پیش بینی دوره های فرآیند کسب و کار با استفاده از شبکه های پتری تصادفی غیر مارکویکی

Elsevier
سال انتشار :
2015
تعداد صفحات مقاله انگلیسی :
15
نشریه :
الزویر
تعداد رفرنس ها :
52
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Business processes Duration prediction Risk control Stochastic Petri nets
کلمات کلیدی :
فرآیندهای کسب و کار، پیش بینی طول مدت، کنترل خطر، شبکه های تصادفی پتری
عنوان فارسی :

پیش بینی دوره های فرآیند کسب و کار با استفاده از شبکه های پتری تصادفی غیر مارکویکی

عنوان انگلیسی :

Prediction of business process durations using non-Markovian stochastic Petri nets

ژورنال :
Information Systems
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0306437915000642
آدرس DOI :
https://doi.org/10.1016/j.is.2015.04.004
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2015

تعداد صفحات مقاله انگلیسی : 14

نشریه : الزویر

تعداد رفرنس ها : 52

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Business processes Duration prediction Risk control Stochastic Petri nets

کلمات کلیدی : فرآیندهای کسب و کار، پیش بینی طول مدت، کنترل خطر، شبکه های تصادفی پتری

عنوان فارسی : پیش بینی دوره های فرآیند کسب و کار با استفاده از شبکه های پتری تصادفی غیر مارکویکی

عنوان انگلیسی : Prediction of business process durations using non-Markovian stochastic Petri nets

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0306437915000642



چکیده انگلیسی
Companies need to efficiently manage their business processes to deliver products and services in time. Therefore, they monitor the progress of individual cases to be able to timely detect undesired deviations and to react accordingly. For example, companies can decide to speed up process execution by raising alerts or by using additional resources, which increases the chance that a certain deadline or service level agreement can be met. Central to such process control is accurate prediction of the remaining time of a case and the estimation of the risk of missing a deadline.To achieve this goal, we use a specific kind of stochastic Petri nets that can capture arbitrary duration distributions. Thereby, we are able to achieve higher prediction accuracy than related approaches. Further, we evaluate the approach in comparison to state of the art approaches and show the potential of exploiting a so far untapped source of information: the elapsed time since the last observed event. Real-world case studies in the financial and logistics domain serve to illustrate and evaluate the approach presented.

چکیده فارسی
شرکت ها به طور موثر مدیریت فرایندهای کسب و کار خود را برای ارائه محصولات و خدمات در زمان نیاز دارند. بنابراین، آنها پیشرفت موارد فردی را کنترل می کنند تا قادر باشند تا موقع شناسایی انحرافات ناخواسته واکنش نشان دهند. به عنوان مثال، شرکت ها می توانند تصمیم گیری کنند که اجرای فرایند را با افزایش هشدار یا استفاده از منابع اضافی افزایش دهند، که موجب می شود که یک قرارداد خاص یا سطح سرویس مشخص شود. مرکزی برای کنترل این فرایند، پیش بینی دقیق زمان باقیمانده یک مورد و برآورد خطر رفع مهلت پیش بینی دقیق است.

موضوعات مقاله