基于机器学习的流程异常预测方法
Anomaly prediction approach in business process based on machine learning作者机构:上海交通大学计算机科学与工程系上海200240
出 版 物:《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)
年 卷 期:2019年第25卷第4期
页 面:864-872页
核心收录:
学科分类:0808[工学-电气工程] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 0817[工学-化学工程与技术] 0807[工学-动力工程及工程热物理] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家重点研发计划资助项目(2018YFB1003800) 国家自然科学基金资助项目(61772334)~~
摘 要:鉴于工作流在逻辑信息组织和协同工作方面的优势,近年来被广泛应用于各行各业。通过工作流技术实现的业务流程管理可以协调多种资源执行生产工作或服务,为客户产生价值。然而,在业务流程执行的过程中,可能会发生异常情况,阻止其按照预定的方式执行,给业务流程的目标带来风险,需要在流程执行的过程中提前预测发现异常,尽早做出调整。因此,提出一种基于机器学习方法的异常检测方法,通过挖掘流程执行的日志记录和活动执行时间信息,实时预测业务流程中的超期异常和流程行为异常。经过在公开数据集上的实验表明,所提算法能有效地找出潜在超期异常的流程,以及行为异常的流程。