Andmebaasi logo
Valdkonnad ja kollektsioonid
Kogu ADA
Eesti
English
Deutsch
  1. Esileht
  2. Sirvi autori järgi

Sirvi Autor "Ali, Muhammad Awais" järgi

Tulemuste filtreerimiseks trükkige paar esimest tähte
Nüüd näidatakse 1 - 1 1
  • Tulemused lehekülje kohta
  • Sorteerimisvalikud
  • Laen...
    Pisipilt
    listelement.badge.dso-type Kirje , listelement.badge.access-status Avatud juurdepääs ,
    How will my business process unfold? Predicting case suffixes with start and end timestamps
    (Tartu Ülikooli Kirjastus, 2026-09-21) Ali, Muhammad Awais; Dumas Menjivar, Marlon Gerardo, juhendaja; Milani, Fredrik, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
    Kui haigla plaanib patsientide vastuvõtte, menetleb ravikindlustusnõudeid või juhib personali, siis täidab ta sisuliselt äriprotsessi – eesmärgi saavutamiseks ellu viidavat struktureeritud ülesannete jada. Juhid küsivad sageli: millised sammud on poolelioleval juhtumil veel ees ja millal need aset leiavad? Selle teabe ette teadmine aitab organisatsioonidel plaanida töökoormust, jaotada töötajaid ja vältida kitsaskohti. Iga ülesanne, mida näiteks haiglas täidetakse, jätab digitaalse jälje IT-süsteemidesse. Kaasaegne masinõpe suudab neid ajaloolisi jälgi kasutades õppida tundma asutuse „harjumusi“ ja ennustada, kuidas pooleliolev juhtum lõpule jõuab. Seda valdkonda nimetatakse ennustavaks protsessiseireks. Täpsemalt kasutatakse selles valdkonnas juhtumi järelliidete ennustamist, et koostada täielik ajakava kõigist järelejäänud sammudest kuni juhtumi sulgemiseni. Siiani kasutatavatel meetoditel on aga neli olulist puudujääki. Esiteks aetakse segi ooteaeg (kui kaua mingi ülesanne järjekorras ootab) ja töötlemisaeg (kui palju aega selle ülesande täitmine võtab). Teiseks võivad mõned meetodid toota korduvaid või ebareaalseid ülesannete järgnevusi. Kolmandaks jäetakse tähelepanuta asjaolu, et paljud juhtumid vajavad sama piiratud tööjõudu, millest tulenevalt tekib järjekord: kui kolm juhtumit vajavad samal ajal sama spetsialisti, peavad mõned ootama. Neljandaks jäetakse kõrvale tegeliku elu piirangud, nagu vahetused, tööajad ja nädalavahetused. See lõputöö käsitleb neid nelja puudujääki nelja vastava panusega: (1) kontseptuaalne raamistik, mis eristab võimalikke ooteaegade tüüpe; (2) valimistrateegia, mis väldib korduvaid ja ebareaalseid ennustusi; (3) ennustusmeetod, mis modelleerib jagatud tööjõu konkurentsi, arvestades kõiki pooleliolevaid juhtumeid; (4) laiendus, mis arvestab tööaja piirangutega. Näiteks põhjendab mudel selgesõnaliselt, et kui kolm juhtumit vajavad korraga sama spetsialisti, peavad mõned ootama, ning ennustab, millised neist ja kui kaua. Hinnatuna reaalsetel ja simuleeritud andmetel, pakub lõputöös esitatud lähenemisviis täpsemaid ennustusi järelejäänud ülesannete järgnevuste kohta ja teeb väiksemaid ajalisi vigu kui senised tipptasemel meetodid, kusjuures suurimad edusammud ilmnevad tihedalt kasutuses olevate ressursside korral.

DSpace tarkvara autoriõigus © 2002-2026 LYRASIS

  • Teavituste seaded
  • Saada tagasisidet