardiac Pacemakers, Inc. | Within-patient algorithm to predict heart failure decompensation |
JP5224953B2 (ja) * | 2008-07-17 | 2013-07-03 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 情報処理装置、情報処理方法およびプログラム |
US20100114832A1 (en) * | 2008-10-31 | 2010-05-06 | Lillibridge Mark D | Forensic snapshot |
-
2010
- 2010-05-03 US US12/772,629 patent/US8619084B2/en not_active Expired - Fee Related
-
2011
- 2011-02-10 DE DE112011101559T patent/DE112011101559T5/de active Pending
- 2011-02-10 JP JP2013509051A patent/JP5705307B2/ja not_active Expired - Fee Related
- 2011-02-10 WO PCT/US2011/024330 patent/WO2011139393A1/en active Application Filing
- 2011-02-10 CN CN201180022188.4A patent/CN102870129B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6751789B1 (en) * | 1997-12-12 | 2004-06-15 | International Business Machines Corporation | Method and system for periodic trace sampling for real-time generation of segments of call stack trees augmented with call stack position determination |
US6539339B1 (en) * | 1997-12-12 | 2003-03-25 | International Business Machines Corporation | Method and system for maintaining thread-relative metrics for trace data adjusted for thread switches |
US20090216881A1 (en) * | 2001-03-28 | 2009-08-27 | The Shoregroup, Inc. | Method and apparatus for maintaining the status of objects in computer networks using virtual state machines |
EP1308871A2 (en) * | 2001-11-02 | 2003-05-07 | Nokia Corporation | Controlling transactions |
US20040268350A1 (en) * | 2003-06-30 | 2004-12-30 | Welland Robert V. | Method and apparatus for processing program threads |
JP2005267476A (ja) * | 2004-03-22 | 2005-09-29 | Mitsubishi Electric Corp | インターワークフロー管理システム |
CN1804803A (zh) * | 2005-01-14 | 2006-07-19 | 微软公司 | 具有对异步程序流程建模的软件工具 |
US20060218534A1 (en) * | 2005-03-28 | 2006-09-28 | Nec Laboratories America, Inc. | Model Checking of Multi Threaded Software |
US7434723B1 (en) * | 2005-05-26 | 2008-10-14 | Sprint Communications Company L.P. | Mobile payment authorization system and method |
WO2007011695A2 (en) * | 2005-07-15 | 2007-01-25 | Revolution Money, Inc. | System and method for user selection of fraud detection rules |
CN101192239A (zh) * | 2006-12-01 | 2008-06-04 | 国际商业机器公司 | 实现用于集成***的统一模型的***和方法 |
US20090319518A1 (en) * | 2007-01-10 | 2009-12-24 | Nick Koudas | Method and system for information discovery and text analysis |
US20080250450A1 (en) * | 2007-04-06 | 2008-10-09 | Adisn, Inc. | Systems and methods for targeted advertising |
JP2009064114A (ja) * | 2007-09-04 | 2009-03-26 | Fuji Xerox Co Ltd | 業務リスク管理装置、方法およびプログラム |
US20090094074A1 (en) * | 2007-10-04 | 2009-04-09 | Nikovski Daniel N | Method for Constructing Business Process Models from Task Execution Traces |
JP2010020577A (ja) * | 2008-07-11 | 2010-01-28 | Fujitsu Ltd | 業務フロー分析プログラム、方法及び装置 |
JP2010020634A (ja) * | 2008-07-11 | 2010-01-28 | Fujitsu Ltd | 業務フロー処理プログラム、方法及び装置 |
US20100083172A1 (en) * | 2008-10-01 | 2010-04-01 | International Business Machines Corporation | Method and system for generating and displaying an interactive dynamic list view of multiply connected objects |
Also Published As
Publication number | Publication date |
---|---|
US20110267351A1 (en) | 2011-11-03 |
JP5705307B2 (ja) | 2015-04-22 |
CN102870129B (zh) | 2016-06-15 |
JP2013533528A (ja) | 2013-08-22 |
US8619084B2 (en) | 2013-12-31 |
DE112011101559T5 (de) | 2013-02-07 |
WO2011139393A1 (en) | 2011-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102870129B (zh) | 模拟进程的方法和*** | |
US8676818B2 (en) | Dynamic storage and retrieval of process graphs representative of business processes and extraction of formal process models therefrom | |
KR101066949B1 (ko) | 업무 분석 프로그램을 기록한 컴퓨터 판독가능한 기록 매체 및 업무 분석 장치 | |
US9268674B1 (en) | System, method, and computer program for monitoring testing progress of a software testing project utilizing a data warehouse architecture | |
CN110414806B (zh) | 员工风险预警方法及相关装置 | |
CN115062006A (zh) | 一种基于关联企业的风险评估方法及*** | |
US20140156544A1 (en) | Non-Tangible Assets Valuation Tool | |
AU2021204470A1 (en) | Benefit surrender prediction | |
CN110544052A (zh) | 关系网络图的展示方法及装置 | |
JP2008117127A (ja) | 業務プロセスにおける業務効率低下の原因侯補を抽出する方法、その装置およびプログラム | |
KR100524649B1 (ko) | 정보 자산의 위험 분석 시스템 | |
Jiang et al. | [Retracted] Research on Intelligent Prediction Method of Financial Crisis of Listed Enterprises Based on Random Forest Algorithm | |
CN117333012A (zh) | 基于数据挖掘的金融风险跟踪管理***、装置和存储介质 | |
CN112631889A (zh) | 针对应用***的画像方法、装置、设备及可读存储介质 | |
CN111324594A (zh) | 用于粮食加工业的数据融合方法、装置、设备及存储介质 | |
WO2020181032A1 (en) | Methods of explaining an individual predictions made by predictive processes and/or predictive models | |
Schreck et al. | The AI project manager | |
JP7062243B1 (ja) | 品質情報出力装置、品質情報出力方法、およびプログラム | |
Kulk et al. | Quantifying IT estimation risks | |
CN112396430A (zh) | 用于企业评价的处理方法及*** | |
AU2020201689A1 (en) | Cognitive forecasting | |
KR20200129132A (ko) | 데이터 이활용에 관한 데이터 준비 방법 및 데이터 이활용 시스템 | |
CN117150389B (zh) | 模型训练方法、运营商号卡激活预测方法及其设备 | |
JP4464323B2 (ja) | 情報処理装置及びその制御方法、プログラム | |
Sunkpho et al. | Analyzing customer satisfaction of a mobile application using data mining techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |