[發(fā)明專利]智能辦公自動(dòng)化系統(tǒng)工作流實(shí)例時(shí)間預(yù)測分析

在審

• 申請?zhí)枺?/td>: 201910725984.2
• 申請日: 2019-08-07
• 公開（公告）號: CN110610346A
• 公開（公告）日: 2019-12-24
• 發(fā)明（設(shè)計(jì)）人: 于勁松;武耀;劉犇;代京;唐荻音;劉浩
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06Q10/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.智能辦公自動(dòng)化系統(tǒng)工作流實(shí)例時(shí)間預(yù)測分析技術(shù)，其特征在于：所述工作流實(shí)例時(shí)間預(yù)測分析主要包括基于業(yè)務(wù)流程管理(BPM)工作流引擎的辦公系統(tǒng)環(huán)境的搭建、工作流實(shí)例時(shí)間預(yù)測特征的提取、基于支持向量回歸的工作流實(shí)例時(shí)間預(yù)測、動(dòng)態(tài)工作流路徑的推薦和基于貝葉斯網(wǎng)的超時(shí)風(fēng)險(xiǎn)分析和評估。基于BPM工作流引擎的辦公系統(tǒng)環(huán)境，實(shí)現(xiàn)了信息傳遞、數(shù)據(jù)同步、業(yè)務(wù)監(jiān)控和企業(yè)業(yè)務(wù)流程的持續(xù)升級優(yōu)化；基于數(shù)據(jù)驅(qū)動(dòng)的支持向量回歸可以通過對已知工作流數(shù)據(jù)的學(xué)習(xí)，找到數(shù)據(jù)內(nèi)在的相互依賴關(guān)系，從而獲得對未知數(shù)據(jù)的預(yù)測和判斷能力；動(dòng)態(tài)工作流路徑推薦系統(tǒng)根據(jù)動(dòng)態(tài)變化的業(yè)務(wù)流程信息規(guī)劃出一條最優(yōu)流程路徑，使用動(dòng)態(tài)調(diào)整權(quán)重的策略適應(yīng)當(dāng)前的預(yù)測環(huán)境；基于貝葉斯網(wǎng)絡(luò)的工作流超時(shí)風(fēng)險(xiǎn)分析和評估充分利用領(lǐng)域知識和樣本的信息，將先驗(yàn)信息與樣本知識有機(jī)結(jié)合起來，促進(jìn)了先驗(yàn)知識和數(shù)據(jù)的集成。

2.根據(jù)權(quán)利要求1所述的智能辦公自動(dòng)化系統(tǒng)工作流實(shí)例時(shí)間預(yù)測分析技術(shù)，其特征在于：所述的工作流實(shí)例時(shí)間預(yù)測特征的提取，包括流程節(jié)點(diǎn)影響因素和權(quán)重的選擇計(jì)算。本發(fā)明采用主觀因素、客觀因素和任務(wù)量因素對工作流實(shí)例時(shí)間指標(biāo)加權(quán)計(jì)算，最后把提取到的特征輸入SVR(支持向量回歸)模型進(jìn)行時(shí)間預(yù)測。

3.根據(jù)權(quán)利要求1所述的智能辦公自動(dòng)化系統(tǒng)工作流實(shí)例時(shí)間預(yù)測分析技術(shù)，其特征在于：基于支持向量回歸的工作流實(shí)例時(shí)間預(yù)測和動(dòng)態(tài)工作流路徑推薦，本發(fā)明中利用SVR方法來進(jìn)行時(shí)間預(yù)測。其基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理的統(tǒng)計(jì)學(xué)習(xí)方法，幾何原理是使用兩個(gè)帶有最大間隔的平行超平面，將兩類樣本盡可能地分開，和這兩個(gè)平面等距離的中間平面被稱為分隔平面。針對工作流時(shí)間預(yù)測為線性不可分情況，本發(fā)明將樣本從低維非線性空間映射到高維的線性可分空間，即可將正負(fù)樣本分開。在特征空間求最大分隔平面由于高維度而導(dǎo)致計(jì)算復(fù)雜度很高，SVR通過引入核函數(shù)，將在特征空間的復(fù)雜內(nèi)積運(yùn)算轉(zhuǎn)換成核函數(shù)計(jì)算，從而避免維數(shù)問題且核函數(shù)的引入不會增加計(jì)算復(fù)雜度。通過設(shè)置一定的閾值，找到一個(gè)回歸平面，讓該閾值范圍集合的所有數(shù)據(jù)到該平面距離最近，只有在ε邊界外的點(diǎn)對最終成本有貢獻(xiàn)。然后，使用上述SVR模型估算一條從當(dāng)前節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的最優(yōu)路徑，以后到了每個(gè)節(jié)點(diǎn)，如果發(fā)現(xiàn)即將進(jìn)入的下一節(jié)點(diǎn)的權(quán)重發(fā)生了較大改變，則根據(jù)當(dāng)前各流程節(jié)點(diǎn)權(quán)重重新計(jì)算一條從當(dāng)前點(diǎn)到目標(biāo)點(diǎn)的最優(yōu)路徑，從而實(shí)現(xiàn)動(dòng)態(tài)工作流路徑的推薦。

4.根據(jù)權(quán)利要求1所述的智能辦公自動(dòng)化系統(tǒng)工作流實(shí)例時(shí)間預(yù)測分析技術(shù)，其特征在于：基于貝葉斯網(wǎng)的超時(shí)風(fēng)險(xiǎn)分析和評估。對于已產(chǎn)生超時(shí)預(yù)警的實(shí)例，需要分析其預(yù)警產(chǎn)生的原因，并采取一些相應(yīng)措施防止情況繼續(xù)惡化。有研究分析并歸納了時(shí)間異常的類型及可能的原因，把這些可能導(dǎo)致時(shí)間異常的原因，按事件停留時(shí)間、事件蹤跡兩個(gè)方面進(jìn)行分類。這種分類具有普遍性，對于具體的實(shí)例還可根據(jù)歷史日志集的情況再做細(xì)化。因此，對于當(dāng)前實(shí)例對應(yīng)的軌跡，可重點(diǎn)關(guān)注當(dāng)前工作流實(shí)例的路徑轉(zhuǎn)移概率及停留時(shí)間屬性，分析其后續(xù)出現(xiàn)超時(shí)異常的概率。結(jié)合歷史日志中相應(yīng)數(shù)據(jù)的均值，可得到類似如圖7所示的貝葉斯網(wǎng)絡(luò)。在貝葉斯網(wǎng)絡(luò)中，每個(gè)節(jié)點(diǎn)node都通過P(node|parentNode)來參數(shù)化。其中parentNode表示當(dāng)前節(jié)點(diǎn)的父節(jié)點(diǎn)，即貝葉斯網(wǎng)絡(luò)中，每個(gè)子節(jié)點(diǎn)的概率與其父節(jié)點(diǎn)相關(guān)。通過分析事件日志，可得到貝葉斯網(wǎng)絡(luò)每個(gè)節(jié)點(diǎn)的聯(lián)合分布概率。因此，對于當(dāng)前實(shí)例對應(yīng)的軌跡，計(jì)算當(dāng)前實(shí)例的路徑轉(zhuǎn)移概率、停留時(shí)間、當(dāng)前執(zhí)行資源的負(fù)載等，并計(jì)算每個(gè)節(jié)點(diǎn)基于其父節(jié)點(diǎn)的聯(lián)合概率。同時(shí)可以實(shí)時(shí)計(jì)算其當(dāng)前超時(shí)風(fēng)險(xiǎn)概率，若超時(shí)概率大于閾值(例如50％)，則表示需關(guān)注該實(shí)例可能出現(xiàn)的超時(shí)異常。