针对过程的瓶颈检测的制作方法

专利检索2022-05-11  1


针对过程的瓶颈检测
1.相关申请的交叉引用
2.本技术要求于2020年3月11日提交的美国实用新型专利申请第16/816,184号的优先权,其公开内容通过引用整体并入本文。
技术领域
3.本发明总体上涉及过程挖掘,并且更具体地涉及针对过程的瓶颈检测。


背景技术:

4.过程是为提供产品或服务而执行的活动序列。在过程挖掘中,对过程进行分析以标识趋势、模式和其他过程分析措施,以便提高效率并获得对过程的更好了解。然而,当前的过程挖掘技术没有对过程的执行提供足够的分析数据来使得能够标识过程中的瓶颈。此类瓶颈限制了过程的执行,并可能导致不必要的延迟、收入损失和用户不满。


技术实现要素:

5.根据一个或多个实施例,提供了用于分析过程以标识瓶颈的系统和方法。在过程的多个执行实例期间维护事件日志。事件日志标识在多个执行实例期间执行的分段,其中每个分段表示过程的活动对。计算针对每个已标识分段的指标,并且基于指标来标识最可能具有瓶颈的已标识分段之一。该过程可以是机器人过程自动化过程。
6.在一个实施例中,针对过程的多个执行实例的事件日志被接收,并且从事件日志中标识在多个执行实例中的一个或多个期间执行的分段。分段表示过程的活动对,活动对包括源活动和目的地活动,其中目的地活动的执行直接跟随在事件日志中的源活动的执行之后。对于已标识分段的每个特定分段,基于事件日志来计算针对特定分段的一个或多个执行实例中的每个执行实例的性能度量,基于所计算的性能度量来对特定分段的一个或多个执行实例中的每个执行实例进行分类,并且基于特定分段的已分类的一个或多个执行实例来计算针对特定分段的一个或多个指标。基于一个或多个指标来将已标识分段彼此比较以标识最可能具有瓶颈的已标识分段之一。
7.在一个实施例中,性能度量是活动对之间的时间间隔。
8.在一个实施例中,使用詹克斯自然断点(jenks natural breaks)优化算法来将特定分段的一个或多个执行实例中的每个执行实例分类为多个类别之一。通过计算如下内容来计算针对特定分段的一个或多个指标:1)针对特定分段的效应大小指标,效应大小指标表示特定分段的类别之间的平均差异,2)针对特定分段的损失时间指标,损失时间指标表示特定分段的最优执行类别和其他类别之间的时间差,以及3)加权影响指标,加权影响指标表示特定分段对整体性能的贡献。
9.在一个实施例中,通过基于一个或多个指标对已标识分段进行排名,来将已标识分段彼此比较。可以通过针对效应大小指标、损失时间度量和加权影响指标中的每一个确定已标识分段的个体排名并且通过组合个体排名来确定已标识分段的汇总排名,从而来对
已标识分段进行排名。可以基于汇总排名来标识最可能具有瓶颈的分段之一。
10.在一个实施例中,使比较的结果被显示。
11.通过参考以下详细描述和附图,本发明的这些和其他优点对于本领域普通技术人员将是明显的。
附图说明
12.图1示出了根据本发明的一个或多个实施例的为了瓶颈检测而可以被分析的说明性过程;
13.图2示出了根据本发明的一个或多个实施例的用于分析用于瓶颈检测的过程的方法;
14.图3示出了根据本发明的一个或多个实施例的图1的过程的示例性事件日志;
15.图4示出了根据本发明的一个或多个实施例的用于对分段进行排名的示例性表格;
16.图5示出了根据本发明的一个或多个实施例的分段概览的仪表板;
17.图6示出了根据本发明的一个或多个实施例的过程分析的时间视角的仪表板;
18.图7示出了根据本发明的一个或多个实施例的过程分析的案例视角的仪表板;
19.图8示出了根据本发明的一个或多个实施例的用于过程分析的组织视角的仪表板;
20.图9示出了根据一个或多个实施例的用于过程分析的控制流视角的仪表板;
21.图10示出了根据一个或多个实施例的过程的组合视图的仪表板,其示出了用于过程分析的控制流视角的边缘遍历率;
22.图11示出了根据一个或多个实施例的过程的组合视图的仪表板,其示出了用于过程分析的控制流视角的平均吞吐量时间;和
23.图12是根据本发明实施例的计算系统的框图。
具体实施方式
24.过程可以被利用来为许多不同的应用提供产品或服务。此类过程的示例性应用包括管理应用(例如,新员工入职)、采购到付款应用(例如,采购、发货单管理和促进支付)、以及信息技术应用(例如,票务系统)。在图1中示出了示例性过程100。过程100是用于处理和支付发货单的业务过程。在一个实施例中,过程100可以被实现为用于使用一个或多个rpa机器人自动执行任务的机器人过程自动化(rpa)工作流程。
25.过程100包括活动102-114,其表示过程100中的预定步骤序列。如图1中所示,过程100被建模为有向图,其中每个活动102-114被表示为一个节点,活动102-114之间的每个转移被表示为联接节点的边。活动之间的转移表示过程100从源活动到目的地活动的执行。过程100从接收发货单活动102开始并继续到检查收到的发货单活动104。如果在检查收到的发货单活动104确定收到的发货单缺少信息,则过程100在继续到发货单的最终检查活动110之前继续到请求数据活动106和检查合同条件活动108。如果在检查收到的发货单活动104中确定收到的发货单不缺少信息,则过程100直接继续到发货单的最终检查活动110。过程100然后继续到批准发货单活动112并支付发货单活动114。以事件日志的形式记录过程
100的执行。
26.有时,过程100的执行可能由于瓶颈而受阻。如本文中所使用的,瓶颈是指对过程100的执行产生负面影响的过程100的一个或多个活动的集合。过程100的执行可以基于任何合适的指标而受到负面影响,诸如例如吞吐量(即执行)时间、资源使用、收入、支持解决时间或任何其他性能指示符。例如,基于任何指标,诸如最大吞吐量时间、最小资源使用、最小收入增长、收入增长、支持解决时间等,过程100的执行可能受到负面影响。这种瓶颈限制了过程的执行100并且可能导致不必要的延迟、收入损失和用户不满。
27.根据本发明的实施例,过程(例如过程100)被分析以标识过程中的瓶颈。分析的各个方面可以在一个或多个仪表板中被可视化,以促进瓶颈的根本原因的标识。有利地,根据本发明的实施例用于标识瓶颈的过程分析使得能够减轻或消除这种瓶颈的根本原因,从而提高过程的效率和性能。
28.图2示出了根据一个或多个实施例的用于分析用于瓶颈标识的过程的方法200。将继续参考图1的过程100来描述图2。在一个实施例中,执行方法200的步骤以分析用于瓶颈检测的过程100。方法200的步骤可以由任何合适的计算设备执行,诸如图12的计算机1200。
29.在步骤202处,针对过程的多个执行实例的事件日志被接收。通过记录在多个过程执行实例期间发生的事件,可以在多个过程执行实例期间维护事件日志。事件是指在特定时间且针对特定案例的活动的执行。案例对应于过程的单个执行实例,并由案例标识符(id)标识。在一个实施例中,每个事件可以被表示为一个元组,该元组包括被执行的活动的标签、该活动的执行的时间戳以及标识所执行活动的执行实例的案例id。
30.图3示出了根据一个或多个实施例的图1的过程100的示例性事件日志300。事件日志300记录在过程100的两个执行实例期间发生的事件,对应于事件日志300中的案例id1和案例id2。如图3中所示,事件日志300被格式化为一个表格,该表格具有:行302,每行对应于一个事件;和列304,每列标识在行302和列304相交的单元处的事件的属性。具体地,每一行302与一个事件相关联,该事件表示活动102-114的执行(在列304-b中标识)、活动102-114的执行的时间戳(在列304-c中标识)、以及标识所执行活动102-114的执行实例的案例id(在列304-a中标识)。在一个实施例中,在列304-c中标识的活动102-114的执行的时间戳指的是活动102-114的执行完成的时间,但是替代地,可以指的是活动104-114的执行开始的时间。在一个实施例中,事件日志300仅标识针对每个事件的所执行活动的标签、活动的执行的时间戳以及标识所执行活动的执行实例的案例id,如图3中所示。然而。应当理解,事件日志300可以是任何合适的格式并且可以包括标识事件的其他属性的附加列304。
31.在步骤204处,从事件日志中标识在过程的多个执行实例中的一个或多个期间执行的分段。每个分段表示过程中的活动对。活动对包括源活动和目的地活动,在本文中被标示为《源活动,目的地活动》,其中目的地活动的执行直接跟随在事件日志中的源活动的执行之后。通过遍历事件日志中的每个执行实例来标识活动对,从而标识分段。在一个示例中,可以在图3的事件日志300中标识以下分段:《接收发货单,检查收到的发货单》、《检查收到的发货单,发货单的最终检查》,《检查收到的发货单,请求数据》,《请求数据,检查合同条件》,《检查合同条件,最终发货单》,《最终发货单,批准发货单》和《批准发货单,支付发货单》。
32.在步骤206处,基于事件日志,计算针对已标识分段中的特定分段的一个或多个执
行实例中的每个执行实例的性能度量。在一个实施例中,针对特定分段的特定执行实例的性能度量是该特定执行实例的分段的源活动和目的地活动之间的时间间隔。可以通过从事件日志中提取针对特定执行实例的源活动的执行时间戳和目的地活动的执行时间戳,并确定目的地活动的执行的时间戳和源活动的执行的时间戳之间的差异,来计算时间间隔。例如,可以从图3的事件日志300计算出与案例id1的执行实例的《检查收到的发货单,最终检查发货单》的分段相关联的时间间隔为2天3小时10秒。在另一个示例中,可以从图3的事件日志300中计算出与案例id1的执行实例的分段《最终检查发货单,批准发货单》相关联的时间间隔为1天20小时35分钟3秒。时间间隔可以是任何合适的格式,诸如例如秒、分钟、小时、天、月和/或年。也可以采用其他性能度量,诸如例如资源使用值、收入值、占用率或任何其他基于数值并且可以单独地为源活动和目的地活动计算/测量的合适度量。
33.在步骤208处,基于所计算的性能度量,将特定分段的一个或多个执行实例中的每个执行实例分类为多个类别之一。在一个实施例中,使用众所周知的詹克斯自然断点优化算法将特定分段的一个或多个执行实例中的每个执行实例分类为多个类别之一,该算法通过将每一类别内的方差最小化来工作。詹克斯自然断点优化算法在georgef.jenks的“optimaldataclassificationforchoroplethmaps(用于等值线图的优化数据分类)”中进行了描述。也可以采用任何其他合适的数据聚类算法。
34.詹克斯自然断点优化算法通过使用描绘类别的不同断点来迭代地分解数据集,将包括特定分段的一个或多个执行实例的性能度量的数据集q划分为相似性能的n个类别qi。例如,考虑在时间间隔为7600、3480、220、500、1500和1700的六个执行实例期间执行的分段《接收发货单,检查收到的发货单》。给定数据集q=[7600,3480,220,500,1500,1700],詹克斯自然断点优化算法尝试创建将q最优划分为n个预定数量的类别。在这个示例中,n=3。詹克斯自然断点优化算法应用步骤1-5如下。
[0035]
步骤1:对数据集q进行排序并任意(例如,随机)选择断点。因此,具有任意选择的断点的排序数据集q=[220,500,1500,1700,3480,7600]得到类别q
bp
=[220],[500,1500,1700,3480],[7600]。
[0036]
步骤2:计算针对每个类别q
bp
的阵列均值的平方偏差总和(sdam)。可以根据等式1来计算sdam。
[0037]
其中μ=mean(q)。(等式1)
[0038]
将等式1应用于已排序的数据集q得到以下:
[0039]
sdam=(220-2500)2 (500-2500)2 (1500-2500)2 (1700-2500)2 (3480-2500)2 (7600-2500)2=37,808,800
[0040]
步骤3:计算每个类别q
bp
的类别之间的平方偏差总和(sdbc)。可以根据等式2来为每个类别q
bp
计算sdbc。
[0041]
其中μ=mean(q
bp
)。(等式2)
[0042]
将等式2应用于每个类别q
bp
导致以下:
[0043]
sdbc=(220-220)2 {(500-1795)2 (1500-1795)2 (1700-1795)2 (3480-1795)2} (7600-7600)2=4,612,300
[0044]
步骤4:计算每个类别q
bp
的类别均值的平方偏差总和(sdcm)。可以根据等式3来为每个类别q
bp
计算sdcm。
[0045]
sdcm=sdam-sdbc。(等式3)
[0046]
应用等式3得到sdcm=37,808,800-4,612,300=33,196,500。
[0047]
步骤5:针对每个可能的断点组合重复步骤2-4。选择具有最高sdcm的断点组合。因此,特定分段的一个或多个执行实例中的每个执行实例被分类到由具有最高sdcm的断点组合所定义的多个类别之一。
[0048]
在一个实施例中,可以通过针对不同数量的类别对数据集q重复执行詹克斯自然断点优化算法来确定最优类别数量n。例如,可以针对n=1,...,x,的多个类别重复执行詹克斯自然断点优化算法,其中x是数据集q中的项目数。在这个示例中,x=6。詹克斯自然断点优化算法为每个类别数量提供方差拟合优度(gvf)度量。gvf度量可以被计算为gvf=(sdam-scdm)/sdam,其中gvf度量为0指示不拟合,而gvf度量为1指示完美拟合。将gvf最大化将始终导致最优类别数量等于数据集q中的项目数(即gvf=1)。因此,计算方差拟合变化率(rgvfc)度量,其标示nn个类别的gvf与n 1个类别的gvf之间的变化率。n个类别的rgvfc被计算为rgvfc=(gvf
n 1-gvfn)/gvfn。选择最优类别示例作为具有最大gvf值但rgvfc值不超过rgvfc阈值的类别数量n。在一个实施例中,rgvfc阈值在2.5%和10%之间,但是可以采用任何合适的值。
[0049]
在步骤210处,基于特定分段的已分类的一个或多个执行实例来计算针对特定分段的一个或多个指标。一个或多个指标可以包括表征特定分段的任何合适的指标。在一个实施例中,一个或多个指标包括效应大小、损失时间和加权影响。也可以采用任何其他合适的指标,诸如例如类别大小、类别方向(类别增加/减少)、类别分布等。
[0050]
效应大小:效应大小是特定分段中的两个类别之间的差异的定量度量。在一个实施例中,根据众所周知的科恩(cohen’s)d方法计算效应大小,但是可以采用任何其他合适的方法。科恩d方法在jacobcohen的“statisticalpoweranalysisforthebehavioralsciences”中进行了描述。根据等式4来计算类别x1和x2的科恩d值:
[0051][0052]
其中μ1和μ2分别是x1和x2的均值,并且s是合并标准偏差。合并标准偏差s在等式5中被定义:
[0053][0054]
其中n1和n2分别是x1和x2的大小,并且知分别是x1和x2的方差。知分别在等式6和7中被定义:
[0055][0056]
[0057]
科恩d值表示两个类别相差的标准偏差的数量。例如,科恩d值为1指示两个类别相差1个标准偏差,科恩d值为2表示两个类别相差2个标准偏差,等等。
[0058]
科恩d方法一次仅计算两个类别之间的效应大小(即,科恩d值)。为了计算可能有两个以上类别的特定分段的科恩d值,对类别对的每个组合的效应大小进行平均。特别地,首先,对于具有n个类别的特定分段,标识每对类别(ti,tj),其中i<j并且i,j≤n。其次,为每对类别(ti,tj)计算科恩d值。最后,每对类别(ti,tj)的科恩d值的总和除以类别对的总数,以提供特定分段的科恩d值。
[0059]
损失时间:损失时间表示特定分段中的最优执行(例如,最快)类别与其他类别之间的时间差。通过首先计算特定分段中的每个类别ci的中位数来计算特定分段的损失时间,其中i是类别编号。其次,将类别1的中位数设置为最优时间(由于詹克斯自然断点优化算法的性质,类别1将始终具有最低的中值(即最快时间)。第三,特定分段中的每个类别ci的损失时间被计算为ci损失时间=(中位数(ci)-最优时间)*大小(c)。最后,每个类别ci的损失时间被求和为其中n是特定分段中的类别数量,以提供特定分段的损失时间。
[0060]
类别的中位数被用来计算损失时间有两个原因:1)由于詹克斯自然断点优化算法的性质,类别1将始终具有最低的中值,以及2)与类别的平均值相比,类别的中位数受不平衡数据的影响较小。损失时间表示特定分段的一个或多个执行实例比特定分段中最快可能时间慢的量。因此,与分段b相比,分段a具有相对较少的损失时间,这指示专注于改善分段b是更有利的。
[0061]
加权影响:加权影响表示由特定分段的分段性能引起的特定分段的整体性能的百分比贡献。如等式8中那样计算分段s的总加权影响(twi):
[0062][0063]
其中c是分段s中的类别数量,sp(si)是分段s中的类别si的分段性能,并且op(si)是分段s中的类别si的整体性能,|s|标示通过分段s的案例数量,并且|si|标示在类别si中的案例数量。分段性能是分段s的性能(例如,总时间间隔)。整体性能是具有分段s的案例的总吞吐量时间。
[0064]
在步骤212处,确定是否存在已标识分段的任何剩余分段。如果确定存在剩余分段,则方法200返回到步骤206并且使用下一个剩余分段作为特定分段来重复步骤206-210。因此,对已标识分段中的每个分段执行步骤206-210。如果确定没有剩余分段,方法200继续到步骤214。
[0065]
在步骤214处,基于一个或多个指标来将已标识分段彼此比较以标识已标识分段中的至少一个中的瓶颈。在一个实施例中,通过基于一个或多个指标来对每个已标识分段进行排名来将已标识分段彼此比较。在一个实施例中,首先为一个或多个指标中的每个指标确定已标识分段的个体排名。例如,可以针对效应大小指标确定已标识分段的效应大小排名,可以针对潜在损失时间指标确定已标识分段的损失时间排名,并且可以针对总加权影响指标确定已标识分段的加权影响排名。然后基于针对一个或多个指标的个体排名来计算汇总排名。例如,汇总排名可以包括个体排名的累积排名、个体排名的加权排名、或汇总
个体排名的任何其他合适的排名。在一个实施例中,累积排名可以被计算为针对一个或多个指标的个体排名的总和或均值。汇总排名表示一个分段与其他分段相比具有瓶颈的相对可能性。与其他分段相比具有最高汇总排名的分段是最可能具有瓶颈的分段,而与其他分段相比具有最低累积排名的分段是最不可能具有瓶颈的分段。将已标识分段彼此比较促进用户标识已标识分段中的瓶颈。例如,具有最高汇总排名的分段是最可能具有瓶颈的分段,这可以指示建议用户进一步分析以确定该分段是否具有瓶颈。在一些实施例中,排名还可以基于运营成本,然后用户可以查看具有最高潜在风险的分段。
[0066]
图4示出了根据一个或多个实施例的用于对分段进行排名的示例性表格400。如表格400的列402中所示,在事件日志中标识了七个分段。如列404、406和408中所示,分别针对每个分段计算效应大小、潜在损失时间和总加权影响指标。如列410、412和416中所示,分别针对效应大小、潜在损失时间和总加权影响指标中的每一个确定分段的个体排名。分段的个体排名范围从1到7,其中个体排名为1的分段是排名最低的分段,而个体排名为7的分段是排名最高的分段。例如,分段《c,e》在第404列中具有最低的效应大小,因此在第410列中被排名最低(1),而分段《a,b》在第404列中具有最高的效应大小,因此在第410列中被排名最高(7)。分段《d,e》在第406列中具有最低的潜在损失时间,因此在第412列中被排名最低(1),而分段《a,b》在第406列中具有最高的潜在损失时间,因此在第412列中被排名最高(7)。分段《a,c》在第408列中具有最低的总加权影响,因此在第414列中被排名最低(1),而分段《b,c》在第408列中具有最高的总加权影响,因此在列414中被排名最高(7)。将第410-141列中针对每个指标的个体排名加在一起,以针对每个分段计算累积排名,如第416列中所示。分段《a,b》具有最高的累积排名,并被标识为最可能具有瓶颈的分段。在一些实施例中,例如,在具有最高效应大小、最高潜在损失时间和最高总加权影响的分段被排名最低的情况下,具有最低累积排名的分段可能是最可能具有瓶颈的分段。
[0067]
在步骤216处,输出步骤214的比较结果。例如,可以通过在计算机系统的显示设备上显示比较结果、将比较结果存储在计算机系统的存储器或存储装置上、或者通过将比较结果传输到远程计算机系统,来输出比较结果。
[0068]
在一些实施例中,可以通过经由一个或多个用户界面(诸如例如图5-图11中所示的仪表板)在显示设备上显示已标识分段的比较结果来输出比较结果。仪表板从多个视角将结果可视化,包括例如时间视角、案例视角、组织视角和控制流视角。此类仪表板为用户提供分析工具以促进分段的分析以进行根本原因瓶颈分析。
[0069]
图5示出了根据一个或多个实施例的用于分段概览的仪表板500。仪表板500在区域1502中向用户呈现每个分段及其指标的概览。区域1502中的概览以表格的格式示出,其中每行对应于分段并且每列对应于属性。显示以下属性:分段名称、该分段中的案例数量、该分段中的类别数量、效应大小排名、潜在损失时间排名、总加权影响排名和累积排名。区域1502中的分段基于它们的累积排名从高到低进行排名。然而,与区域1502交互的用户可以基于任何列的属性(例如,通过点击列)来对表格进行排序。区域2504示出了(例如,当悬停在上方时)提供如何计算每个指标的描述的图标。
[0070]
图6示出了根据一个或多个实施例的用于时间视角的仪表板600。时间视角与事件的时间和频率相关。定时信息可以被用来发现瓶颈、测量服务水平等。仪表板600呈现所选分段的详细视图。区域1602示出了用户可以在其中选择分段的选择器。区域2604示出堆叠
条,其中每个部分610、612和614分别表示效应大小指标、损失时间指标和加权影响指标的值。区域2604为用户提供了快速检查所选分段相对于其他分段的排名案例并获得关于所选分段的总体洞察的能力。区域3606示出了每个类别的所选分段的每种案例的总吞吐量时间的分布。区域3606允许用户直观地比较类别以了解每个类别的整体性能。区域4608示出了每个类别的中位数吞吐量时间以及吞吐量时间如何被细分。特别地,区域4608示出了逝去时间(从案例开始到到达该分段的时间)、分段时间(该案例在该分段上花费的时间)和剩余时间(该案例在退出该分段与案例结束之间花费的时间)。区域4608将加权影响指标可视化,因为它示出了分段性能如何与整体性能相关,从而为用户提供了对分段如何影响整个过程的洞察力。
[0071]
图7示出了根据一个或多个实施例的用于案例视角的仪表板700。仪表板700呈现案例属性的分析,从而允许用户例如标识最慢类别与最快类别相比的案例属性之间的差别,这可以揭示为什么存在差别。区域1 702示出了用于由用户选择要分析的分段和要分析的类别集合的选择器。区域2 704示出了用于选择对其执行分析的案例属性的案例属性选择器和用于仅示出与基于先前研究所预期的显著不同的那些属性的“仅示出显著”选项。区域3 706示出了图表,其中线710标示所选案例属性的预期频率并且条形表示所选案例属性的观察频率。区域4 708示出了描绘所选案例属性如何分布在所有类别上的表格。区域4 708包括用于将分布显示为百分比或数字(计数)的百分比/计数选择器。
[0072]
图8示出了根据一个或多个实施例的用于组织视角的仪表板800。组织视角与资源相关——即,涉及哪些参与者(例如,人员、系统、角色、部门)以及它们如何相关。区域1 802示出了用于选择要分析的分段的选择器。区域2 804示出了用于选择要分析的事件属性的事件属性选择器和用于将分布显示为百分比或数字(计数)的百分比/计数选择器。区域3 806示出了描绘基于分段活动的每个类别的所选事件属性的分布的表格。如果选择“百分比”,则每行总和为100%,允许用户检查分段的事件属性频率并比较不同类别之间的事件属性频率。区域4 808示出了描绘针对整个过程的每个类别的所选事件属性的分布的表格。
[0073]
图9示出了根据一个或多个实施例的用于控制流视角的仪表板900。仪表板900允许用户发现一个类别相对于其他类别的流之间的差异。控制流视角与活动的顺序相关。区域1 902示出了用于选择要分析的分段的选择器。区域2 904示出了过程流分析工具。特别地,区域2 904包括:区域2a 906,其示出了用于选择类别的选择器;区域2b 908,其示出了所选类别的过程流,其中每条边缘示出了遍历它的案例的百分比;以及区域2c 910,其示出了解释过程利用率、案例数量的图例并包括用于设置用于隐藏或示出不频繁活动和边缘的阈值的用户可调整滑块。区域3 912示出了另一个过程流分析工具。区域3 912包括区域3a 914、3b 916和3c 918,它们与区域2a 906、2b、908和2c 910类似,但用于另一过程。区域4 920示出了用于在并排视图(如仪表板900中所示)或组合视图中示出过程之间进行选择的按钮。图10和图11分别示出了根据一个或多个实施例的用于示出过程的组合视图的控制流视角的仪表板1000和仪表板1100。按颜色将过程示出在仪表板1000和仪表板1100中,以使得过程a、过程b和两个过程由不同颜色来表示。仪表板1000中的每条边缘都包括一个百分比,该百分比按颜色表示针对每个过程的边缘遍历率。仪表板1100中的每条边缘包括针对每个过程的平均吞吐量时间(按颜色)。也可以在边缘上表示其他统计数据。
[0074]
返回参考图2的方法200,在一个实施例中,在步骤202处接收的事件日志是标准格
式,仅标识所执行的活动、活动的执行的单个时间戳和案例id,如图3的事件日志300中所示。然而,在其他实施例中,在步骤202处接收的事件日志是非标准格式并被转换为标准格式。
[0075]
非标准格式的事件日志的一个示例是事件日志,其包括对应于每个事件的行和标识每个事件的执行开始时间的时间戳和执行完成时间的时间戳的列。通过将每个事件拆分为两个单独的事件(即两个单独的行),将这种非标准格式的事件日志转换为标准格式——第一事件对应于执行开始时间并且第二事件对应于执行完成时间。在该示例中,可以基于执行开始时间和执行完成时间来区分正被分析的分段的类型。例如,从与特定活动的执行开始时间相对应的事件到与同一活动的执行完成时间相对应的事件的分段可以表示处理时间,而从与特定活动的执行完成时间相对应的事件到与下一个活动的执行开始时间相对应的事件的分段可以表示等待时间。因此,检测到的瓶颈可以通过类型来区分(即,由于处理时间或由于等待时间)。
[0076]
非标准格式的事件日志的另一个示例是事件日志,包括对应于每个事件的行和标识每个事件的活动生命周期信息的列。活动生命周期信息表示与事件相关联的活动的状态。状态可以是例如开始、完成、暂停或恢复。通过修改活动的标签(即名称)以包括生命周期信息并移除标识活动生命周期信息的列,将这种非标准格式的事件日志转换为标准格式。例如,具有标识“接收发货单”活动标签的列和标识“开始”活动生命周期信息的列的非标准事件日志可以被转换为具有标识“接收发货单 开始”活动标签的列并删除标识活动生命周期信息的列。因此,可以基于活动生命周期信息来区分分段的类型。例如,从对应于活动的开始执行的事件到对应于活动的暂停执行的事件的分段可以表示处理时间,对应于活动的暂停执行的事件到对应于活动的恢复执行的事件可以表示等待时间,并且对应于活动的恢复执行的事件到对应于活动的完成执行的事件可以表示处理时间。因此,检测到的瓶颈可以通过类型来区分(即,由于处理时间或由于等待时间)。
[0077]
图12是图示根据本发明的实施例的计算系统1200的框图,其被配置为执行本文描述的包括图1-图2的方法、工作流和过程。在一些实施例中,计算系统1200可以是本文描绘和/或描述的计算系统中的一个或多个。计算系统1200包括用于传送信息的总线1202或其他通信机制,以及耦合到总线1202以用于处理信息的(多个)处理器1204。(多个)处理器1204可以是任何类型的通用或专用处理器,包括中央处理单元(cpu)、专用集成电路(asic)、现场可编程门阵列(fpga)、图形处理单元(gpu)、其多个实例和/或其任何组合。(多个)处理器1204还可以具有多个处理核心,并且至少一些核心可以被配置为执行特定功能。在一些实施例中可以使用多并行处理。
[0078]
计算系统1200还包括用于存储信息和要由(多个)处理器1204执行的指令的存储器1206。存储器1206可以包括以下任何组合:随机存取存储器(ram)、只读存储器(rom)、闪存、高速缓存、静态存储(诸如磁盘或光盘)或任何其他类型的非瞬态计算机可读介质或其组合。非瞬态计算机可读介质可以是可由(多个)处理器1204访问的任何可用介质并且可以包括易失性介质、非易失性介质或两者。介质也可以是可移除的、不可移除的或两者。
[0079]
此外,计算系统1200包括诸如收发器之类的通信设备1208,以根据任何当前存在的或未来实现的通信标准和/或协议经由无线和/或有线连接提供对通信网络的访问。
[0080]
(多个)处理器1204还经由总线1202耦合到适合于向用户显示信息的显示器1210。
显示器1210还可以被配置为触摸显示器和/或任何合适的触觉i/o设备。
[0081]
键盘1212和光标控制设备1214,诸如计算机鼠标、触摸板等,进一步耦合到总线1202以使得用户能够与计算系统交互。然而,在某些实施例中,可能不存在物理键盘和鼠标,并且用户可以仅通过显示器1210和/或触摸板(未示出)来与设备交互。根据设计选择,可以使用任何类型以及组合的输入设备。在某些实施例中,不存在物理输入设备和/或显示器。例如,用户可以经由与其通信的另一个计算系统远程地与计算系统1200交互,或者计算系统1200可以自主地操作。
[0082]
存储器1206存储软件模块,该软件模块在由(多个)处理器1204执行时提供功能性。模块包括用于计算系统1200的操作系统1216和被配置为执行本文描述的过程的全部或部分或其衍生物的一个或多个附加功能模块1218。
[0083]
本领域技术人员将领会,在不脱离本发明范围的情况下,“系统”可以被体现为服务器、嵌入式计算系统、个人计算机、控制台、个人数字助理(pda)、手机、平板计算设备、量子计算系统或任何其他合适的计算设备或设备的组合。将上述功能呈现为由“系统”执行并不旨在以任何方式限制本发明的范围,而是旨在提供本发明的许多实施例中的一个示例。实际上,本文公开的方法、系统和装置可以以与计算技术一致的本地化形式以及分布式形式来实现,包括云计算系统。
[0084]
应当注意,本说明书中描述的一些系统特征已经被呈现为模块,以便更具体地强调它们的实现独立性。例如,模块可以被实现为硬件电路,该硬件电路包括定制的超大规模集成(vlsi)电路或门阵列、现成半导体,诸如逻辑芯片、晶体管或其他分立元件。模块还可以被实现在可编程硬件器件中,诸如现场可编程门阵列、可编程阵列逻辑、可编程逻辑器件、图形处理单元等。模块也可以至少部分地以软件实现以供各种类型的处理器执行。被标识的可执行代码单元可以例如包括计算机指令的一个或多个物理或逻辑块,其可以例如被组织为对象、程序或功能。然而,所标识的模块的可执行文件不需要物理地放置在一起,而是可以包括存储在不同位置的不同指令,这些指令当逻辑地接合在一起时包括模块并达成模块的所述目的。此外,在没有偏离本发明的范围的情况下,模块可以被存储在计算机可读介质上,其例如可以是硬盘驱动器、闪存设备、ram、磁带和/或被用来存储数据的任何其他此类非瞬态计算机可读介质。事实上,一个可执行代码模块可以是单条指令,也可以是多条指令,甚至可以分布在若干不同的代码段上、分布在不同的程序之中以及若干存储设备上。类似地,操作数据可以在本文中在模块内被标识和图示,并且可以以任何合适的形式而被体现并且可以被组织在任何合适类型的数据结构内。操作数据可以作为单个数据集而被收集,或者可以分布在包括不同存储设备的不同位置上,并且可以至少部分地仅作为系统或网络上的电子信号存在。
[0085]
以上仅说明了本公开的原理。因此将领会,本领域技术人员将能够设计出各种布置,尽管在本文中没有明确描述或示出,但是体现了本公开的原理并且被包括在其精神和范围内。此外,本文中引用的所有示例和条件语言主要旨在仅用于教学目的,以帮助读者理解本公开的原理和发明人为促进本领域所贡献的概念,并且应被解释为对这些具体列举的示例和条件没有限制。此外,本文中叙述本公开的原理、方面和实施例及其具体示例的所有陈述旨在涵盖其结构和功能等效物。此外,此类等效物旨在包括当前已知的等效物以及未来开发的等效物。
转载请注明原文地址:https://win.8miu.com/read-950353.html

最新回复(0)