基于预训练的并发业务过程实例剩余执行时间预测方法

来源：计算机集成制造系统杂志2025年第5期北京时间：

作者：倪维健, 姜隆, 曾庆田, 刘彤, 徐兴宗

单位：1.山东科技大学计算机科学与工程学院2.上海天天基金销售有限公司

摘要：现有的基于深度学习的业务流程剩余时间预测方法大多针对单一执行实例构建预测模型,无法感知到同时执行的其他并发实例在资源竞争等方面的影响,并且对于实例嵌入表示缺少深入探究,导致现有方法的预测效果还有较大提升空间。针对现有方法的不足,提出了基于包注意力的并发多实例剩余时间预测方法,并引入了基于自监督学习的实例嵌入表示方法以提升实例表示的质量。首先,给出了并发实例数据集的构建方法,并在事件活动的基础上添加事件属性,丰富了后续模型的信息输入;之后,通过预训练的方式得到实例属性嵌入表示;最后,将流程实例属性以多通道卷积的形式进行编码,并通过注意力机制对并发实例进行融合。实验结果表明,所提方法与传统方法相比,有效提升了剩余时间预测的准确性。

关键词：业务流程管理,剩余执行时间预测,并发多实例,深度学习

基金资助：山东省自然科学基金面上资助项目（ZR2022MF319,ZR2023MF097）;国家自然科学基金资助项目（52374221）;山东省泰山学者特聘专家资助项目（TS20190936）;教育部人文社会科学研究规划基金资助项目（23YJAZH192）。