跳到主要内容
检索

University of Mannheim

2 篇关联报道

订阅更新
  1. arXiv

    在14个事件日志上,剩余时间预测的误差与不确定性随延迟增大而上升,用不确定性特征做延迟检测把平均召回率从0.21提到0.61

    该研究在14个公开事件日志上分析业务流程延迟检测的内在难度,发现剩余时间分布强烈右偏、现有LSTM模型能拟合分布众数但在高延迟案例上表现很差,且预测误差与预测区间宽度随真实剩余时间增大而增大(14个日志中10个呈正相关),据此评估不平衡回归方法(SMOGN重采样、CSW、BMSE、EAL、SERA)仅带来有限收益,转而用生存分析模型输出的不确定性特征(预测标准差、80%与90%预测区间宽度、尾部质量等)配合CatBoost做延迟二分类,在q=0.8阈值下把平均召回率从0.21提升到0.61且精确率无显著下降。

  2. arXiv

    用NSGA-II优化资源级交接策略,在合成与真实事件日志上平均降低37%成本、58%等待时间

    该工作提出首个面向业务流程中资源级交接策略的多目标优化方法:以多智能体系统(MAS)仿真模型为输入,用NSGA-II搜索帕累托最优的人员特定交接策略,在5个合成Loan Application变体和7个真实事件日志上,相对as-is流程平均降低37%成本、58%等待时间,并在多数场景优于可用性、随机、最低成本(LC)、最短处理时间(SPT)等启发式基线。

已读完全部报道