CN115759979B - 基于rpa和流程挖掘的流程智能处理方法和系统 - Google Patents

Abstract

本发明公开了一种基于RPA和流程挖掘的流程智能处理方法及系统，RPA机器人采集目标业务运行相关日志并提交给流程挖掘处理器；所述流程挖掘处理器对日志进行预处理操作和流程挖掘操作；流程生成处理器基于汇总后的流程挖掘结果，对目标业务的原流程运行方式进行智能修正，形成更新后目标业务流程运行方式；业务流程处理器接收更新后的目标业务流程运行方式，完成目标业务流程运行方式更新以及基于用户需求执行用户请求的目标业务对应的业务流程，并向用户反馈执行结果。本发明通过对日志采用聚类处理生成多个子日志，降低了后期流程挖掘模型的复杂度。本发明通过对传统的遗传算法进行改进，提高了遗传算法运行时的聚合速度，大大降低了时间开销。

Description

基于RPA和流程挖掘的流程智能处理方法和系统

技术领域

本申请属于人工智能技术领域，尤其涉及一种基于RPA和流程挖掘的流程智能处理方法和系统。

背景技术

机器人流程自动化(Robotic Process Automation)简称RPA，属于人工智能(AI)技术的应用，其主要的功能就是将工作信息与业务交互通过机器人来按照自先设计的流程去执行。这样如果当工作信息与业务交互过多时，RPA就可以高效解决这些复杂的流程，节约人工成本。

流程挖掘(Process Mining)简称PM，也叫工作流程挖掘，是一种从工作流日志中提取有用信息的一种技术。例如，从ERP系统的工作流日志中寻找工作流模型，组织模型,然后作分析，找出流程中的问题。流程挖掘的基本思想是利用企业信息系统中存储的包含业务执行信息的日志，挖掘出业务活动间不同维度的流程知识，以建立能够反映企业真实业务流程执行过程的模型，并以此为基础，对原有的业务流程进行诊断和优化。

相关技术中在流程挖掘和RPA结合的应用平台中会存在流程本身错综复杂的情况，进而导致日志数据也存在复杂多样的特征，因此在流程挖掘处理时存在得到的流程模型结构复杂的问题。此外，当日志增加时，传统的遗传算法由于迭代次数多，在流程挖掘处理时所消耗的时间会成几何级数增长，影响遗传算法的挖掘效率。

发明内容

针对现有技术中的缺陷，本发明提供一种基于RPA和流程挖掘的流程智能处理方法和系统，降低了流程挖掘模型的复杂度以及流程挖掘时间开销。为实现所述目的，本发明提供如下技术方案：

一种基于RPA和流程挖掘的流程智能处理方法，其特征在于，包括：

(S1)、RPA机器人接收用户指令，所述用户指令为触发目标业务流程更新的操作指令，所述RPA机器人采集目标业务运行相关日志并提交给流程挖掘处理器；

(S2)、所述流程挖掘处理器对日志进行预处理操作和流程挖掘操作；

所述预处理操作包括：对目标业务运行相关日志采用聚类算法执行聚类操作，生成多个子日志，其中所述聚类算法步骤如下：

假设日志数据集合X有n个特征模式X₁，X₂，...，X_n，n为预设自然数，其中X_i＝x_i1,x_i2,...,x_ip，p为预设自然数，1≤i≤n，

假设存在K个聚类，分别记为G₁，G₂，...，G_k，每个聚类G_j含有的模式个数为s_j，1≤j≤k，定义G_j的平均值m_j＝m_j1,m_j2,...m_jp,标准差σ_j＝σ_j1,σ_j2,...,σ_jp为：

/>

计算每个特征模式X_i对聚类G_j的隶属度

如果隶属度

大于等于预定义阈值ρ，0＜ρ＜1，则X_i通过了聚类G_j的相似度检测；假设X_i通过了多个现存的聚类相似度检测，则将X_i归入到具有最大隶属度的聚类G_w中，并更新聚类G_w的均值和标准差；

假设X_i未通过现存的任何聚类的相似度检测，则创建一个新聚类G_h，初始化G_h标准差为σ₀，σ₀为自定义常数；直到所有的特征模式被处理完，最终聚类得到多个子日志；

所述流程挖掘操作具体为采用遗传算法分别针对多个子日志进行流程挖掘并汇总流程挖掘结果，其中遗传算法实现步骤如下：

(S21)、初始化遗传迭代次数计数器：t←0；

(S22)、基于贪婪算法创建突变群体A(t)，对A(t)进行个体适配度计算；

(S23)、复制A(t)到三个子群：A(t)＝A1(t)，A2(t)，A3(t)，执行三个不同的基因重组操作；

(S24)、A_v(t)(v＝1,2,3)独立演化，

通过基因重组执行变异操作，[A1(t)](v＝1,2,3)→A’v(t)，[A’1(t)](v＝1,2,3)→A’’v(t)；

(S25)并行计算各群体中的个体适配度A’’v(t)(v＝1,2,3)；

(S26)通过迁移策略交换不同A’’v(t)(v＝1,2,3)的信息，获得子代[A’’1(t)，A’’2(t)，A’’3(t)]→Av(t+1)；

(S27)判断终止条件，如果不满足终止条件t←t+1，返回S24步，如果满足终止条件则输出优化后的结果，结束；

(S3)、流程生成处理器基于汇总后的流程挖掘结果，对目标业务的原流程运行方式进行智能修正，形成更新后目标业务流程运行方式，并将更新后的目标业务流程运行方式发送给业务流程处理器；

(S4)、业务流程处理器接收更新后的目标业务流程运行方式，完成目标业务流程运行方式更新；

(S5)、业务流程处理器接收用户输入的请求，对其进行语义分析，匹配出用户的目标业务需求，执行用户请求的目标业务对应的业务流程，并向用户反馈执行结果。

本发明的另一目的在于提供一种基于RPA和流程挖掘的流程智能处理系统，包括RPA机器人、流程挖掘处理器、流程生成处理器和业务流程处理器，所述基于RPA和流程挖掘的流程智能处理系统用于执行上述基于RPA和流程挖掘的流程智能处理的方法。

本发明的另一目的在于提供一种计算机可读存储介质，存储一个或多个程序，所述一个或多个程序使得计算机执行上述基于RPA和流程挖掘的流程智能处理的方法。

结合所述的所有技术方案，本发明与现有技术相比具有如下优点：

(1)本发明通过对日志采用聚类处理生成多个子日志，解决了日志多样性问题，降低了后期流程挖掘模型的复杂度。

(2)传统的遗传算法由于迭代次数多，当日志增加时，在流程挖掘时所消耗的时间会成几何级数增长，为提高遗传算法的挖掘效率，本发明对传统的遗传算法进行改进，提高了遗传算法运行时的聚合速度，大大降低了时间开销。

附图说明

图1是本发明基于RPA和流程挖掘的流程智能处理方法的执行流程图。

图2是本发明基于RPA和流程挖掘的流程智能处理系统的结构示意图。

具体实施方式

下面通过实施例并结合附图1和附图2做进一步描述。显然，所描述的实施例是本发明的部分实施例，而不是全部实施例。基于本发明的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

所述基于RPA和流程挖掘的流程智能处理方法的执行流程图见图1。如图1所示，本发明提供一种基于RPA和流程挖掘的流程智能处理方法，包括以下步骤：

(S1)、RPA机器人接收用户指令，所述用户指令为触发目标业务流程更新的操作指令，所述RPA机器人采集目标业务运行相关日志并提交给流程挖掘处理器；

进一步优化的，所述用户指令为触发目标业务流程更新的操作指令。

(S2)、所述流程挖掘处理器对日志进行预处理操作和流程挖掘操作；

所述预处理操作包括：对目标业务运行相关日志采用聚类算法执行聚类操作，生成多个子日志，其中所述聚类算法步骤如下：

假设日志数据集合X有n个特征模式X₁，X₂，...，X_n，n为预设自然数，其中X_i＝x_i1,x_i2,...,x_ip，p为预设自然数，1≤i≤n，

假设存在K个聚类，分别记为G₁，G₂，...，G_k，每个聚类G_j含有的模式个数为s_j，1≤j≤k，定义G_j的平均值m_j＝m_j1,m_j2,...m_jp,标准差σ_j＝σ_j1,σ_j2,...,σ_jp为：

计算每个特征模式X_i对聚类G_j的隶属度

/>

如果隶属度

大于等于预定义阈值ρ，0＜ρ＜1，则X_i通过了聚类G_j的相似度检测；假设X_i通过了多个现存的聚类相似度检测，则将X_i归入到具有最大隶属度的聚类G_w中，并更新聚类G_w的均值和标准差；

假设X_i未通过现存的任何聚类的相似度检测，则创建一个新聚类G_h，初始化G_h标准差为σ₀，σ₀为自定义常数；直到所有的特征模式被处理完，最终聚类得到多个子日志；

所述流程挖掘操作具体为采用遗传算法分别针对多个子日志进行流程挖掘并汇总流程挖掘结果，其中遗传算法实现步骤如下：

(S21)、初始化遗传迭代次数计数器：t←0；

(S22)、基于贪婪算法创建突变群体A(t)，对A(t)进行个体适配度计算；

(S23)、复制A(t)到三个子群：A(t)＝A1(t)，A2(t)，A3(t)，执行三个不同的基因重组操作；

(S24)、A_v(t)(v＝1,2,3)独立演化，

通过基因重组执行变异操作，[A1(t)](v＝1,2,3)→A’v(t)，[A’1(t)](v＝1,2,3)→A’’v(t)；

(S25)并行计算各群体中的个体适配度A’’v(t)(v＝1,2,3)；

(S26)通过迁移策略交换不同A’’v(t)(v＝1,2,3)的信息，获得子代[A’’1(t)，A’’2(t)，A’’3(t)]→Av(t+1)；

(S27)判断终止条件，如果不满足终止条件t←t+1，返回S24步，如果满足终止条件则输出优化后的结果，结束；

(S3)、流程生成处理器基于汇总后的流程挖掘结果，对目标业务的原流程运行方式进行智能修正，形成更新后目标业务流程运行方式，并将更新后的目标业务流程运行方式发送给业务流程处理器；

(S4)、业务流程处理器接收更新后的目标业务流程运行方式，完成目标业务流程运行方式更新；

(S5)、业务流程处理器接收用户输入的请求，对其进行语义分析，匹配出用户的目标业务需求，执行用户请求的目标业务对应的业务流程，并向用户反馈执行结果。

进一步优化的，所述用户输入的请求为文本形式。

此外进一步可选的，所述用户输入的请求为语音形式，业务流程处理器进行语义分析之前将语音请求转换成文本形式。

另外，本发明基于RPA和流程挖掘的流程智能处理系统的结构示意图见图2。

根据图2，本发明提供一种基于RPA和流程挖掘的流程智能处理系统，包括RPA机器人、流程挖掘处理器、流程生成处理器和业务流程处理器，所述基于RPA和流程挖掘的流程智能处理系统用于执行所述的方法。

需要说明的是，本领域技术人员应当理解，所述基于RPA和流程挖掘的流程智能处理系统的实施方式中所示的各模块的实现功能可参照所述基于RPA和流程挖掘的流程智能处理方法的相关描述而理解。所述基于RPA和流程挖掘的流程智能处理系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现，也可通过具体的逻辑电路而实现。

相应地，本发明还提供一种计算机可读存储介质，其中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现本申请的各方法实施方式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于，相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

此外应理解，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。

Claims (6)

1.一种基于RPA和流程挖掘的流程智能处理方法，其特征在于，包括：

(S1)、RPA机器人接收用户指令，所述用户指令为触发目标业务流程更新的操作指令，所述RPA机器人采集目标业务运行相关日志并提交给流程挖掘处理器；

(S2)、所述流程挖掘处理器对日志进行预处理操作和流程挖掘操作；

所述预处理操作包括：对目标业务运行相关日志采用聚类算法执行聚类操作，生成多个子日志，其中所述聚类算法步骤如下：

假设日志数据集合X有n个特征模式X₁，X₂，...，X_n，n为预设自然数，其中X_i＝x_i1,x_i2,...,x_ip，p为预设自然数，1≤i≤n，

假设存在K个聚类，分别记为G₁，G₂，...，G_k，每个聚类G_j含有的模式个数为s_j，1≤j≤k，定义G_j的平均值m_j＝m_j1,m_j2,...m_jp,标准差σ_j＝σ_j1,σ_j2,...,σ_jp为：

计算每个特征模式X_i对聚类G_j的隶属度

如果隶属度

大于等于预定义阈值ρ，0＜ρ＜1，则X_i通过了聚类G_j的相似度检测；假设X_i通过了多个现存的聚类相似度检测，则将X_i归入到具有最大隶属度的聚类G_w中，并更新聚类G_w的均值和标准差；

假设X_i未通过现存的任何聚类的相似度检测，则创建一个新聚类G_h，初始化G_h标准差为σ₀，σ₀为自定义常数；直到所有的特征模式被处理完，最终聚类得到多个子日志；

所述流程挖掘操作具体为采用遗传算法分别针对多个子日志进行流程挖掘并汇总流程挖掘结果，其中遗传算法实现步骤如下：

(S21)、初始化遗传迭代次数计数器：t←0；

(S22)、基于贪婪算法创建突变群体A(t)，对A(t)进行个体适配度计算；

(S23)、复制A(t)到三个子群：A(t)＝A1(t)，A2(t)，A3(t)，执行三个不同的基因重组操作；

(S24)、A_v(t)(v＝1,2,3)独立演化，

通过基因重组执行变异操作，[A1(t)](v＝1,2,3)→A’v(t)，[A’1(t)](v＝1,2,3)→A”v(t)；

(S25)并行计算各群体中的个体适配度A”v(t)(v＝1,2,3)；

(S26)通过迁移策略交换不同A”v(t)(v＝1,2,3)的信息，获得子代[A”1(t)，A”2(t)，A”3(t)]→Av(t+1)；

(S27)判断终止条件，如果不满足终止条件t←t+1，返回S24步，如果满足终止条件则输出优化后的结果，结束；

(S3)、流程生成处理器基于汇总后的流程挖掘结果，对目标业务的原流程运行方式进行智能修正，形成更新后目标业务流程运行方式，并将更新后的目标业务流程运行方式发送给业务流程处理器；

(S4)、业务流程处理器接收更新后的目标业务流程运行方式，完成目标业务流程运行方式更新；

(S5)、业务流程处理器接收用户输入的请求，对其进行语义分析，匹配出用户的目标业务需求，执行用户请求的目标业务对应的业务流程，并向用户反馈执行结果。

2.如权利要求1所述的一种基于RPA和流程挖掘的流程智能处理方法，其特征在于，所述用户指令为触发目标业务流程更新的操作指令。

3.如权利要求1所述的一种基于RPA和流程挖掘的流程智能处理方法，其特征在于，所述用户输入的请求为文本形式。

4.如权利要求1所述的一种基于RPA和流程挖掘的流程智能处理方法，其特征在于，所述用户输入的请求为语音形式，业务流程处理器进行语义分析之前将语音请求转换成文本形式。

5.一种基于RPA和流程挖掘的流程智能处理系统，其特征在于，包括RPA机器人、流程挖掘处理器、流程生成处理器和业务流程处理器，所述基于RPA和流程挖掘的流程智能处理系统用于执行如权利要求1-4任一项所述的方法。

6.一种计算机可读存储介质，其特征在于，存储一个或多个程序，所述一个或多个程序使得计算机执行如权利要求1-4任一项所述的方法。

Images