[发明专利]一种业务流程剩余时间预测模型推荐方法及系统

说明书

本发明公开一种业务流程剩余时间预测模型推荐方法及系统，涉及剩余时间预测及数据处理技术领域，包括基于相关性分析提取事件日志的元特征；对元特征采用待推荐剩余时间预测模型进行预测，得到每条事件日志中每个剩余时间预测模型的预测度量值和预测计算时间；根据预测度量值和预测计算时间对待推荐剩余时间预测模型进行评估，得到每条事件日志对应的最优剩余时间预测模型及其度量指标值，并以此构建训练数据库；根据训练数据库对推荐模型进行训练，根据待处理事件日志采用推荐模型得到最优的剩余时间预测模型。降低选择时间，提高预测效率，并减少人的主观选择的影响。

技术领域

本发明涉及剩余时间预测及数据处理技术领域，特别是涉及一种业务流程剩余时间预测模型推荐方法及系统。

背景技术

时间作为事件日志中的重要因素，若能准确的进行时间管理，对业务流程下一执行活动、最终执行结果以及流程剩余执行时间等进行预测，为必要的人工干预提供决策，将对企业管理、流程优化等方面起着重要的影响。

以风电场运维系统为例，在风电场运营过程中，由于风电场分布范围较广，企业的管理往往是流程性的，例如票据的逐级审核，对管理人员的工作造成了一定的难度。随着信息化技术的不断发展，越来越多的企业或工作开始通过计算机系统进行管理，该过程中会产生大量的事件日志数据信息，若能对这些风电事件日志信息进行有效的分析处理，以此来判断风电场故障、流程是否超时等，并进行有效的资源调度，则可以提高工作人员的工作效率。

在风电场运营过程中，针对工作票开票等具体的业务产生的事件日志时间信息进行分析，来预测某一具体业务流程的剩余执行时间，可以帮助工作人员判断流程是否出现了延迟，资源是不是会冲突等问题。但是在该过程中进行预测模型选择的时候，往往对知识和经验的要求较高，易受人的主观选择。

针对业务流程剩余时间的预测，目前已有传统的剩余时间预测模型、深度学习预测模型等。但在具体的业务应用场景中，在诸多预测模型中选择与业务流程匹配的预测方法是目前需要解决的技术问题，根据给定事件日志，在已有的众多剩余时间预测模型中选择合适的模型进行剩余时间预测可提高预测效率。然而目前具体的风电业务流程会面临流程或工作人员等信息的变更，具有一定的可变性和灵活性，无法直接选择合适的剩余时间预测模型，由人为选择，受主观因素的影响，且增加工作人员的难度，也增加工作成本，并且在本领域中也没有类似的预测模型推荐方法。

发明内容

为了解决上述问题，本发明提出了一种业务流程剩余时间预测模型推荐方法及系统，基于事件日志的属性特征，利用其与流程实例剩余时间的相关性进行元特征的选择，进一步利用事件日志的元特征，并选取基于深度学习的剩余时间预测模型作为元目标模型，结合机器学习方法支持向量机等构建元模型完成对剩余时间预测模型的推荐，降低选择时间，提高预测效率，并减少人的主观选择的影响。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种业务流程剩余时间预测模型推荐方法，包括：

获取业务流程产生的事件日志，并基于相关性分析进行元特征的提取；

对元特征采用待推荐剩余时间预测模型进行预测，得到每条事件日志中每个待推荐剩余时间预测模型的预测度量值和预测计算时间；

根据预测度量值和预测计算时间对待推荐剩余时间预测模型进行评估，得到每条事件日志对应的最优剩余时间预测模型及其度量指标值，并以此构建训练数据库；

根据训练数据库对预先构建的推荐模型进行训练，根据待处理事件日志采用训练后的推荐模型得到最优的剩余时间预测模型。

作为可选择的实施方式，根据预测度量值和预测计算时间对待推荐剩余时间预测模型进行评估的过程包括：对每个待推荐剩余时间预测模型的预测度量值和预测计算时间分别计算秩，以预测度量值及预测计算时间的秩的平均值作为待推荐剩余时间预测模型的度量指标值。

作为可选择的实施方式，所述最优剩余时间预测模型为以度量指标值最小值对应的剩余时间预测模型为最优剩余时间预测模型。