CN109213729A - 结果驱动的案例管理 - Google Patents

Abstract

本申请的各实施例涉及结果驱动的案例管理。公开了一种用于编配操作的系统。该系统包括用来标识操作中的差异并且用来生成用于解决差异的多个假定的案例编配引擎。案例编配引擎还收集关于操作中的差异的证据，基于从用户接收的对话驱动的反馈来评估多个假定中的每个假定，并且基于证据和操作的预期结果来选择用于解决差异的多个假定中的一个假定。案例编配引擎基于选择的假定来提供针对差异的原因以及用于解决差异的补救措施，并且然后基于补救措施来生成用于执行操作以实现预期结果的计划。

Description

结果驱动的案例管理

技术领域

本公开内容涉及案例管理(case management)，并且特别地涉及用于结果驱动的案例管理的系统和方法。

背景技术

一般而言，与企业中的过程相关联的各个方面(诸如步骤、组成、事件和任务)可以被管理以实现更好的效率和容易的实现。众所周知，案例管理系统是存储关于相关联的操作的信息的共享内容管理系统。例如，在医疗保健行业和法律行业中，案例管理系统可以分别存储和组织关于患者和客户的细节。这样的信息被存储在公共位置处，从而使得授权的工作人员可访问。案例管理系统可以启用对与具体案例相关的任何文档的查看以及即时取回。

在帮助集中信息的同时，现有的案例管理系统以被动和反应模式操作。因此，现有的案例管理系统不可以实时地收集资源以及消除操作中的障碍。此外，在过程中出现异常或差异的情况中，传统方法可能无法适应异常，由此停止过程。这转而可能会不利地影响过程的结果。例如，在关于物品的制造的过程的情况中，制造物品的方式可能由于没有及时解决异常而受到影响。

附图说明

本公开内容的特征通过举例的方式而被说明，并且不限于以下(多个)附图，在附图中相同的数字指示相同的元件，在附图中：

图1示出了根据本公开内容的示例实施例的系统的框图；

图2示出了根据本公开内容的示例实施例的系统的另一框图；

图3示出了根据本公开内容的示例实施例的系统的另一框图；

图4示出了根据本公开内容的示例实施例的描绘系统与用户的对话驱动的交互的框图；

图5示出了根据本公开内容的示例的用于系统的实现的硬件平台；

图6示出了根据本公开内容的示例实施例的描绘用于操作的编配(orchestration)的计算机实现的方法的流程图；

图7示出了根据本公开内容的示例实施例的描绘当操作是对账(reconciliation)操作、匹配操作、付款收取操作和计费操作中的一项时用于操作的编配的计算机实现的方法的流程图；以及

图8示出了根据本公开内容的示例实施例的描绘用于在争议(dispute)的情况中的操作的编配的计算机实现的方法的流程图。

具体实施方式

为了简化和说明的目的，本公开内容主要通过参考其示例而被描述。在以下描述中，阐述了很多具体细节以提供对本公开内容的透彻理解。然而，很清楚的是，可以实践本公开内容而不限于这些具体细节。在其他情况中，本领域普通技术人员容易理解的一些方法和结构未被详细描述，以免不必要地模糊本公开内容。如本文所使用的，术语“一个(a)”和“一个(an)”旨在表示特定元素中的至少一个特定元素，术语“包括(includes)”表示包括但不限于，术语“包括(including)”表示包括但不限于，并且术语“基于”表示至少部分基于。

本主题内容描述了用于结果驱动的案例管理操作的系统和方法。尽管概述关于本公开内容的系统中的一个系统而被说明，但是在不脱离本公开内容的范围的情况中，概述同样地适用于其他系统和方法。

在示例实施例中，该操作可以包括但不限于对账操作、匹配操作、发票生成操作、付款收取操作、争议解决操作和计费操作。系统可以基于一个或多个预定义的操作特定参数来标识操作中的差异。例如，在操作是对账操作的情况中，预定义的操作特定参数可以包括但不限于用于确定不同值的匹配的操作符(operator)以及指示值的匹配或不匹配的匹配表。

系统可以生成用于解决差异的多个假定。假定指示针对差异在操作中的出现的潜在原因。在多个假定的生成时，系统可以调查关于操作的细节以便收集与差异相关的证据。此外，系统可以基于从用户接收的对话驱动的反馈来评估多个假定中的每个。系统可以与用户交互以便收集用于评估每个假定的信息。系统可以按照对话驱动的方式进行交互，即，系统可以引导交互以便从用户获取必要的信息。

基于证据、从用户收集的信息和操作的预期结果，系统可以选择多个假定中的一个假定以用于解决差异。此外，基于选择的假定，系统可以提供针对差异的原因连同用于解决差异的补救措施。然后，系统可以基于补救措施来生成用于执行操作以实现预期结果的计划。系统还可以测量基于生成的计划的执行的过程的性能。另外，系统可以基于测量的性能来自动地调节过程。

本公开内容提供了一种用于基于期望的结果来管理案例的综合方式。如上所述，系统在各种应用中可实现。此外，案例的管理是结果驱动的，即，操作可以基于操作的结果而被修改。因此，如由系统执行的案例管理变得可适应和可扩展。

另外，由于案例管理是结果驱动的，所以即使在差异的情况中，系统也确保与案例管理系统一起执行一个或多个操作的计划被更新以便实现预定义的结果。因此，无论差异如何，随着计划被实时地更新，操作的结果保持不变。此外，系统通过修正或避免差异来前摄地标识差异并且生成用于解决方案的假定。因此，系统提供操作的灵活性并且确保操作不被停止。本领域普通技术人员将认识到，本公开内容提供了一种用于基于期望的结果来管理案例的全面、灵活、准确、有效、智能且前摄的方式。

图1示出了根据本公开内容的示例实施例的用于基于期望的结果来编配案例管理系统中的活动的系统100的框图。要被管理的操作可以涉及企业的各个领域，诸如制造、生产、人力资源和会计。在示例实施例中，系统100可以针对可以在医疗保健或法律组织中被实现的案例管理系统来执行编制。在示例实施例中，操作可以包括但不限于对账操作、匹配操作、发票生成操作、付款收取操作、争议解决操作和计费操作。

如可以被理解的，系统100可以被实现用于编配案例管理系统中的单个操作或多个操作。多个操作可以由单个企业实现，或者在某些示例中可以由多于一个企业/组织实现。为了简洁起见，已经参考单个操作说明了以下描述。然而，可以被领会到的是，类似的原理可以被扩展到其他示例，其中多个操作或横跨多个企业的过程将要被编配。

在示例实施例中，系统100可以包括处理器102、案例编配引擎104和学习引擎106。处理器102、案例编配引擎104和学习引擎106可以彼此通信。

案例编配引擎104或学习引擎106可以被实现为(多个)信号处理器、(多个)状态机和/或逻辑电路。此外，案例编配引擎104或学习引擎106可以在硬件、由处理单元执行的指令中被实现或由它们的组合实现。处理单元可以包括计算机、处理器、状态机、逻辑阵列或能够处理指令的任何其他合适的设备。处理单元可以是执行指令以执行所需任务的专用处理器。

在本公开内容的另一方面中，案例编配引擎104或学习引擎106可以是在由处理器/处理单元执行时执行描述的功能中的任何功能的机器可读指令(软件)。机器可读指令可以被存储在电子存储器设备、硬盘、光盘或其他机器可读存储介质或非暂态介质上。

案例编配引擎104可以接收关于案例管理系统中的操作的细节。案例编配引擎104可以基于一个或多个预定义的操作特定参数来标识操作的细节中的差异。在差异的标识之后，案例编配引擎104可以将差异分类为关于操作的差异的预定义的类别中的一个或多个预定义的类别。

基于分类，案例编配引擎104可以生成用于解决差异的多个假定。假定指示针对差异的发生的潜在原因。在示例实施例中，案例编配引擎104可以基于机器学习技术来生成多个假定。此外，案例编配引擎104可以调查细节，并且然后基于调查来收集关于操作中的差异的证据。在示例实施例中，案例编配引擎104可以基于规则和策略的预定义的集合来调查关于操作的细节。

在示例实施例中，案例编配引擎104可以确定多个假定中的每个假定用于提供差异的原因的可能性。另外，案例编配引擎104可以基于从用户接收的对话驱动的反馈来评估多个假定中的每个每个。在示例实施例中，系统100可以与用户交互以用于接收反馈。在示例实施例中，案例编配引擎104可以与用户交互以用于通过以下中的至少一项来接收对话驱动的反馈：自然语言生成(NLP)技术、自然语言理解(NLU)技术、自动语音识别(ACR)技术和文本到语音(TTS)合成技术。

基于证据和操作的预期结果，案例编配引擎104可以选择多个假定中的一个假定以用于解决差异。在选择之后，案例编配引擎104可以为选择的假定生成置信度得分。置信度得分指示假定的选择的准确性。附加地，基于置信度得分，案例编配引擎104可以提供针对差异的原因连同用于解决差异的补救措施。

在示例实施例中，可以为操作的编配定义置信度得分的门限值。在示例实施例中，置信度得分可以在门限值之上。在这样的示例实施例中，案例编配引擎104可以基于选择的假定来提供针对差异的原因连同补救措施。

在备选示例实施例中，置信度得分可以小于门限值。在这样的示例实施例中，案例编配引擎104可以基于用户反馈来提供针对差异的原因以及补救措施。案例编配引擎104可以基于补救措施来生成用于执行操作以实现预期结果的计划。

另外，案例编配引擎可以测量基于生成的计划的执行的过程的性能，并且基于测量的性能来自动地调节过程。例如，系统100可以被实现为零件订购环境中的案例管理子系统。具体而言，案例编配引擎104可以生成用来从多个供应商订购零件的计划。在该计划的执行时，案例编配引擎104可以接收关于从多个批发商订购的零件的细节。这些细节可以包括例如针对从分离的供应商处订购的零件的整体销售成本。案例编配引擎104还可以接收关于销售来自不同供应商的零件的零售成本的细节。案例编配引擎104可以通过计算从不同供应商订购的零件的批发成本和零售成本之间的差异来确定利润率。如果对于从某些供应商订购的零件，利润率低于预定义的门限，则案例编配引擎104可以自动地引起对零件从那些供应商的订购的减少或停止以及自动补偿增加来自利润率达到预定义的门限或在其之上的供应商的零件的订购。

案例编配引擎104可以通过与诸如企业资源计划(“ERP”)工具等零件订购工具连接并且修改该工具内的订单数据来实现订购的自动改变，以确保零件从更具成本效益的供应商来订购。

在示例实施例中，系统100可以在零售商店或便利店中被实现。在这样的示例实施例中，案例编配引擎104可以基于计划来接收关于操作的执行的细节。细节可以包括但不限于由零售商店销售的供应商的产品的数目、零售商店的库存中可用的供应商的产品的数目、向客户转运的供应商的产品的数目以及在由客户返回的过程中的供应商的产品的数目。

基于细节，案例编配引擎104可以比较由零售商由于供应商的产品的销售而收回的成本与被支付给供应商以用于产品向零售商的供应的成本。案例编配引擎104可以检测被支付给供应商的成本与由零售商收回的成本之间的不一致。

此外，案例编配引擎104可以基于不一致来确定要由供应商向零售商店支付的成本。例如，当被支付给供应商的成本大于由零售商店收回的成本时，供应商可能会花费成本以用于解决不一致。在示例实施例中，案例编配引擎104可以生成报告，并且然后可以将报告转发给供应商。报告可以包括但不限于要由供应商向零售商店支付的成本、不一致的原因以及用于成本由供应商的支付的时间限制。

例如，供应商可以通过零售商店在预定的持续时间内以降低的价格经营销售多个电视机的活动。在零售商店和供应商之间可以签订协议，协议声明供应商应当遵守电视机的价格在预定持续时间内的降低。在预定义的持续时间完成之后，案例编配引擎104可以进行如上所述的后支付审核操作。案例编配引擎104可以取回关于操作的执行的细节，即，由零售商店对供应商的产品的销售。该操作可以广泛地被标识为以下中的一项：发票生成操作、付款收取操作、争议解决操作和计费操作。在示例实施例中，案例编配引擎104可以取回关于反映零售商店和供应商关于价格降低的协商的电子邮件的细节。此外，案例编配引擎104可以如上所述取回关于产品的销售的细节。基于取回的细节，编配引擎104可以比较被支付给供应商的成本和由零售商收回的成本。因此，案例编配引擎104可以生成报告并且将报告转发给供应商。

在示例实施例中，学习引擎106可以存储关于以下中的至少一项的细节：差异的标识、多个假定的生成和评估、多个假定中的一个假定的选择以及计划的生成。在示例实施例中，学习引擎106可以将细节存储在数据库108中。数据库108可以是内部数据库、外部数据库或它们的任何组合。

一旦学习引擎106存储了细节，案例编配引擎104就可以从学习引擎106接收存储的细节。此外，在差异的后续标识的情况中，案例编配引擎104可以基于存储的细节来编配操作。

图2示出了根据本公开内容的示例实施例的系统100的另一框图。在示例实施例中，系统100也可以包括其他组件，并且可以将案例编配引擎104的功能中的一些功能分配给这样的其他组件。为了简洁起见，在图2的描述中没有详细说明在图1的描述中已经被说明的系统100的特征。

在本示例实施例中，系统100可以包括案例编配引擎104、假定生成引擎202、溯因(abductive)推理引擎204和补救引擎206。案例编配引擎104、假定生成引擎202、溯因推理引擎204和补救引擎206可以彼此通信。系统100可以与业务过程引擎208、业务和信息技术(IT)系统210、数据源212、证据库214、案例库216以及策略和规则引擎218通信。

在示例实施例中，案例编配引擎104可以接收也被称为案例220的差异。案例220可以在业务过程引擎208中被生成，并且可以通过业务和IT系统210被转发到案例编配引擎104。业务和IT系统210可以触发案例220朝向案例编配引擎104的进展。例如，在操作与计费和收款相关的情况中，账单可以被生成并且被转发给客户。在这样的情况中，案例220的触发可以是客户对帐单中提到的金额不满意。因此，业务和IT系统210可以基于客户不满而触发案例220。客户不满可以被理解为随后可以从业务和IT系统210被转发给案例编配引擎104的事件。

在示例实施例中，案例编配引擎104也可以接收预期案例结果222。在一个示例实施例中，预期案例结果222可以是要解决案例220。例如，在发票生成的情况中，预期案例结果222可以是要生成发票，其对于有关方方便理解来说是足够详细的。

在示例实施例中，案例编配引擎104可以从数据源212接收关于诸如例如争议解决操作或发票生成操作的操作的细节。之后，案例编配引擎104可以处理事件、结构化数据和非结构化数据以用于操作的编配。在示例实施例中，案例编配引擎104可以基于从策略和规则引擎218接收的策略和规则的集合来编配操作。策略和规则的集合可以被理解为用于执行操作的编配的约束或合规性规范。例如，在调查证据时，规则之一可以是不侵犯他人的隐私。案例编配引擎104可以调查操作的细节以确定用于解决案例220的证据。在示例实施例中，案例编配引擎104可以将证据存储在证据库214中。证据库214也可以与假定生成引擎202、溯因推理引擎204和补救引擎206通信。

假定生成引擎202可以基于证据来生成多个假定。在示例实施例中，溯因推理引擎204可以基于证据和预期案例结果222来标识或评估多个假定中的一个假定。

此外，补救引擎206可以提供针对案例220的生成的原因以及用于关闭或解决案例220的对应的补救措施。在示例实施例中，补救引擎206可以将每个案例220的原因和补救措施转发给与案例编配引擎104通信的案例库216。

图3示出了根据本公开内容的示例实施例的系统100的另一框图。为了简洁起见，在图3的描述中没有详细说明在图1和图2的描述中已经被说明的系统100的特征。

在本示例实施例中，系统100可以包括自动化内容收集引擎302、案例定义库304、协作案例定义工具306、内容源308、案例编配引擎104、对话引擎310、案例监测和发现引擎312以及仪表板314。在示例实施例中，自动化内容收集引擎302、案例定义库304、协作案例定义工具306、内容源308、案例编配引擎104、对话引擎310、案例监测和发现引擎312以及仪表板314可以彼此通信。

在示例实施例中，自动化内容收集引擎302可以接收调查事件。调查事件可以被理解为操作的细节的调查报告。此外，自动内容收集引擎302可以基于调查事件来标识案例。在示例实施例中，自动内容收集引擎302可以从案例定义库304取回标识的案例的定义。案例定义库可以从外部源或从内部源收集潜在的新的案例。内容定义库304可以由案例管理器318通过协作案例定义工具306周期性地更新。在示例实施例中，案例管理器318可以定义和策划案例。

在示例实施例中，自动化内容收集引擎302可以从内容源308接收关于案例的细节。内容源308也可以与案例编配引擎104通信。在示例中，内容源308可以是内部数据库或外部数据库。

附加地，在案例编配引擎104中，可以执行关于案例的解决或关闭的活动。案例编配引擎104可以与对话引擎310通信，对话引擎310还可以与用户316通信。在示例实施例中，案例编配引擎104可以基于由对话引擎310执行的与用户316的对话驱动的交互来执行活动。对话引擎310的特征在图4的描述中被详细地说明。

此外，案例监测和发现引擎312可以监测和存储关于由系统100执行的案例管理的活动。例如，案例监测和发现引擎312可以开发用于分析的执行模式。在示例实施例中，案例管理器318可以通过仪表板314访问系统100的功能。

图4示出了根据本公开内容的示例实施例的描绘对话引擎310的组件的框图。为了简洁起见，在图4的描述中没有详细说明在图1、图2和图3的描述中已经被说明的系统100的特征。

在示例实施例中，系统100可以实现用于提取操作和人员信息的对话引擎310。对话引擎310可以与一个或多个用户交互以用于获取上述信息。

对话引擎310可以包括自动语音识别(ASR)引擎402、自然语言理解(NLU)引擎404、信念状态预测器406、动作计划器408、自然语言生成(NLG)引擎410以及文本到语音(TTS)合成引擎412。ASR引擎402、NLU引擎404、信念状态预测器406、动作计划器408、NLG引擎410和TTS合成引擎412可以彼此通信。

ASR引擎402可以检测用户的语音以用于从用户收集信息。NLU引擎404可以理解与用户的讨论或交互的意图。此外，信念状态预测器406可以基于用户的交互和输入的当前状态来预测与用户的交互的方向。信念状态预测器406可以预测用户可以询问的问题。信念状态预测器406可以基于要从用户取回的信息来引导对话。

此外，动作计划器408可以计划朝向期望的结果来引导与用户的交互。动作计划器408可以与NLG引擎412通信以确定要被生成以与用户交互的实际自然语言。在示例实施例中，对话引擎310可以通过语音、电子邮件或聊天来与用户交互。TTS合成引擎414可以帮助将文本转换为语音。附加地，案例编配引擎104可以与对话引擎310的动作计划器408通信。

在示例实施例中，对话引擎310可以实现语音识别技术、图像分析技术、视频分析技术和自然语言处理技术中的至少一项以用于收集过程信息中的非结构化数据，诸如语音、图像、视频和文本。图像分析技术和视频分析技术可以包括用于识别图像/视频并且理解识别的图像/视频的技术。

因此，对话引擎310可以控制与用户的交互的流程。对话引擎310可以从用户收集信息，可以与外部应用通信，并且可以将信息传送给用户。

在示例实施例中，对话引擎310可以通过开发具有槽的框架来设计用于与用户交互的对话模型。在对账操作的情况中，框架可以具有三个槽：在面板的左侧上的用于不匹配项目的第一槽、在面板的右侧上的用于另一不匹配项目的第二槽、以及用于生成新的实体以用于匹配不匹配项目的第三槽。

对话引擎310可以引导与用户的对话以用于收集必要的信息。在本示例中，对话引擎310可以引导对话以收集用于第三槽的信息，从而使得不匹配的实体可以被匹配，并且对应的案例可以被关闭。

在示例中，操作可以是发票生成操作。在这样的示例中，发票被生成并且案例随后被打开以用于收取针对发票的付款。可以存在多个可能的付款阶段，诸如“逾期付款”和“付款纠纷”。预期案例结果是收取付款。

顾客可以表达对发票中反映的金额的不满。系统100可以调查关于发票的细节。在示例实施例中，当系统100可以确定发票不正确时，系统100可以修改发票并且将发票重新发送给客户。由于付款还没有被收到，所以案例仍然无法被关闭。在另一示例实施例中，当系统100可以确定发票是正确的并且争议可能没有任何优点时，系统100可以在预定义的时间间隔之后通知客户未决支付。在一些情况中，系统100可以与客户交互以解决问题。

图5示出了根据本公开内容的示例的用于系统100的实现方式的硬件平台500。在示例实施例中，硬件平台500可以是可以与本文中描述的示例一起被使用的用于实现系统100的计算机系统500。计算机系统500可以表示包括可以在服务器或另一计算机系统中的组件的计算平台。计算机系统500可以通过处理器(例如，单个或多个处理器)或其他硬件处理电路来执行本文中描述的方法、功能和其他过程。这些方法、功能和其他过程可以被实施为被存储在计算机可读介质上的机器可读指令，计算机可读介质可以是非暂态的，诸如硬件存储设备(例如，RAM(随机存取存储器)、ROM(只读存储器)、EPROM(可擦除可编程ROM)、EEPROM(电可擦除可编程ROM)、硬盘驱动和闪存)。

计算机系统500可以包括处理器502，处理器502可以实现或执行机器可读指令，机器可读指令执行本文中描述的方法、功能、技术和/或其他过程中的一些或全部。来自处理器502的命令和数据可以通过通信总线504而被传送。计算机系统500还可以包括用于处理器502的机器可读指令和数据可以在运行时期间驻留在其中的主存储器506，诸如随机存取存储器(RAM)；以及辅助数据存储装置508，其可以是非易失性的并且存储机器可读指令和数据。存储器506和数据存储装置508是非暂态计算机可读介质的示例。存储器506和/或辅助数据存储装置可以存储由系统100使用的数据，诸如包括web对象、配置数据、测试数据等的对象库。

计算机系统500可以包括输入/输出(I/O)设备510，诸如键盘、鼠标、显示器等。用户接口(UI)512可以是向系统100的用户提供文本和图形用户接口的通信设备。UI 512可以与I/O设备510一起操作以从用户接受数据以及向用户提供数据。计算机系统500可以包括用于连接到网络的网络接口514。可以在计算机系统500中添加或替换其他已知的电子组件。处理器502可以被指定为硬件处理器。处理器502可以执行上述系统100的各种组件并且执行下面描述的方法。

图6示出了根据本公开内容的示例实施例的描绘用于操作的编配的计算机实现的方法600的流程图。方法600可以由包括执行体现方法的机器可读指令的至少一个处理器的一个或多个服务器或其他类型的计算机执行。例如，图1中所示的系统100可以存储体现方法600的机器可读指令，并且处理器102可以执行机器可读指令。方法600通过示例被描述为由系统100执行。为了简洁起见，在图6的描述中没有详细说明在图1、图2、图3、图4和图5的描述中已经被说明的系统100的特征。

在601处，方法600可以开始于基于一个或多个预定义的操作特定参数来标识操作中的差异。操作可以包括但不限于对账操作、匹配操作、发票生成操作、付款收取操作、争议解决操作或计费操作。

在602处，可以将差异分类为关于操作的差异的预定义的类别中的一个或多个预定义的类别。在603处，可以基于分类来生成用于解决差异的多个假定。每个假定指示针对差异的发生的潜在原因。

在604处，方法600可以包括基于对关于操作的细节的调查来从内部或外部数据源收集关于操作的差异的证据。在605处，可以基于从用户接收的对话驱动的反馈来评估多个假定中的每个假定。

在606处，可以基于证据和操作的预期结果来选择多个假定中的一个假定以用于解决差异。在607处，可以为选择的假定生成置信度得分。置信度得分指示假定的选择的准确性。

在608处，可以基于置信度得分来提供针对差异的原因连同用于解决差异的补救措施。在示例实施例中，当置信度得分在用于置信度得分的门限值之上时，方法600可以包括基于选择的假定来提供针对差异的原因连同补救措施。在备选示例实施例中，当置信度得分在用于置信度得分的门限值之下时，方法600可以包括基于用户反馈来提供针对差异的原因连同补救措施。

在609处，可以基于补救措施来生成用于执行操作以实现预期结果的计划。在示例实施例中，方法600可以包括存储关于以下中的至少一项的细节：差异的标识、多个假定的生成和评估、多个假定中的一个假定的选择以及计划的生成。此外，在差异的后续标识的情况中，可以基于存储的细节来编配操作。

在610处，可以测量基于生成的计划的执行的过程的性能。在611处，可以基于测量的性能来自动地调节过程。

在示例实施例中，在计划的生成之后，方法600可以包括接收关于操作的执行的细节。细节可以包括但不限于由零售商店销售的供应商的产品的数目、零售商店的库存中可用的供应商的产品的数目、向客户转运的供应商的产品的数目以及在由客户返回的过程中的供应商的产品的数目。此外，可以基于比较来检测被支付给供应商以用于产品向零售商店的供应的成本与由零售商店由于销售供应商的产品而收回的成本之间的不一致。方法600还可以包括基于不一致来确定由供应商向零售商店支付的成本。报告随后可以被生成并且被转发给供应商。报告可以包括但不限于要由供应商向零售商店支付的成本、不一致的原因医用用于成本由供应商的支付的时间限制。

图7示出了根据本公开内容的示例实施例的描绘当操作是对账操作、匹配操作、付款收取操作或计费操作中的一项时用于操作的案例编配的计算机实现的方法700的流程图。为了简洁起见，在图7的描述中没有详细说明在图1、图2、图3、图4、图5和图6的描述中已经被说明的系统100的特征。

在701处，方法700可以开始于案例的标识或操作的细节中的差异。在对账操作的情况中，细节可以包括但不限于来自企业资源规划(ERP)系统的对账单。在匹配操作的情况中，细节可以包括但不限于差异报告。在付款收取操作的情况中，细节可以包括但不限于关于对应的发票和支付状态的细节。在计费操作的情况中，细节可以包括但不限于关于使用的服务的细节。

在702处，方法700可以包括生成多个假定。在对账操作的情况中，多个假定可以包括但不限于未结支票、在途存款、银行服务费、支票打印费、账簿错误、银行错误、尚未被记录在账簿上的银行对帐单上的电子费用以及尚未被记录在账簿上的银行对账单上的电子存款。在匹配操作的情况中，多个假定可以包括但不限于未被包括在采购订单中的运费、销售税计算变化、购买订单超支和费用项目(lineitem)或数量不匹配。在计费操作的情况中，多个假定可以包括但不限于对账户错误、划分或部门或项目编码错误的计费、以及服务提供和清单之间的差异。

在703处，可以基于系统100与用户的对话驱动的交互来选择假定中的一个假定以用于关闭案例。

在704处，可以基于选择的准确性来为选择的假定生成置信度得分。在705处，确定置信度得分是否在门限值之上。当置信度得分在门限值之上时，方法700分支到706。在706处，方法700可以包括提供原因和补救措施以用于关闭案例。

当确定置信度得分在门限值之下时，该方法分支到707。在707处，向用户咨询解决方案。在708处，确定案例是否被解决。当确定案例被解决时，方法700分支到706。当确定案例未被解决时，案例未被关闭，并且方法分支到709，在709处，保持案例的打开状态。

图8示出了根据本公开内容的示例实施例的描绘用于在争议的情况中的操作的案例管理的计算机实现的方法的流程图。为了简洁起见，在图8的描述中没有详细说明在图1、图2、图3、图4、图5、图6和图7的描述中已经被说明的系统100的特征。

在801处，方法800可以开始于接收关于发票的电子邮件。在802处，可以标识案例或差异。在803处，确定案例是否被分类为预定义的分类中的一个预定义的分类。在本示例实施例中，预定义的分类可以包括但不限于查询或争议。当确定案例是争议时，方法800分支到803。

在803处，关于争议打开案例。在804处，可以将争议分类为关于争议的预定义的分类中的一个预定义的分类。在805处，方法800可以包括生成多个假定。在806处，可以基于系统100与用户的对话驱动的交互来选择假定中的一个假定以用于关闭案例。

在807处，可以基于选择的准确性来为选择的假定生成置信度得分。在808处，确定置信度得分是否在门限值之上。当置信度得分在门限值之上时，方法800分支到809。在809处，方法700可以包括提供原因和补救措施以用于关闭案例。

当确定置信度得分在门限值之下时，该方法分支到810。在810处，向用户咨询解决方案。在811处，确定案例是否被解决。当确定案例被解决时，方法700分支到809。当确定案例未被解决时，案例未被关闭，并且方法分支到812，在812处，保持案例的打开状态。

本领域普通技术人员应当领会到，图7和图8的描述关于具体示例而被说明以用于提供对本公开内容的清楚和更好的理解的目的，并且因此不应当被解释为限制。

本文中已经被描述和说明的是本公开内容的示例连同一些变型。本文中使用的术语、描述和附图仅仅是为了说明而被阐明，并且并不表示限制。在本公开内容的范围内的很多变型是可能的，这些变型旨在由所附权利要求及其等同物限定，在所附权利要求中，除非另有说明，否则所有术语均以其最宽泛的合理含义而被理解。

Claims (20)

1.一种用于案例管理的系统，所述系统包括：

处理器；以及

案例编配引擎，所述案例编配引擎被耦合到所述处理器以：

接收关于操作的细节；

基于一个或多个预定义的操作特定参数来标识所述操作的细节中的差异；

将所述差异分类为关于所述操作的差异的预定义的类别中的一个或多个预定义的类别；

基于所述分类来生成用于解决所述差异的多个假定，其中假定指示针对所述差异的发生的潜在原因；

基于对关于所述操作的所述细节的调查来收集关于所述操作中的所述差异的证据；

基于从用户接收的对话驱动的反馈来评估所述多个假定；

基于所述证据和所述操作的预期结果来选择所述多个假定中的一个假定以用于解决所述差异；

为选择的所述假定生成置信度得分，其中所述置信度得分指示所述假定的所述选择的准确性；

基于所述置信度得分来提供针对所述差异的原因连同用于解决所述差异的补救措施；

基于所述补救措施来生成用于执行所述操作以实现所述预期结果的计划；

测量基于生成的所述计划的执行的过程的性能；以及

基于测量的所述性能来自动地调节所述过程。

2.根据权利要求1所述的系统，其中所述案例编配引擎还用来：

基于所述计划来取回关于所述操作的所述执行的细节，其中所述细节包括以下中的至少一项：由零售商店销售的供应商的产品的数目、所述零售商店的库存中可用的所述供应商的产品的数目、向客户转运的所述供应商的产品的数目、以及在由所述客户返回的过程中的所述供应商的产品的数目；

检测被支付给供应商以用于所述产品向所述零售商店的供应的成本与由所述零售商店由于所述供应商的所述产品的销售而收回的成本之间的不一致；

基于所述不一致来确定由所述供应商向所述零售商店支付的成本；

生成报告，所述报告指示以下中的至少一项：要由所述供应商向所述零售商店支付的所述成本、所述不一致的原因以及用于所述成本由所述供应商的支付的时间限制；以及

向所述供应商转发所述报告。

3.根据权利要求1所述的系统，其中当所述置信度得分在用于所述置信度得分的门限值之上时，所述案例编配引擎还用来基于选择的所述假定来提供针对所述差异的所述原因连同所述补救措施。

4.根据权利要求1所述的系统，其中当所述置信度得分在用于所述置信度得分的门限值之下时，所述案例编配引擎还用来基于用户反馈来提供针对所述差异的所述原因连同所述补救措施。

5.根据权利要求1所述的系统，其中所述案例编配引擎还用来基于规则和策略的预定义的集合来调查关于用于收集所述证据的所述操作的所述细节。

6.根据权利要求1所述的系统，其中所述案例编配引擎还用来确定用于提供所述差异的原因的假定的可能性。

7.根据权利要求1所述的系统，其中所述案例编配引擎还用来与所述用户交互以用于通过以下中的至少一项来接收所述对话驱动的反馈：自然语言生成(NLP)技术、自然语言理解(NLU)技术、自动语音识别(ASR)技术、或文本到语音(TTS)合成技术。

8.根据权利要求1所述的系统，还包括学习引擎，所述学习引擎与所述案例编配引擎通信以存储关于以下中的至少一项的细节：所述差异的标识、所述多个假定的生成和评估、所述多个假定中的一个假定的选择、以及所述计划的生成。

9.根据权利要求8所述的系统，其中所述案例编配引擎还用来：

从所述学习引擎接收存储的所述细节；以及

在差异的后续标识时，基于存储的所述细节来编配所述操作。

10.一种用于案例管理的系统，所述系统包括：

处理器；以及

案例编配引擎，所述案例编配引擎被耦合到所述处理器以：

基于一个或多个预定义的操作特定参数来标识操作中的差异；

生成用于解决所述差异的多个假定，其中假定指示针对所述差异的发生的潜在原因；

基于对关于所述操作的细节的调查来收集关于所述操作中的所述差异的证据；

基于从用户接收的对话驱动的反馈来评估所述多个假定；

基于所述证据和所述操作的预期结果来选择所述多个假定中的一个假定以用于解决所述差异；

基于选择的所述假定来提供用于所述差异的原因连同用于解决所述差异的补救措施；

基于所述补救措施来生成用于执行所述操作以实现所述预期结果的计划；

测量基于生成的所述计划的执行的过程的性能；以及

基于测量的所述性能来自动地调节所述过程。

11.根据权利要求10所述的系统，其中所述案例编配引擎还用来：

将所述差异分类为关于所述操作的差异的预定义的类别中的一个或多个预定义的类别；以及

基于所述分类来生成用于解决所述差异的所述多个假定。

12.根据权利要求10所述的系统，其中所述案例编配引擎还用来：

基于所述计划来取回关于所述操作的所述执行的细节，其中所述细节包括以下中的至少一项：由零售商店销售的供应商的产品的数目、所述零售商店的库存中可用的所述供应商的产品的数目、向客户转运的所述供应商的产品的数目、以及在由所述客户返回的过程中的所述供应商的产品的数目；

检测被支付给供应商以用于所述产品向所述零售商店的供应的成本与由所述零售商店由于所述供应商的所述产品的销售而收回的成本之间的不一致；

基于所述不一致来确定由所述供应商向所述零售商店支付的成本；

生成报告，所述报告指示以下中的至少一项：要由所述供应商向所述零售商店支付的所述成本、所述不一致的原因以及用于所述成本由所述供应商的支付的时间限制；以及

向所述供应商转发所述报告。

13.根据权利要求10所述的系统，其中所述案例编配引擎还用来为选择的所述假定生成置信度得分，其中所述置信度得分指示所述假定的所述选择的准确性。

14.根据权利要求11所述的系统，其中当所述置信度得分在用于所述置信度得分的门限值之上时，所述案例编配引擎还用来基于选择的所述假定来提供针对所述差异的原因连同所述补救措施。

15.根据权利要求11所述的系统，其中当所述置信度得分在用于所述置信度得分的门限值之下时，所述案例编配引擎还用来基于用户反馈来提供针对所述差异的原因连同所述补救措施。

16.根据权利要求10所述的系统，还包括：

学习引擎，所述学习引擎与所述案例编配引擎通信以存储关于以下中的至少一项的细节：所述差异的标识、所述多个假定的生成和评估、所述多个假定中的一个假定的选择以及所述计划的生成；并且

所述案例编配引擎用来：

从所述学习引擎接收存储的所述细节；以及

在差异的后续标识时，基于存储的所述细节来编配所述操作。

17.一种案例管理的计算机实现的方法，所述方法包括：

基于一个或多个预定义的操作特定参数来标识操作中的差异；

将所述差异分类为关于所述操作的差异的预定义的类别中的一个或多个预定义的类别；

基于所述分类来生成用于解决所述差异的多个假定，其中假定指示针对所述差异的发生的潜在原因；

基于对关于所述操作的细节的调查来从数据源收集关于所述操作中的所述差异的证据；

基于从用户接收的对话驱动的反馈来评估所述多个假定；

基于所述证据和所述操作的预期结果来选择所述多个假定中的一个假定以用于解决所述差异；

为选择的所述假定生成置信度得分，其中所述置信度得分指示所述假定的选择的准确性；

基于所述置信度得分来提供针对所述差异的原因连同用于解决所述差异的补救措施；

基于所述补救措施来生成用于执行所述操作以实现所述预期结果的计划；

测量基于生成的所述计划的执行的过程的性能；以及

基于测量的所述性能来自动地调节所述过程。

18.根据权利要求17所述的计算机实现的方法，还包括：

基于所述计划来取回关于所述操作的所述执行的细节，其中所述细节包括以下中的至少一项：由零售商店销售的供应商的产品的数目、所述零售商店的库存中可用的所述供应商的产品的数目，向客户转运的所述供应商的产品的数目、以及在由所述客户返回的过程中的所述供应商的产品的数目；

检测被支付给供应商用于所述产品向所述零售商店的供应的成本与由所述零售商店由于所述供应商的所述产品的销售而收回的成本之间的不一致；

基于所述不一致来确定由所述供应商向所述零售商店支付的成本；

生成报告，所述报告指示以下中的至少一项：要由所述供应商向所述零售商店支付的成本、所述不一致的原因、以及用于所述成本由所述供应商的支付的时间限制；以及

向所述供应商转发所述报告。

19.根据权利要求17所述的计算机实现的方法，还包括：

当所述置信度得分在用于所述置信度得分的门限值之上时，基于选择的所述假定来提供针对所述差异的所述原因连同所述补救措施；以及

当所述置信度得分在用于所述置信度得分的门限值之下时，基于用户反馈来提供针对所述差异的所述原因连同所述补救措施。

20.根据权利要求17所述的计算机实现的方法，还包括：

存储关于以下中的至少一项的细节：所述差异的标识、所述多个假定的生成和评估、所述多个假定中的一个假定的选择以及所述计划的生成；以及

在差异的后续标识时，基于存储的所述细节来编配所述操作。