买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:浙江工业大学
摘要:本发明提出一种基于遗传算法的生产业务流程超时异常处理方法,包括以下步骤:首先进行数据预处理,对生产业务流程的事件日志执行一系列清洗操作;然后提取特征,输入至双向长短期记忆网络BiLSTM,为其提供必要的信息以进行准确的剩余时间预测;接着预测超时风险,利用BiLSTM模型对生产业务流程的剩余执行时间进行预测;最后进行资源智能再分配,在BiLSTM模型预测到超时风险时,采用遗传算法对生产流程中尚未执行的部分进行资源的智能再分配,遗传算法模拟自然选择机制。本发明采用BiLSTM模型准确预测生产业务流程中的剩余执行时间,及时识别潜在的超时风险;引入遗传算法能够对资源进行全局优化再分配,提高资源利用率,降低生产成本。
主权项:1.一种基于遗传算法的生产业务流程超时异常处理方法,该方法包括:1输入生产业务流程事件日志以及每个案例执行的规定时间;2预处理事件日志数据,包括事件日志去重、错误修正、缺失值处理、时间格式统一、数据类型转换;3对事件日志提取特征,得到一组特征集,作为BiLSTM的输入,为模型提供丰富的信息,帮助其更好地预测剩余时间;4构建BiLSTM模型,其中输入层神经元数量与特征向量的维度相同,隐藏层采用单层BiLSTM结构,由两个LSTM组合而成,一个是正向去处理输入序列,另一个反向处理序列,处理完成后将两个LSTM的输出拼接起来得到向量拼接结果,输出层的神经元数量为1,对应预测的剩余时间;在BiLSTM层中,每个单元的输出表示为:ht=tanhWhhht-1+Wxhxt+bh其中,ht是在时间t的隐藏状态,xt是输入特征向量,Whh和Wxh是权重矩阵,bh是偏置项;5BiLSTM模型训练与预测,使用进行提取特征的事件日志对BiLSTM模型进行训练,模型的训练目标是最小化预测剩余时间与实际剩余时间之间的误差,采用均方误差作为损失函数: 其中,N是训练样本的数量,yi,pred是模型预测的剩余时间,yi,actual是实际的剩余时间,使用Adam优化器进行参数优化,学习率α设定为0.001,通过反向传播算法更新模型参数;模型训练完成后,使用测试集评估模型性能,并对当前执行的生产业务流程进行剩余时间预测;6将BiLSTM模型预测到的剩余时间与当前案例未执行部分的规定执行时间进行比较,判断是否会超时,若不会超时则结束,否则转到步骤7;7引入遗传算法,通过选择、交叉、变异操作来对当前案例未执行部分进行资源再分配,得到最优的资源再分配方案,重新进行剩余时间的计算。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种基于遗传算法的生产业务流程超时异常处理方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。