딥러닝 아키텍처는 방대한 데이터셋에서 통찰을 추출함으로써 인간의 의사결정을 보다 합리적이고 민첩하며 정확한 예측으로 향상시킨다. 최근 비즈니스 프로세스 관리 분야에서는 예측 프로세스 모니터링을 지원하기 위해 딥러닝을 점점 더 활용하고 있으며, 여기에는 다음 활동 예측, 잔여 시간 추정, 작업량(워클로드) 예측과 같은 작업이 포함된다. 본 논문에서는 개별 프로세스 인스턴스의 시간적 순차열에서 후속 활동을 예측하기 위한 새로운 프레임워크를 제안한다. 우리의 방법은 전문가 혼합(mixture-of-experts) 메커니즘을 Switch-Transformer 신경망 아키텍처와 통합하며, 모델은 과거의 프로세스 수행 로그를 사용하여 처음부터(end-to-end) 학습되어 다가올 활동의 확률을 추정한다. 또한 예측된 활동은 실행 중인 각 프로세스 인스턴스에 대해 그 순차적 순서를 보존하는 시간 그래프로 시각화한다. 이러한 시각화는 예측 프로세스 모니터링 패러다임과 그에 기반한 의사결정 워크플로를 명확히 할 뿐 아니라, 비즈니스 프로세스 모니터링 운영에서의 위험 평가 및 분석을 간소화한다. 제안한 접근법의 운영 효율성을 검증하기 위해, 선행 연구에서 흔히 사용되는 합성 및 실제 프로세스 이벤트 로그 데이터셋 모두에 대해 광범위한 실험을 수행하였다. 그 결과, 본 방법은 예측 정확도 측면에서 기존 기법을 능가할 뿐 아니라 실제 환경에서의 사용성 및 실용적 적용 가능성 또한 더 우수함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.