CN115471215A - 一种业务流程处理方法及装置 - Google Patents
一种业务流程处理方法及装置 Download PDFInfo
- Publication number
- CN115471215A CN115471215A CN202211341281.8A CN202211341281A CN115471215A CN 115471215 A CN115471215 A CN 115471215A CN 202211341281 A CN202211341281 A CN 202211341281A CN 115471215 A CN115471215 A CN 115471215A
- Authority
- CN
- China
- Prior art keywords
- real
- data set
- time data
- business process
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
Abstract
本发明涉及数据管理技术领域,公开了一种业务流程处理方法及装置,包括:接收业务流程系统的操作模仿指令,基于所述操作模仿指令依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,直至完成所有系统操作命令汇总收集到的监控实时数据,得到监控实时数据集,利用预构建的系统崩溃分析模型及监控实时数据集计算得到崩溃概率值,当崩溃概率值小于崩溃概率阈值时,构建完工率目标函数和约束条件,在满足所述约束条件下求解完工率目标函数,得到业务流程系统对当前管理业务的完工率。本发明主要目的在于提高对业务流程处理全面性。
Description
技术领域
本发明涉及一种业务流程处理方法及装置,属于数据管理技术领域。
背景技术
业务流程系统是业务的管理者应用专门管理业务的系统软件,在有限的资源约束下,运用系统的观点、方法和理论,对业务涉及的全部工作进行有效地管理。它从业务的投资决策开始到业务结束的全过程进行计划、组织、指挥、协调、控制和评价,以实现业务的目标。
目前伴随科技和人工智能的发展,业务流程系统的功能越来越趋于成熟,典型地,在业务流程系统中加入多种深度学习算法以实现业务的自动监控、管理、提醒及资源分配等功能也已屡见不鲜。可以想象的是,业务流程系统所承载的功能越多,则其风险越大,如何高效及时的监控业务流程系统的安全性,以防止其崩溃是极其重要的。
常用的业务流程系统监控方法主要是每隔一段时间获取业务流程系统的各类指标数据,如CPU运行数据、内存数据及网络数据等,通过对比这类指标数据与设定的阈值的大小关系判断业务流程系统的崩溃风险。这类方法虽然可实现业务流程处理,但由于未考虑业务流程系统在接收用户指令过程的实际运行过程及业务管理的资源分配情况,从而导致对业务流程系统监控不全面的问题产生。
发明内容
本发明提供一种业务流程处理方法及装置,其主要目的在于提高对业务流程处理全面性。
为实现上述目的,本发明提供的一种业务流程处理方法,包括:
接收业务流程系统的操作模仿指令,其中,操作模仿指令根据用户操作业务流程系统的历史记录而生成;
从所述操作模仿指令中提取业务流程系统的操作顺序表,其中,操作顺序表内包括按序排列的一条或多条系统操作命令;
基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,直至完成所有系统操作命令,汇总收集到的监控实时数据,得到监控实时数据集;
将所述监控实时数据集按照数据类别分为系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集;
利用预构建的系统崩溃分析模型,预测在系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提条件下,业务流程系统的崩溃概率值;
当崩溃概率值大于或等于预设的崩溃概率阈值时,生成系统维护指令至业务流程系统的系统维护人员,并停止业务流程处理;
当崩溃概率值小于崩溃概率阈值时,获取业务流程系统当前管理业务的业务信息,其中业务信息包括业务预计总工期、业务预计分工期、业务实际分工期;
根据所述业务信息构建当前管理业务的完工率目标函数,并根据所述监控实时数据集构建当前管理业务的约束条件;
在满足所述约束条件下求解完工率目标函数,得到业务流程系统对当前管理业务的完工率。
可选地,所述操作模仿指令的生成,包括:
接收用户在业务流程系统中输入的登录账号,根据所述登录账号登录业务流程系统,并获取用户操作业务流程系统的历史记录;
将所述历史记录执行分类,得到业务浏览操作、插件点击操作、数据输入操作、数据导出操作共四种操作类型;
获取每种操作类型在历史记录中的占比量,根据每种操作类型的占比量,生成对应比例的系统操作命令,其中系统操作命令包括业务浏览命令、插件点击命令、数据输入命令及数据导出命令;
按照命令执行的优先级对所述业务浏览命令、插件点击命令、数据输入命令及数据导出命令执行排序,得到操作顺序表;
运行预构建的操作模仿指令生成程序,生成操作模仿空指令,将所述操作顺序表与操作模仿空指令结合得到所述操作模仿指令。
可选地,所述基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,包括:
从所述操作顺序表按顺序提取每条系统操作命令,并运行所提取的系统操作命令;
当所提取的系统操作命令运行成功时,运行预先安装在业务流程系统中监控实时数据采集工具;
在所述监控实时数据采集工具输入采集指令,其中采集指令包括系统数据采集指令、CPU数据采集指令、存储数据采集指令、网络数据采集指令及磁盘数据采集指令;
根据所述采集指令命令监控实时数据采集工具采集业务流程系统中的监控实时数据,其中监控实时数据包括监控时间,监控实时数据分为系统实时数据、CPU实时数据、存储实时数据、网络实时数据及磁盘实时数据。
可选地,所述监控实时数据采集工具为Telegraf工具。
可选地,所述系统实时数据集包括业务流程系统的操作系统名称、用户数、系统IP地址、系统最近一分钟的负载量;所述CPU实时数据集包括业务流程系统的CPU个数及每个CPU的使用率;所述存储实时数据集包括业务流程系统的空闲内存量、可用内存量、缓冲区内存量及缓存区内存量;所述网络实时数据集包括业务流程系统的网络发送速率及网络接收速率;所述磁盘实时数据集包括业务流程系统的磁盘使用量、磁盘读出数据量、磁盘读入数据量。
可选地,所述利用预构建的系统崩溃分析模型,预测在系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提条件下,业务流程系统的崩溃概率值,包括:
获取业务流程系统发生崩溃的监控崩溃数据集,其中,监控崩溃数据集与监控实时数据集对应,包括系统崩溃数据集、CPU崩溃数据集、存储崩溃数据集、网络崩溃数据集及磁盘崩溃数据集;
分别根据系统崩溃数据集、CPU崩溃数据集、存储崩溃数据集、网络崩溃数据集及磁盘崩溃数据集构建共五组崩溃预测函数;
计算将系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提下作为对应的崩溃预测函数的输入值,计算得到五组崩溃预测值;
按照系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集,两两数据集为一组构建得到条件概率函数,并根据五组崩溃预测值计算每组条件概率函数的条件概率值;
根据所有的条件概率值计算得到业务流程系统的崩溃概率值。
可选地,所述两两数据集为一组构建得到条件概率函数,包括:
其中,为系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及
磁盘实时数据集其中一组数据集,为系统实时数据集、CPU实时数据集、存储实时数据集、
网络实时数据集及磁盘实时数据集中另外一组数据集,即和不能为相同的数据集,
表示数据集的崩溃预测值,表示数据集的崩溃预测值,表示在发生的情
况下,发生的条件概率值,表示在发生的情况下,业务流程系统发生崩溃的条件
概率值,表示业务流程系统是否发生崩溃。
可选地,所述完工率目标函数包括:
其中,表示当前管理业务的完工率符号,表示最小化当前管理业务的
完工率,表示当前管理业务的业务预计总工期,表示当前管理业务第个分业务的
预计分工期,表示当前管理业务第个分业务的实际分工期,为当前管理业务所有
的分业务的总数,表示第个分业务所需要的人工数量,表示第个分业务已
有的人工数量,表示可供第个分业务调用的人工数量,表示调用第个分业务
人工的时间消耗值,表示第个分业务的当前时间点,表示第个分业务的
开始时间点,表示第个分业务所需要的材料资源量,表示第个分业务已有的
材料资料量,表示可供第个分业务调用的材料资源量,表示调用第个分业务的
材料资源的时间消耗值,表示第个分业务的设备需求量,表示第个分业务的已
有设备量,表示调用第个分业务的设备需求量的时间消耗值。
可选地,所述根据所述监控实时数据集构建当前管理业务的约束条件,包括:
其中,表示数据集的崩溃阈值,表示数据集的崩溃阈值,表示
在数据集发生的前提下,数据集的崩溃阈值,其中,为系统实时数据集、CPU实时数
据集、存储实时数据集、网络实时数据集及磁盘实时数据集其中一组数据集,为系统实
时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集中另外一
组数据集,即和不能为相同的数据集。
为了解决上述问题,本发明还提供一种业务流程处理装置,所述装置包括:
模仿指令生成模块,用于接收业务流程系统的操作模仿指令,其中,操作模仿指令根据用户操作业务流程系统的历史记录而生成,从所述操作模仿指令中提取业务流程系统的操作顺序表,其中,操作顺序表内包括按序排列的一条或多条系统操作命令;
监控数据采集模块,用于基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,直至完成所有系统操作命令,汇总收集到的监控实时数据,得到监控实时数据集,将所述监控实时数据集按照数据类别分为系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集;
监控分析模块,用于利用预构建的系统崩溃分析模型,预测在系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提条件下,业务流程系统的崩溃概率值,当崩溃概率值大于或等于预设的崩溃概率阈值时,生成系统维护指令至业务流程系统的系统维护人员,并停止业务流程处理,当崩溃概率值小于崩溃概率阈值时,获取业务流程系统当前管理业务的业务信息,其中业务信息包括业务预计总工期、业务预计分工期、业务实际分工期;
完工率计算模块,用于根据所述业务信息构建当前管理业务的完工率目标函数,并根据所述监控实时数据集构建当前管理业务的约束条件,在满足所述约束条件下求解完工率目标函数,得到业务流程系统对当前管理业务的完工率。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以实现上述所述的业务流程处理方法。
相比于背景技术所述问题,本发明实施例先接收操作模仿指令,操作模仿指令的主要作用在于模仿用户习惯监控业务流程系统,相比于每隔一段时间获取业务流程系统的各类指标数据来说,对于业务流程处理更加符合实际过程,因此可提高监控的准确率,进一步地,从所述操作模仿指令中提取业务流程系统的操作顺序表,其中,操作顺序表内包括按序排列的一条或多条系统操作命令,基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,直至完成所有系统操作命令,汇总收集到的监控实时数据,得到监控实时数据集,可见本发明实施例是根据每一条系统操作命令的响应过程动态采集业务流程处理实时数据,监控智能性更高,此外,根据所采集的监控实时数据计算得到业务流程系统的崩溃概率值,当崩溃概率值小于崩溃概率阈值时,获取业务流程系统当前管理业务的业务信息,并通过业务信息计算业务流程系统对所管理业务的完工率,其中完工率的计算前提是满足约束条件,而约束条件又是基于监控实时数据集构建,因此提高业务流程系统的智能性,防止业务流程系统以外崩溃。因此本发明提出的业务流程处理方法及装置,其主要目的在于提高对业务流程处理全面性。
附图说明
图1为本发明一实施例提供的业务流程处理方法的流程示意图;
图2为本发明一实施例提供的业务流程处理装置的功能模块图;
图3为本发明一实施例提供的实现所述业务流程处理方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种业务流程处理方法。所述业务流程处理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述业务流程处理方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
参照图1所示,为本发明一实施例提供的业务流程处理方法的流程示意图。在本实施例中,所述业务流程处理方法包括:
S1、接收业务流程系统的操作模仿指令,其中,操作模仿指令根据用户操作业务流程系统的历史记录而生成。
需解释的是,业务流程系统是一种方便业务管理人员实施业务把控、资源分配的一种可视化操作工具。示例性的,小张为银行工作人员,目前负责银行资产的小额贷款业务,该业务的主要目的是将银行资产贷款至需要创业的创业人员,因此在业务流程系统中开辟小额贷款业务,以方便后续对小额贷款业务的把控。
但可以想象的是,业务流程系统中在管理小额贷款业务的同时可能还管理其他业务,而且业务流程系统也可能集成其他功能,因此对业务流程系统执行监控是有必要的,以防止业务流程系统因系统崩溃影响业务把控。
需理解的是,操作模仿指令是模仿用户习惯而生成的,详细地,所述操作模仿指令的生成,包括:
接收用户在业务流程系统中输入的登录账号,根据所述登录账号登录业务流程系统,并获取用户操作业务流程系统的历史记录;
将所述历史记录执行分类,得到业务浏览操作、插件点击操作、数据输入操作、数据导出操作共四种操作类型;
获取每种操作类型在历史记录中的占比量,根据每种操作类型的占比量,生成对应比例的系统操作命令,其中系统操作命令包括业务浏览命令、插件点击命令、数据输入命令及数据导出命令;
按照命令执行的优先级对所述业务浏览命令、插件点击命令、数据输入命令及数据导出命令执行排序,得到操作顺序表;
运行预构建的操作模仿指令生成程序,生成操作模仿空指令,将所述操作顺序表与操作模仿空指令结合得到所述操作模仿指令。
示例性的,如小李为业务流程处理人员,现需检测小张登录业务流程系统后系统的运行健康情况,因此在业务流程系统中输入小张的登录账号,从而获取小张操作业务流程系统的历史记录。由前述可知,小张主要负责小额贷款业务,按照小额贷款业务在业务流程系统的主要操作类型,将历史记录分为业务浏览操作、插件点击操作、数据输入操作、数据导出操作共四种操作类型,业务浏览操作如浏览小额贷款业务目前进度节点(进度节点包括贷款人信用等级评估、贷款合同签订、贷款额审批、贷款额发放等),业务流程系统中包括各类插件,依次历史记录还包括插件点击操作等。
本发明实施例中,操作模仿指令会模仿用户习惯监控业务流程系统,如小张在业务流程系统中管理小额贷款业务时,会经常录入数据,因此小张的历史记录中数据输入命令占比更多,因此对应所生成的数据输入命令也更多,由此按照小张历史记录的各类操作的顺序及比例生成操作顺序表,并根据操作顺序表和操作模仿指令生成程序生成操作模仿指令。
S2、从所述操作模仿指令中提取业务流程系统的操作顺序表,其中,操作顺序表内包括按序排列的一条或多条系统操作命令。
如上所述可知,系统操作命令包括业务浏览命令、插件点击命令、数据输入命令及数据导出命令。示例性的,根据小张在业务流程系统的历史记录,生成业务浏览命令->插件点击命令->数据输入命令->数据输入命令->数据输入命令->插件点击命令->插件点击命令->业务浏览命令->数据导出命令的操作顺序表。
S3、基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,直至完成所有系统操作命令,汇总收集到的监控实时数据,得到监控实时数据集。
可理解的是,当获取到对应的操作顺序表后,可按照操作顺序表内系统操作命令的种类和类型,依次模仿用户操作业务流程系统,并在模仿用户操作业务流程系统时收集监控实时数据。
详细地,所述基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,包括:
从所述操作顺序表按顺序提取每条系统操作命令,并运行所提取的系统操作命令;
当所提取的系统操作命令运行成功时,运行预先安装在业务流程系统中监控实时数据采集工具;
在所述监控实时数据采集工具输入采集指令,其中采集指令包括系统数据采集指令、CPU数据采集指令、存储数据采集指令、网络数据采集指令及磁盘数据采集指令;
根据所述采集指令命令监控实时数据采集工具采集业务流程系统中的监控实时数据,其中监控实时数据包括监控时间,监控实时数据分为系统实时数据、CPU实时数据、存储实时数据、网络实时数据及磁盘实时数据。
需解释的是,本发明实施例中监控实时数据采集工具可采用Telegraf工具。Telegraf是一种开源数据收集代理器,其采集指令形式简单,如想要采集CPU实时数据是,其对应的CPU数据采集指令为inputs.cpu,以此类推从而得到包括系统数据采集指令、CPU数据采集指令、存储数据采集指令、网络数据采集指令及磁盘数据采集指令的采集指令,并进而根据采集指令采集业务流程处理实时数据。
S4、将所述监控实时数据集按照数据类别分为系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集。
可以理解的是,根据上述采集指令的不同,可将监控实时数据集分为不同类型的数据,其中,系统实时数据集包括但不限于业务流程系统的操作系统名称、用户数、系统IP地址、系统最近一分钟的负载量;CPU实时数据集包括但不限于业务流程系统的CPU个数及每个CPU的使用率;存储实时数据集包括但不限于业务流程系统的空闲内存量、可用内存量、缓冲区内存量及缓存区内存量;网络实时数据集包括但不限于业务流程系统的网络发送速率及网络接收速率;磁盘实时数据集包括但不限于业务流程系统的磁盘使用量、磁盘读出数据量、磁盘读入数据量。
S5、利用预构建的系统崩溃分析模型,预测在系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提条件下,业务流程系统的崩溃概率值。
可理解的是,当获取到多组的监控实时数据后,可根据监控实时数据的变化过程预测业务流程系统的崩溃概率值。详细地,所述利用预构建的系统崩溃分析模型,预测在系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提条件下,业务流程系统的崩溃概率值,包括:
获取业务流程系统发生崩溃的监控崩溃数据集,其中,监控崩溃数据集与监控实时数据集对应,包括系统崩溃数据集、CPU崩溃数据集、存储崩溃数据集、网络崩溃数据集及磁盘崩溃数据集;
分别根据系统崩溃数据集、CPU崩溃数据集、存储崩溃数据集、网络崩溃数据集及磁盘崩溃数据集构建共五组崩溃预测函数;
计算将系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提下作为对应的崩溃预测函数的输入值,计算得到五组崩溃预测值;
按照系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集,两两数据集为一组构建得到条件概率函数,并根据五组崩溃预测值计算每组条件概率函数的条件概率值;
根据所有的条件概率值计算得到业务流程系统的崩溃概率值。
本发明实施例中,业务流程系统中所发生的数据若与系统崩溃数据集、CPU崩溃数据集、存储崩溃数据集、网络崩溃数据集及磁盘崩溃数据集内相同,则表明业务流程系统将会发生崩溃,其中,监控崩溃数据集可通过业务流程系统历史所发生崩溃时的监控数据或开发业务流程系统时开发人员人为设定获得。
进一步地,崩溃预测函数可通过MATLAB等软件拟合得到,在此不再赘述。
此外,所述按照两两数据集为一组构建得到条件概率函数,包括:
其中,为系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及
磁盘实时数据集其中一组数据集,为系统实时数据集、CPU实时数据集、存储实时数据集、
网络实时数据集及磁盘实时数据集中另外一组数据集,即和不能为相同的数据集,
表示数据集的崩溃预测值,表示数据集的崩溃预测值,表示在发生的情况
下,发生的条件概率值,表示在发生的情况下,业务流程系统发生崩溃的条件
概率值,表示业务流程系统是否发生崩溃。
本发明实施例中,可采用多种方法计算得到业务流程系统的崩溃概率值,如获取所有的条件概率值,选择最大的条件概率值作为业务流程系统的崩溃概率值,也可以取所有的条件概率值的平均值作为业务流程系统的崩溃概率值。
S6、当崩溃概率值大于或等于预设的崩溃概率阈值时,生成系统维护指令至业务流程系统的系统维护人员,并停止业务流程处理。
可理解的是,当业务流程系统的崩溃概率值大于或等于崩溃概率阈值时,表示业务流程系统可能承载了过多的业务管理任务,承载压力过大从而造成崩溃概率值异常,因此需要通知系统维护人员关停业务流程系统并进一步维护。
S7、当崩溃概率值小于崩溃概率阈值时,获取业务流程系统当前管理业务的业务信息,其中业务信息包括业务预计总工期、业务预计分工期、业务实际分工期。
可解释的是,当业务流程系统的崩溃概率值小于崩溃概率阈值时,表示业务流程系统较为稳定,因此下一步需根据当前监控数据计算业务流程系统所管理业务的进度。
详细地,业务信息包括业务预计总工期、业务预计分工期、业务实际分工期。示例性地,上述小张所负责的小额贷款业务,按照业务阶段可分为若干分业务,包括贷款人信用等级评估、贷款合同签订、贷款额审批、贷款额发放等分业务,该小额贷款业务的业务预计总工期为3个月,贷款人信用等级评估的业务预计分工期为1个月、贷款合同签订为5天、贷款额审批为10天等。但受限于贷款人资料上缴较慢等原因,贷款人信用等级评估的业务实际分工期为1个半月。
S8、根据所述业务信息构建当前管理业务的完工率目标函数,并根据所述监控实时数据集构建当前管理业务的约束条件。
详细地,所述完工率目标函数包括:
其中,表示当前管理业务的完工率符号,表示最小化当前管理业务的
完工率,表示当前管理业务的业务预计总工期,表示当前管理业务第个分业务的
预计分工期,表示当前管理业务第个分业务的实际分工期,为当前管理业务所有
的分业务的总数,表示第个分业务所需要的人工数量,表示第个分业务已
有的人工数量,表示可供第个分业务调用的人工数量,表示调用第个分业务
人工的时间消耗值,表示第个分业务的当前时间点,表示第个分业务的
开始时间点,表示第个分业务所需要的材料资源量,表示第个分业务已有的
材料资料量,表示可供第个分业务调用的材料资源量,表示调用第个分业务
的材料资源的时间消耗值,表示第个分业务的设备需求量,表示第个分业务的
已有设备量,表示调用第个分业务的设备需求量的时间消耗值。
可理解的是,上述完工率目标函数的目的是使得最小,当完工率目标函数
求得最小值时,表示业务流程系统对于当前管理业务的效率值最高,但由于在实际管理业
务时,还受限于业务流程系统的系统稳定性,即需要构建对应的约束条件。
详细地,所述根据所述监控实时数据集构建当前管理业务的约束条件,包括:
其中,表示数据集的崩溃阈值,表示数据集的崩溃阈值,表
示在数据集发生的前提下,数据集的崩溃阈值,其中,为系统实时数据集、CPU实时
数据集、存储实时数据集、网络实时数据集及磁盘实时数据集其中一组数据集,为系统
实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集中另外
一组数据集,即和不能为相同的数据集。
上述约束条件表明,在实现业务流程系统最大化高效率管理当前管理业务时,需要保证业务流程系统内系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集的概率在可控崩溃范围内,当崩溃预测值大于崩溃阈值时则停止完工率目标函数的求解过程。
S9、在满足所述约束条件下求解完工率目标函数,得到业务流程系统对当前管理业务的完工率。
可理解的是,每个业务由若干个分业务组成,示例性的,上述小额贷款业务包括贷款人信用等级评估、贷款合同签订、贷款额审批、贷款额发放等分业务,每完成一个分业务时,作为业务管理人员的小张就会在业务流程系统中更新业务进度,从而业务流程系统则会根据最新的业务更新信息计算小额贷款业务的完工率,但可理解的是,本发明实施例在计算完工率的同时,根据监控实时数据集构建了业务流程系统的约束条件,以保证业务流程系统一直处于安全稳定的运行状态。
相比于背景技术所述问题,本发明实施例先接收操作模仿指令,操作模仿指令的主要作用在于模仿用户习惯监控业务流程系统,相比于每隔一段时间获取业务流程系统的各类指标数据来说,对于业务流程处理更加符合实际过程,因此可提高监控的准确率,进一步地,从所述操作模仿指令中提取业务流程系统的操作顺序表,其中,操作顺序表内包括按序排列的一条或多条系统操作命令,基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,直至完成所有系统操作命令,汇总收集到的监控实时数据,得到监控实时数据集,可见本发明实施例是根据每一条系统操作命令的响应过程动态采集业务流程处理实时数据,监控智能性更高,此外,根据所采集的监控实时数据计算得到业务流程系统的崩溃概率值,当崩溃概率值小于崩溃概率阈值时,获取业务流程系统当前管理业务的业务信息,并通过业务信息计算业务流程系统对所管理业务的完工率,其中完工率的计算前提是满足约束条件,而约束条件又是基于监控实时数据集构建,因此提高业务流程系统的智能性,防止业务流程系统以外崩溃。因此本发明提出的业务流程处理方法及装置,其主要目的在于提高对业务流程处理全面性。
实施例2:
如图2所示,是本发明一实施例提供的业务流程处理装置的功能模块图。
本发明所述业务流程处理装置100可以安装于电子设备中。根据实现的功能,所述业务流程处理装置100可以包括模仿指令生成模块101、监控数据采集模块102、监控分析模块103及完工率计算模块104。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述模仿指令生成模块101,用于接收业务流程系统的操作模仿指令,其中,操作模仿指令根据用户操作业务流程系统的历史记录而生成,从所述操作模仿指令中提取业务流程系统的操作顺序表,其中,操作顺序表内包括按序排列的一条或多条系统操作命令;
所述监控数据采集模块102,用于基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,直至完成所有系统操作命令,汇总收集到的监控实时数据,得到监控实时数据集,将所述监控实时数据集按照数据类别分为系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集;
所述监控分析模块103,用于利用预构建的系统崩溃分析模型,预测在系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提条件下,业务流程系统的崩溃概率值,当崩溃概率值大于或等于预设的崩溃概率阈值时,生成系统维护指令至业务流程系统的系统维护人员,并停止业务流程处理,当崩溃概率值小于崩溃概率阈值时,获取业务流程系统当前管理业务的业务信息,其中业务信息包括业务预计总工期、业务预计分工期、业务实际分工期;
所述完工率计算模块104,用于根据所述业务信息构建当前管理业务的完工率目标函数,并根据所述监控实时数据集构建当前管理业务的约束条件,在满足所述约束条件下求解完工率目标函数,得到业务流程系统对当前管理业务的完工率。
详细地,本发明实施例中所述业务流程处理装置100中的所述各模块在使用时采用与上述的图1中所述的业务流程处理方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
实施例3:
如图3所示,是本发明一实施例提供的实现业务流程处理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如业务流程处理程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(SecureDigital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如业务流程处理程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如业务流程处理程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的业务流程处理程序是多个指令的组合,在所述处理器10中运行时,可以实现:
接收业务流程系统的操作模仿指令,其中,操作模仿指令根据用户操作业务流程系统的历史记录而生成;
从所述操作模仿指令中提取业务流程系统的操作顺序表,其中,操作顺序表内包括按序排列的一条或多条系统操作命令;
基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,直至完成所有系统操作命令,汇总收集到的监控实时数据,得到监控实时数据集;
将所述监控实时数据集按照数据类别分为系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集;
利用预构建的系统崩溃分析模型,预测在系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提条件下,业务流程系统的崩溃概率值;
当崩溃概率值大于或等于预设的崩溃概率阈值时,生成系统维护指令至业务流程系统的系统维护人员,并停止业务流程处理;
当崩溃概率值小于崩溃概率阈值时,获取业务流程系统当前管理业务的业务信息,其中业务信息包括业务预计总工期、业务预计分工期、业务实际分工期;
根据所述业务信息构建当前管理业务的完工率目标函数,并根据所述监控实时数据集构建当前管理业务的约束条件;
在满足所述约束条件下求解完工率目标函数,得到业务流程系统对当前管理业务的完工率。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种业务流程处理方法,其特征在于,所述方法包括:
接收业务流程系统的操作模仿指令,其中,操作模仿指令根据用户操作业务流程系统的历史记录而生成;
从所述操作模仿指令中提取业务流程系统的操作顺序表,其中,操作顺序表内包括按序排列的一条或多条系统操作命令;
基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,直至完成所有系统操作命令,汇总收集到的监控实时数据,得到监控实时数据集;
将所述监控实时数据集按照数据类别分为系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集;
利用预构建的系统崩溃分析模型,预测在系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提条件下,业务流程系统的崩溃概率值;
当崩溃概率值大于或等于预设的崩溃概率阈值时,生成系统维护指令至业务流程系统的系统维护人员,并停止业务流程处理;
当崩溃概率值小于崩溃概率阈值时,获取业务流程系统当前管理业务的业务信息,其中业务信息包括业务预计总工期、业务预计分工期、业务实际分工期;
根据所述业务信息构建当前管理业务的完工率目标函数,并根据所述监控实时数据集构建当前管理业务的约束条件;
在满足所述约束条件下求解完工率目标函数,得到业务流程系统对当前管理业务的完工率。
2.如权利要求1所述的业务流程处理方法,其特征在于,所述操作模仿指令的生成,包括:
接收用户在业务流程系统中输入的登录账号,根据所述登录账号登录业务流程系统,并获取用户操作业务流程系统的历史记录;
将所述历史记录执行分类,得到业务浏览操作、插件点击操作、数据输入操作、数据导出操作共四种操作类型;
获取每种操作类型在历史记录中的占比量,根据每种操作类型的占比量,生成对应比例的系统操作命令,其中系统操作命令包括业务浏览命令、插件点击命令、数据输入命令及数据导出命令;
按照命令执行的优先级对所述业务浏览命令、插件点击命令、数据输入命令及数据导出命令执行排序,得到操作顺序表;
运行预构建的操作模仿指令生成程序,生成操作模仿空指令,将所述操作顺序表与操作模仿空指令结合得到所述操作模仿指令。
3.如权利要求2所述的业务流程处理方法,其特征在于,所述基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,包括:
从所述操作顺序表按顺序提取每条系统操作命令,并运行所提取的系统操作命令;
当所提取的系统操作命令运行成功时,运行预先安装在业务流程系统中监控实时数据采集工具;
在所述监控实时数据采集工具输入采集指令,其中采集指令包括系统数据采集指令、CPU数据采集指令、存储数据采集指令、网络数据采集指令及磁盘数据采集指令;
根据所述采集指令命令监控实时数据采集工具采集业务流程系统中的监控实时数据,其中监控实时数据包括监控时间,监控实时数据分为系统实时数据、CPU实时数据、存储实时数据、网络实时数据及磁盘实时数据。
4.如权利要求3所述的业务流程处理方法,其特征在于,所述监控实时数据采集工具为Telegraf工具。
5.如权利要求4所述的业务流程处理方法,其特征在于,所述系统实时数据集包括业务流程系统的操作系统名称、用户数、系统IP地址、系统最近一分钟的负载量;所述CPU实时数据集包括业务流程系统的CPU个数及每个CPU的使用率;所述存储实时数据集包括业务流程系统的空闲内存量、可用内存量、缓冲区内存量及缓存区内存量;所述网络实时数据集包括业务流程系统的网络发送速率及网络接收速率;所述磁盘实时数据集包括业务流程系统的磁盘使用量、磁盘读出数据量、磁盘读入数据量。
6.如权利要求5所述的业务流程处理方法,其特征在于,所述利用预构建的系统崩溃分析模型,预测在系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提条件下,业务流程系统的崩溃概率值,包括:
获取业务流程系统发生崩溃的监控崩溃数据集,其中,监控崩溃数据集与监控实时数据集对应,包括系统崩溃数据集、CPU崩溃数据集、存储崩溃数据集、网络崩溃数据集及磁盘崩溃数据集;
分别根据系统崩溃数据集、CPU崩溃数据集、存储崩溃数据集、网络崩溃数据集及磁盘崩溃数据集构建共五组崩溃预测函数;
计算将系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提下作为对应的崩溃预测函数的输入值,计算得到五组崩溃预测值;
按照系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集,两两数据集为一组构建得到条件概率函数,并根据五组崩溃预测值计算每组条件概率函数的条件概率值;
根据所有的条件概率值计算得到业务流程系统的崩溃概率值。
8.如权利要求7所述的业务流程处理方法,其特征在于,所述完工率目标函数包括:
其中,表示当前管理业务的完工率符号,表示最小化当前管理业务的完工
率,表示当前管理业务的业务预计总工期,表示当前管理业务第个分业务的预计
分工期,表示当前管理业务第个分业务的实际分工期,为当前管理业务所有的分
业务的总数,表示第个分业务所需要的人工数量,表示第个分业务已有的人
工数量,表示可供第个分业务调用的人工数量,表示调用第个分业务人工的
时间消耗值,表示第个分业务的当前时间点,表示第个分业务的开始时间
点,表示第个分业务所需要的材料资源量,表示第个分业务已有的材料资料
量,表示可供第个分业务调用的材料资源量,表示调用第个分业务的材料资
源的时间消耗值,表示第个分业务的设备需求量,表示第个分业务的已有设
备量,表示调用第个分业务的设备需求量的时间消耗值。
10.一种业务流程处理装置,其特征在于,所述装置包括:
模仿指令生成模块,用于接收业务流程系统的操作模仿指令,其中,操作模仿指令根据用户操作业务流程系统的历史记录而生成,从所述操作模仿指令中提取业务流程系统的操作顺序表,其中,操作顺序表内包括按序排列的一条或多条系统操作命令;
监控数据采集模块,用于基于所述操作顺序表依次操作业务流程系统,并在操作过程中实时收集业务流程处理实时数据,直至完成所有系统操作命令,汇总收集到的监控实时数据,得到监控实时数据集,将所述监控实时数据集按照数据类别分为系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集;
监控分析模块,用于利用预构建的系统崩溃分析模型,预测在系统实时数据集、CPU实时数据集、存储实时数据集、网络实时数据集及磁盘实时数据集为前提条件下,业务流程系统的崩溃概率值,当崩溃概率值大于或等于预设的崩溃概率阈值时,生成系统维护指令至业务流程系统的系统维护人员,并停止业务流程处理,当崩溃概率值小于崩溃概率阈值时,获取业务流程系统当前管理业务的业务信息,其中业务信息包括业务预计总工期、业务预计分工期、业务实际分工期;
完工率计算模块,用于根据所述业务信息构建当前管理业务的完工率目标函数,并根据所述监控实时数据集构建当前管理业务的约束条件,在满足所述约束条件下求解完工率目标函数,得到业务流程系统对当前管理业务的完工率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211341281.8A CN115471215B (zh) | 2022-10-31 | 2022-10-31 | 一种业务流程处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211341281.8A CN115471215B (zh) | 2022-10-31 | 2022-10-31 | 一种业务流程处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115471215A true CN115471215A (zh) | 2022-12-13 |
CN115471215B CN115471215B (zh) | 2023-03-28 |
Family
ID=84336319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211341281.8A Active CN115471215B (zh) | 2022-10-31 | 2022-10-31 | 一种业务流程处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115471215B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116991592A (zh) * | 2023-09-26 | 2023-11-03 | 中汽信息科技(天津)有限公司 | 基于神经网络的io密集型任务内存利用率的优化方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008009271A1 (de) * | 2006-07-20 | 2008-01-24 | Deutsche Telekom Ag | Verfahren und vorrichtung zur generierung von frühwarnungen vor verkehrszusammenbrüchen an engstellen |
JP2008084083A (ja) * | 2006-09-28 | 2008-04-10 | Nec Corp | 業務監視装置、業務監視システム、業務監視方法およびプログラム |
CN101477370A (zh) * | 2009-01-15 | 2009-07-08 | 重庆大学 | 一种基于复杂网络的制造系统生产进度的提取方法 |
US9037922B1 (en) * | 2012-05-01 | 2015-05-19 | Amazon Technololgies, Inc. | Monitoring and analysis of operating states in a computing environment |
US20160378894A1 (en) * | 2015-06-26 | 2016-12-29 | Nemo Partners Nec | Method and apparatus for analyzing economics of power demand management business project using smart power demand resources modeling data simulation module |
CN109146128A (zh) * | 2018-06-29 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 业务数据处理方法、装置及服务器 |
US20200175439A1 (en) * | 2018-10-31 | 2020-06-04 | X-Act Science, Inc. | Predictive Risk Assessment In Multi-System Modeling |
CN111600761A (zh) * | 2020-05-25 | 2020-08-28 | 上海观安信息技术股份有限公司 | 一种基于运维业务风险告警分析归并方法 |
CN111931172A (zh) * | 2020-08-13 | 2020-11-13 | 中国工商银行股份有限公司 | 一种金融系统业务流程异常预警方法及装置 |
WO2021077742A1 (zh) * | 2019-10-25 | 2021-04-29 | 苏州浪潮智能科技有限公司 | 一种业务处理方法、系统、装置及可读存储介质 |
CN114257551A (zh) * | 2021-12-07 | 2022-03-29 | 中信银行股份有限公司 | 一种分布式限流的方法及系统、存储介质 |
US20220108262A1 (en) * | 2020-10-04 | 2022-04-07 | Strong Force Iot Portfolio 2016, Llc | Industrial digital twin systems and methods with echelons of executive, advisory and operations messaging and visualization |
WO2022088632A1 (zh) * | 2020-11-02 | 2022-05-05 | 平安科技(深圳)有限公司 | 用户数据监控分析方法、装置、设备及介质 |
CN114490558A (zh) * | 2022-03-31 | 2022-05-13 | 深圳市华曦达科技股份有限公司 | 一种ott视频业务监控的方法及装置 |
CN115174350A (zh) * | 2022-06-30 | 2022-10-11 | 济南浪潮数据技术有限公司 | 一种运维告警方法、装置、设备及介质 |
-
2022
- 2022-10-31 CN CN202211341281.8A patent/CN115471215B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008009271A1 (de) * | 2006-07-20 | 2008-01-24 | Deutsche Telekom Ag | Verfahren und vorrichtung zur generierung von frühwarnungen vor verkehrszusammenbrüchen an engstellen |
JP2008084083A (ja) * | 2006-09-28 | 2008-04-10 | Nec Corp | 業務監視装置、業務監視システム、業務監視方法およびプログラム |
CN101477370A (zh) * | 2009-01-15 | 2009-07-08 | 重庆大学 | 一种基于复杂网络的制造系统生产进度的提取方法 |
US9037922B1 (en) * | 2012-05-01 | 2015-05-19 | Amazon Technololgies, Inc. | Monitoring and analysis of operating states in a computing environment |
US20160378894A1 (en) * | 2015-06-26 | 2016-12-29 | Nemo Partners Nec | Method and apparatus for analyzing economics of power demand management business project using smart power demand resources modeling data simulation module |
CN109146128A (zh) * | 2018-06-29 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 业务数据处理方法、装置及服务器 |
US20200175439A1 (en) * | 2018-10-31 | 2020-06-04 | X-Act Science, Inc. | Predictive Risk Assessment In Multi-System Modeling |
WO2021077742A1 (zh) * | 2019-10-25 | 2021-04-29 | 苏州浪潮智能科技有限公司 | 一种业务处理方法、系统、装置及可读存储介质 |
CN111600761A (zh) * | 2020-05-25 | 2020-08-28 | 上海观安信息技术股份有限公司 | 一种基于运维业务风险告警分析归并方法 |
CN111931172A (zh) * | 2020-08-13 | 2020-11-13 | 中国工商银行股份有限公司 | 一种金融系统业务流程异常预警方法及装置 |
US20220108262A1 (en) * | 2020-10-04 | 2022-04-07 | Strong Force Iot Portfolio 2016, Llc | Industrial digital twin systems and methods with echelons of executive, advisory and operations messaging and visualization |
WO2022088632A1 (zh) * | 2020-11-02 | 2022-05-05 | 平安科技(深圳)有限公司 | 用户数据监控分析方法、装置、设备及介质 |
CN114257551A (zh) * | 2021-12-07 | 2022-03-29 | 中信银行股份有限公司 | 一种分布式限流的方法及系统、存储介质 |
CN114490558A (zh) * | 2022-03-31 | 2022-05-13 | 深圳市华曦达科技股份有限公司 | 一种ott视频业务监控的方法及装置 |
CN115174350A (zh) * | 2022-06-30 | 2022-10-11 | 济南浪潮数据技术有限公司 | 一种运维告警方法、装置、设备及介质 |
Non-Patent Citations (10)
Title |
---|
CAROLINA MARQUESVASCO RAMOSJOSÉ MACHADO: ""Pervasive Monitoring System for Services and Servers in Healthcare Environment"", <PROCEDIA COMPUTER SCIENCE> * |
何迎利: "电力通信业务流程管理软件的实务探讨", 《电力系统通信》 * |
台宪青等: ""数据中心服务器资源监控系统的设计与实现"", 《计算机应用与软件》 * |
宫钦等: "基于工作流的网络运维流程管理平台的建设和应用", 《通信世界》 * |
李明等: "水利建设市场主体政府监管效果评价指标体系研究", 《水利经济》 * |
林菁: "面向服务管理的业务支撑网网管系统的设计与实现", 《信息通信》 * |
赵新宇等: "具有监控能力的Agent模型", 《计算机科学》 * |
赵方等: "基于业务流程的Web应用监控系统研究", 《计算机工程》 * |
鄢萍等: "一种基于制造过程信息传播关系网的生产进度提取和跟踪方法", 《中国机械工程》 * |
韩健: "《InfluxDB原理与实践》", 30 April 2020 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116991592A (zh) * | 2023-09-26 | 2023-11-03 | 中汽信息科技(天津)有限公司 | 基于神经网络的io密集型任务内存利用率的优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115471215B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101876938B (zh) | 一种基于消息队列的应用软件响应时间测量方法及系统 | |
CN110866820A (zh) | 银行业务实时监测系统及方法、设备、存储介质 | |
CN104156296A (zh) | 智能监控大规模数据中心集群计算节点的系统和方法 | |
CN112016905B (zh) | 基于审批流程的信息展示方法、装置、电子设备及介质 | |
CN109978392B (zh) | 敏捷软件开发管理方法、装置、电子设备、存储介质 | |
CN111694844A (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
CN115471215B (zh) | 一种业务流程处理方法及装置 | |
CN115619160A (zh) | 基于物联网的工业生产智能调度方法、系统及设备 | |
CN113379391A (zh) | 工单处理方法、装置、电子设备及计算机可读存储介质 | |
CN115237724A (zh) | 基于人工智能的数据监控方法、装置、设备及存储介质 | |
CN114862140A (zh) | 基于行为分析的潜力评估方法、装置、设备及存储介质 | |
CN113342939B (zh) | 数据质量监控方法、装置及相关设备 | |
CN110322153A (zh) | 监控事件处理方法及系统 | |
CN111756760B (zh) | 基于集成分类器的用户异常行为检测方法及相关设备 | |
CN116993221A (zh) | 数字员工监督方法、装置、设备及介质 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN115759746A (zh) | 可配置化的用户预警方法、装置、电子设备及存储介质 | |
CN115757075A (zh) | 任务异常检测方法、装置、计算机设备及存储介质 | |
CN114881313A (zh) | 基于人工智能的行为预测方法、装置及相关设备 | |
CN111651652B (zh) | 基于人工智能的情感倾向识别方法、装置、设备及介质 | |
CN113918296A (zh) | 模型训练任务调度执行方法、装置、电子设备及存储介质 | |
CN114385453A (zh) | 数据库集群异常处理方法、装置、设备及介质 | |
CN114662095A (zh) | 基于操作数据的安全监测方法、装置、设备及存储介质 | |
CN114201328A (zh) | 基于人工智能的故障处理方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 330000 No. 76, NANLIAN Road, Qingyunpu District, Nanchang City, Jiangxi Province Applicant after: Geographic Information Engineering Team of Jiangxi Provincial Bureau of Geology Address before: No. 76, NANLIAN Road, Nanchang, Jiangxi 330000 Applicant before: General survey brigade of Jiangxi Coalfield Geology Bureau |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |