JP2022552128A - ロボティックプロセスオートメーションのための自動解析、優先順位付け、およびロボット生成 - Google Patents

Abstract

ロボティックプロセスオートメーション（ＲＰＡ）のためのプロセスおよび／またはプロセスフローを実施するロボットを解析し、優先順位付けし、および潜在的に自動的に生成するためのシステムおよび方法が開示される。人工知能（ＡＩ）を使用して、ビジネスプロセスおよび／またはプロセスフローを解析し、自動化または既存の自動化の改善の可能な候補を探すことができる。リスナー（例えば、ロボット、別個のソフトウェアアプリケーション、オペレーティングシステム拡張などで）を使用して、ユーザーコンピューティングシステムのバックグラウンドでリスンして、ワークフローの有効性に関するデータを検索し、および／またはＲＰＡの投資収益率（ＲＯＩ）を改善することができる新しいプロセスおよび／またはプロセスフローを識別することができる。例えば、ユーザーコンピューティングシステム上でＲＰＡワークフローを実装するロボットを介して自動化が生産に配置される場合、プロセスおよび／またはプロセスフローが、それらが意図するものを正確かつ正確に実行し、および／または新しいプロセスおよび／またはプロセスフローの自動化のためのデータを提供することを保証するために、リスナーを追加することができる。

Description

（関連出願の相互参照）
本出願は、２０１９年１２月９日に出願された米国非仮特許出願第１６／７０７，７６３号および２０１９年１０月１５日に出願された米国仮特許出願第６２／９１５，３６６号の利益を主張する。これらの先願の主題は、その全体が参照により本明細書に組み込まれる。

本発明は、一般に、ロボティックプロセスオートメーション（ＲＰＡ）に関し、より具体的には、ＲＰＡのための有益なプロセスおよび／またはプロセスフローを実施するロボットを解析し、優先順位付けし、潜在的に自動的に生成することに関する。

例えば、ＲＰＡ Ｃｅｎｔｅｒ ｏｆ Ｅｘｃｅｌｌｅｎｃｅ（ＣＯＥ）によって次に何を自動化するかを決定する場合、どのビジネスプロセスに焦点を合わせるか（例えば、最も多くのお金および／または時間を節約し、最も多くの追加の収益を生成するなど）を優先順位付けすることは困難であり得る。ＲＯＩの観点から、どのプロセスが自動化のための良好な候補であるかを知ることさえ困難であり得る。既存の自動化は改善され得るが、これらの自動化をどのように改善するかを決定することは困難であり得る。したがって、改善された手法が有益であり得る。

本発明の特定の実施形態は、現在のＲＰＡ技術によってまだ完全に識別、認識、または解決されていない当技術分野の問題および必要性に対するソリューションを提供することができる。例えば、本発明のいくつかの実施形態は、ＲＰＡのためのプロセスおよび／またはプロセスフローを実施するロボットの自動解析、優先順位付け、および潜在的な自動生成に関する。

一実施形態では、コンピュータにより実施される方法は、リスナーをユーザーコンピューティングシステムに展開するステップと、コンピューティングシステムとのユーザーインタラクション、ユーザーコンピューティングシステム上の展開されたＲＰＡロボットの性能、またはその両方に関するデータをリスナーから収集するステップと、収集されたデータを格納するステップと、を含む。コンピュータにより実施される方法はまた、ＲＯＩを改善する、コンピューティングシステムとのユーザーインタラクションにおけるプロセス、コンピューティングシステムとのユーザーインタラクションにおけるプロセスフロー、既存のＲＰＡロボットのプロセス改善、またはこれらの任意の組み合わせを発見するために、ＡＩを使用して格納されたデータを解析するステップを含む。コンピュータにより実施される方法は、ＲＯＩ改善のための識別されたプロセスまたはプロセスフローを実施するワークフローを生成するステップをさらに含む。

別の実施形態では、コンピュータプログラムは、非一時的コンピュータ可読媒体上で具現化される。プログラムは、少なくとも１つのプロセッサに、それぞれのコンピューティングシステムとのユーザーインタラクション、ユーザーコンピューティングシステム上の展開されたＲＰＡロボットの性能、またはその両方に関するデータを複数のリスナーから収集させるように構成される。プログラムはまた、少なくとも１つのプロセッサに、投資収益率（ＲＯＩ）を改善する、コンピューティングシステムとのユーザーインタラクションにおけるプロセス、コンピューティングシステムとのユーザーインタラクションにおけるプロセスフロー、既存のＲＰＡロボットのプロセス改善、またはこれらの任意の組み合わせを発見するために、人工知能（ＡＩ）を使用して収集されたデータを解析させるように構成される。プログラムは、少なくとも１つのプロセッサに、ＲＯＩ改善のための識別されたプロセスまたはプロセスフローを実施するワークフローを生成させるようにさらに構成される。

さらに別の実施形態では、装置は、ＲＰＡのためのプロセス、プロセスフロー、またはその両方を実施するロボットを解析、優先順位付け、および自動生成するためのコンピュータプログラム命令を格納するメモリを含む。装置はまた、メモリに通信可能に結合され、コンピュータプログラム命令を実行するように構成された少なくとも１つのプロセッサを含む。命令は、少なくとも１つのプロセッサに、それぞれのコンピューティングシステムとのユーザーインタラクション、ユーザーコンピューティングシステム上の展開されたＲＰＡロボットの性能、またはその両方に関するデータを複数のリスナーから収集させるように構成される。命令はまた、少なくとも１つのプロセッサに、ＲＯＩを改善する、コンピューティングシステムとのユーザーインタラクションにおけるプロセス、コンピューティングシステムとのユーザーインタラクションにおけるプロセスフロー、既存のＲＰＡロボットのプロセス改善、またはこれらの任意の組み合わせを発見するために、ＡＩを使用して収集されたデータを解析させるように構成される。命令は、少なくとも１つのプロセッサに、ＲＯＩ改善のための識別されたプロセスまたはプロセスフローを実施するワークフローを生成させ、生成されたワークフローを実施するＲＰＡロボットを生成させ、生成されたＲＰＡロボットをユーザーコンピューティングシステムの少なくとも１つに展開させるようにさらに構成される。

本発明の特定の実施形態の利点が容易に理解されるように、上記で簡単に説明した本発明のより具体的な説明は、添付の図面に示されている特定の実施形態を参照することによって提供される。これらの図面は、本発明の典型的な実施形態のみを示しており、したがってその範囲を限定するものと見なされるべきではないことを理解されたいが、本発明は、添付の図面を使用することによって追加の具体性および詳細を伴って説明および説明される。

本発明の一実施形態による、ＲＰＡシステムを示すアーキテクチャ図である。

本発明の一実施形態による、展開されたＲＰＡシステムを示すアーキテクチャ図である。

本発明の一実施形態による、デザイナ、アクティビティ、およびドライバの間の関係を示すアーキテクチャ図である。

本発明の一実施形態による、ＲＰＡシステムを示すアーキテクチャ図である。

本発明の一実施形態による、ＲＰＡのためのプロセスを実施するロボットを解析し、優先順位付けし、潜在的に自動的に生成するように構成されたコンピューティングシステムを示すアーキテクチャ図である。

本発明の一実施形態による、ＲＰＡのためのプロセスを実施するロボットの自動解析、優先順位付け、および潜在的な自動生成を実行するように構成されたシステムを示すアーキテクチャ図である。

本発明の一実施形態による、ＲＰＡのための処理を実施するロボットを解析、優先順位付け、および自動生成するためのプロセスを示すフローチャートである。

いくつかの実施形態は、ＲＰＡのためのプロセスおよび／またはプロセスフローを実施するロボットを解析し、優先順位付けし、および潜在的に自動的に生成することに関する。いくつかの実施形態では、人工知能（ＡＩ）を使用して、ビジネスプロセスを解析し、自動化または既存の自動化の改善の可能な候補を探すことができる。リスナー（例えば、ロボット、別個のソフトウェアアプリケーション、オペレーティングシステム拡張など）を使用して、ユーザーコンピューティングシステムのバックグラウンドでリスンして、ワークフローの有効性に関するデータを検索することができる。例えば、ユーザーコンピューティングシステム上でＲＰＡワークフローを実施するロボットを介して自動化が生産に配置される場合、プロセスが意図されたものを正しく正確に実行すること、および／または新しいプロセスの自動化のためのデータを提供することを確実にするために、リスナーを追加することができる。

プロセスは、本質的に同じタスクを達成する複数のバリエーション（すなわち、プロセスフロー）を有することができる。したがって、プロセスの様々なプロセスフローのうちのどのプロセスフローが比較的頻繁に使用されているか、どのプロセスフローが比較的まれに使用されているかなどを知ることが望ましい場合がある。

いくつかの実施形態では、適合性チェックが実行されてもよい。システムは、ユーザーが特定のワークフローに準拠していることを保証するために、それぞれのリスナーを介してコンピューティングシステムとのユーザーインタラクションをチェックすることができる。例えば、ハッキングイベントが検出された後に一連のステップが行われ、最終的に特定の報告書を提出する事例を考える。リスナーから収集された情報は、ステップが適切に守られたこと、報告書が提出されたこと、報告書が正しく記入されたことなどを保証するために解析することができる。ワークフローに適切に従わないユーザーは再訓練することができる。

いくつかの実施形態はまた、どの実施されたワークフローが最も有益であるかを判定するのに有用であり得る。非限定的な例として、１６個のワークフローがユーザーコンピューティングシステム上のＲＰＡロボットによって実施される事例を考える。リスナーは、ユーザーアクション、ロボットの性能、またはその両方に関してデータを収集することをリスンすることができる。このデータは、データベースに格納され、次いで、ＡＩを適用し、ＲＯＩを改善するために自動化され得るユーザーが実行する傾向があるプロセスを探すためにサーバー側アプリケーションによってアクセスされてもよく、１つの実施されたロボットが同様のタスクのために別のロボットよりもＲＯＩを改善するかどうかなどである。例えば、Ａ／Ｂ（スプリット）試験またはカナリア試験を使用して、どのロボットが最もよく機能するかを決定することができる。これらのプロセスは、ＲＯＩに対する推定利益に基づいてＲＰＡロボットとしてランク付けされ展開されてもよい。

追加的または代替的に、このデータは、ＲＰＡのＲＯＩ改善候補である新しいプロセスを識別するために解析され得る。既存のロボットを介して実施されるワークフローを改善することに利点があるかどうか、ＲＯＩを改善するために新しいプロセスを自動化することができるかどうか、またはその両方を判定するために、異なるメトリックを使用することができる。これらのメトリックには、平均プロセス完了時間、プロセスの反復回数、処理からＲＯＩを示すために請求書から生成された総収益、従業員の作業負荷が所定のしきい値（例えば、７０％未満の従業員作業負荷率が望まれる場合があり、これは、従業員が疲労を軽減するために７０％未満の時間でビジネスタスクに取り組んでいることを意味する）を超えるかどうか、従業員が少なくともしきい値時間の間ビジネスタスクで働いているかどうか、ユーザー／部門／会社によるビジネス固有の重要業績評価指標（ＫＰＩ）（例えば、発生した収益の量、所要時間など）、それらの任意の組み合わせなどが含まれるが、これらに限定されない。いくつかの実施形態では、一部が他のものより影響力があるようにメトリックを重み付けすることができる。

特定の実施形態では、リスナーロボットは、コンダクタアプリケーションにハートビートを周期的に送信する。この「ハートビート」で送信される情報は、ロボットがまだ動作しているかどうかを示すことができ、ロボットおよび／またはユーザーの動作に関してリスナーからデータを提供することができる。いくつかの実施形態では、リスナーロボットは、所与のワークフローの有効性に関する情報（典型的には、ロボットはワークフローの遂行可能な実施態様である）を提供することができる。１６台のロボットのこの例を使用して、１６台のロボットが１６の異なるワークフローを遂行している場合には、各ロボットの動作に関するハートビートと共に送信された情報をキャプチャして解析し、ワークフローの有効性およびＲＯＩへの影響を判定することができる。ユーザーアクションを監視するために、リスナーロボットを使用することもできる。

上記により、既存のロボットにおける実装されたワークフローを解析することに加えて、またはその代わりに、いくつかの実施形態は、潜在的にハートビートを有するまたはハートビート内のコンダクタアプリケーションに提供される情報として、リスナーロボットから情報を収集する。この情報が収集されると、ＡＩを使用してこのデータを解析し、ＲＯＩを改善するワークフローを自動的に識別し、潜在的に優先順位を付けることができる。これらのワークフローは、その後に、デザイナアプリケーションを介して開発者の支援によって生成することができ、または潜在的に自動的に展開することができる。

いくつかの自動化された実施形態では、これは、ＲＯＩ改善のための認識された有益なプロセスを実施することができるワークフローのステップをインテリジェントに識別するためにＡＩを使用することによって達成することができる。例えば、ＡＩ解析は、最初に起動したときに、既に存在する特定のパラメータおよび／または構成でソフトウェアアプリケーションの一式が自動的に起動される場合、ユーザーがより生産的であると判定することができる。

１つの非限定的な例では、最も高い自動化ＲＯＩを決定するために計量経済学が使用される。しかしながら、計量経済学では、この手法を使用するために、タスクの時間およびコスト（例えば、誰かがタスクを行うのに費やした時間と、何が支払われたか）が一般に前提条件として必要とされることに留意されたい。また、計量経済学を用いて、追跡すべき最も定量的なメトリックが決定されるべきである。これは、例えば、最も節約または生成されたお金であり得る。

サンプルサイズが小さいときにばらばらになる従来の手法とは異なり、いくつかの実施形態は、どのプロセスがより良好であり、どのプロセスがより悪いかをロボットに見させる。言い換えれば、ロボットは、プロセスを比較して、優れたプロセスを識別するか、または性能を低下させるプロセスを識別することができる。いくつかの実施形態は、ロボットが、１つまたは複数の外部アプリケーションで実行されるこれらのプロセスを監視すること、ユーザーによって実施されること、リスナーを介して見られることなどを可能にすることができる。

既知のおよび／または発見されたプロセスのＲＯＩが決定され、優先順位付けされると、ＡＩを使用して理想的な自動化ルート（すなわち、プロセスを実施するＲＰＡワークフロー）を決定することができる。その後に、デザイナアプリケーションを使用して、ワークフローを構築し、ワークフローに基づいてロボットを作成し、ワークフローを実行するためにロボットを展開することができる。デザイナアプリケーションはまた、いくつかの実施形態では、ＲＯＩをメトリックとして使用してワークフローを自動生成および／または自動再構成することもできる。例えば、新しいまたは修正されたワークフローを自動的に生成することに加えて、システムは、より効率的に動作するようにワークフローの構成を変更することができる。

特定の実施形態では、リスナーは、ロボットが利用されていないとき、人間の入力を待っているとき、またはその両方のときに自動警告を受信することができる。これは、準最適なＲＯＩが、非利用から生じるのか、生産的でないユーザーから生じる不利用から生じるのか、などを判定するのに役立ち得る。その後に、ユーザーは、自動化をより効果的に利用するように訓練され得る。

図１は、本発明の一実施形態による、ＲＰＡシステム１００を示すアーキテクチャ図である。ＲＰＡシステム１００は、開発者がワークフローを設計および実装することを可能にするデザイナ１１０を含む。デザイナ１１０は、アプリケーション統合、ならびに第三者アプリケーション、管理情報技術（ＩＴ）タスク、およびビジネスＩＴプロセスを自動化するためのソリューションを提供することができる。デザイナ１１０は、ビジネスプロセスのグラフィカル表現である自動化プロジェクトの開発を容易にすることができる。簡単に言えば、デザイナ１１０は、ワークフローおよびロボットの開発およびデプロイメントを容易にする。

自動化プロジェクトは、本明細書で「アクティビティ」と定義される、ワークフローで開発されたステップのカスタムセット間の遂行順序および関係の制御を開発者に与えることによって、ルールベースのプロセスの自動化を可能にする。デザイナ１１０の一実施形態の一商用例は、ＵｉＰａｔｈ Ｓｔｕｄｉｏ（商標）である。各アクティビティは、ボタンのクリック、ファイルの読み取り、ログパネルへの書き込みなどのアクションを含むことができる。いくつかの実施形態では、ワークフローはネストまたは埋め込みされてもよい。

いくつかのタイプのワークフローは、シーケンス、フローチャート、有限状態機械（ＦＳＭ）、および／またはグローバル例外ハンドラを含むことができるが、これらに限定されない。シーケンスは、ワークフローを乱すことなく１つのアクティビティから別のアクティビティへの流れを可能にする線形プロセスに特に適することができる。フローチャートは、より複雑なビジネスロジックに特に適しており、複数の分岐論理演算子を通してより多様な方法で決定の統合およびアクティビティの接続を可能にする。ＦＳＭは、大規模なワークフローに特に適している場合がある。ＦＳＭは、条件（すなわち、遷移）またはアクティビティによってトリガされる有限数の状態をそれらの遂行において使用することができる。グローバル例外ハンドラは、遂行エラーに遭遇したときのワークフローの挙動を判定し、プロセスをデバッグするのに特に適することができる。

ワークフローがデザイナ１１０で開発されると、ビジネスプロセスの遂行は、デザイナ１１０で開発されたワークフローを遂行する１つまたは複数のロボット１３０を編成するコンダクタ１２０によって編成される。コンダクタ１２０の一実施形態の一商用例は、ＵｉＰａｔｈオーケストレータ（商標）である。コンダクタ１２０は、環境内のリソースの作成、監視、およびデプロイメントの管理を容易にする。コンダクタ１２０は、第三者のソリューションおよびアプリケーションとの統合ポイントとして機能することができる。

コンダクタ１２０は、集中ポイントからロボット１３０を接続し遂行するすべてのロボット１３０を管理することができる。管理され得るロボット１３０のタイプは、これらに限定されないが、アテンディッドロボット１３２、アンアテンディッドロボット１３４、開発ロボット（アンアテンディッドロボット１３４と同様であるが、開発および試験の目的で使用される）、および非生産ロボット（アテンディッドロボット１３２と同様であるが、開発および試験の目的で使用される）を含む。アテンディッドロボット１３２は、ユーザーイベントによってトリガされ、同じコンピューティングシステム上で人間と一緒に動作する。アテンディッドロボット１３２は、集中プロセスデプロイメントおよび記録媒体のためのコンダクタ１２０と共に使用することができる。アテンディッドロボット１３２は、人間のユーザーが様々なタスクを達成するのを助けることができ、ユーザーイベントによってトリガすることができる。いくつかの実施形態では、プロセスは、このタイプのロボットのコンダクタ１２０から開始することができず、および／またはロックされた画面の下で実行することができない。特定の実施形態では、アテンディッドロボット１３２は、ロボットトレイまたはコマンドプロンプトからのみ起動することができる。いくつかの実施形態では、アテンディッドロボット１３２は人間の監督下で動作するべきである。

アンアテンディッドロボット１３４は、仮想環境で無人で動作し、多くのプロセスを自動化することができる。アンアテンディッドロボット１３４は、リモート遂行、監視、スケジューリング、および作業待ち行列のサポートの提供を担当することができる。いくつかの実施形態では、すべてのロボットタイプのデバッグを、デザイナ１１０で実行することができる。アテンディッドロボットおよびアンアテンディッドロボットの両方は、メインフレーム、ウェブアプリケーション、ＶＭ、エンタープライズアプリケーション（例えば、ＳＡＰ（登録商標）、ＳａｌｅｓＦｏｒｃｅ（登録商標）、Ｏｒａｃｌｅ（登録商標）などによって製造されたもの）、およびコンピューティングシステムアプリケーション（例えば、デスクトップおよびラップトップアプリケーション、モバイルデバイスアプリケーション、ウェアラブルコンピュータアプリケーションなど）を含むがこれらに限定されない様々なシステムおよびアプリケーションを自動化することができる。

コンダクタ１２０は、プロビジョニング、デプロイメント、構成、キューイング、監視、ロギング、および／または相互接続性の提供を含むがこれらに限定されない様々な機能を有することができる。プロビジョニングは、ロボット１３０とコンダクタ１２０（例えば、ウェブアプリケーション）との間の接続の作成および保守を含むことができる。デプロイメントは、遂行のために割り当てられたロボット１３０へのパッケージバージョンの正しい配信を保証することを含むことができる。構成は、ロボット環境およびプロセス構成の維持および配信を含むことができる。キューイングは、キューおよびキュー項目の管理を提供することを含むことができる。監視は、ロボット識別データを追跡し、ユーザー権限を維持することを含むことができる。ロギングは、データベース（例えば、ＳＱＬデータベース）および／または別のストレージ機構（例えば、大規模なデータセットを格納し、迅速にクエリする能力を提供するＥｌａｓｔｉｃＳｅａｒｃｈ（登録商標））へのログの格納およびインデックス付けを含むことができる。コンダクタ１２０は、第三者のソリューションおよび／またはアプリケーションのための通信の集中ポイントとして作用することによって相互接続性を提供することができる。

ロボット１３０は、デザイナ１１０に構築されたワークフローを実行する遂行エージェントである。ロボット１３０のいくつかの実施形態の一商用例は、ＵｉＰａｔｈ Ｒｏｂｏｔｓ（商標）である。いくつかの実施形態では、ロボット１３０は、デフォルトでＭｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ（登録商標）Ｓｅｒｖｉｃｅ Ｃｏｎｔｒｏｌ Ｍａｎａｇｅｒ（ＳＣＭ）管理サービスをインストールする。結果として、そのようなロボット１３０は、ローカルシステムアカウントの下でインタラクティブなＷｉｎｄｏｗｓ（登録商標）セッションを開き、Ｗｉｎｄｏｗｓ（登録商標）サービスの権利を有することができる。

いくつかの実施形態では、ロボット１３０は、ユーザーモードで設置することができる。このようなロボット１３０の場合、これは、所与のロボット１３０が設置されているユーザーと同じ権利を有することを意味する。この特徴は、その最大の可能性で各機械の完全な利用を保証する高密度（ＨＤ）ロボットにも利用可能であり得る。いくつかの実施形態では、任意のタイプのロボット１３０をＨＤ環境で構成することができる。

いくつかの実施形態におけるロボット１３０は、各々が特定の自動化タスク専用であるいくつかのコンポーネントに分割される。いくつかの実施形態におけるロボットコンポーネントは、ＳＣＭ管理ロボットサービス、ユーザーモードロボットサービス、エグゼキュータ、エージェント、およびコマンドラインを含むが、これらに限定されない。ＳＣＭ管理ロボットサービスは、Ｗｉｎｄｏｗｓ（登録商標）セッションを管理および監視し、コンダクタ１２０と遂行ホスト（すなわち、ロボット１３０が遂行されるコンピューティングシステム）との間のプロキシとして機能する。これらのサービスは、ロボット１３０の資格情報で信頼され、管理する。コンソールアプリケーションは、ローカルシステムの下でＳＣＭによって起動される。

いくつかの実施形態におけるユーザーモードロボットサービスは、Ｗｉｎｄｏｗｓ（登録商標）セッションを管理および監視し、コンダクタ１２０と遂行ホストとの間のプロキシとして機能する。ユーザーモードロボットサービスは、ロボット１３０のための資格情報を信頼し管理することができる。ＳＣＭ管理ロボットサービスがインストールされていない場合、Ｗｉｎｄｏｗｓ（登録商標）アプリケーションを自動的に起動することができる。

エグゼキュータは、Ｗｉｎｄｏｗｓ（登録商標）セッション下で所与のジョブを実行することができる（すなわち、エグゼキュータはワークフローを遂行することができる）。エグゼキュータは、モニターごとのドット／インチ（ＤＰＩ）設定を認識することができる。エージェントは、システムトレイウィンドウに利用可能なジョブを表示するＷｉｎｄｏｗｓ（登録商標）Ｐｒｅｓｅｎｔａｔｉｏｎ Ｆｏｕｎｄａｔｉｏｎ（ＷＰＦ）アプリケーションであってもよい。エージェントは、サービスのクライアントであってもよい。エージェントは、ジョブの開始または停止および設定の変更を要求することができる。コマンドラインは、サービスのクライアントである。コマンドラインは、ジョブの開始を要求し、その出力を待つことができるコンソールアプリケーションである。

上記で説明したようにロボット１３０のコンポーネントを分割することは、開発者、サポートユーザー、およびコンピューティングシステムが各コンポーネントが遂行しているものをより容易に実行、識別、および追跡するのに役立つ。このようにして、エグゼキュータおよびサービスに対して異なるファイアウォールルールを設定するなど、特別な挙動をコンポーネントごとに構成することができる。エグゼキュータは、いくつかの実施形態では、モニターごとにＤＰＩ設定を常に認識することができる。結果として、ワークフローは、それらが作成されたコンピューティングシステムの構成にかかわらず、任意のＤＰＩで遂行され得る。いくつかの実施形態では、デザイナ１１０からのプロジェクトは、ブラウザのズームレベルとは無関係であってもよい。ＤＰＩを認識していない、または意図的に認識していないとマークされたアプリケーションの場合、いくつかの実施形態ではＤＰＩを無効にすることができる。

図２は、本発明の一実施形態による、展開されたＲＰＡシステム２００を示すアーキテクチャ図である。いくつかの実施形態では、ＲＰＡシステム２００は、図１のＲＰＡシステム１００であってもよいし、その一部であってもよい。クライアント側、サーバー側、またはその両方は、本発明の範囲から逸脱することなく、任意の所望の数のコンピューティングシステムを含むことができることに留意されたい。クライアント側では、ロボットアプリケーション２１０は、エグゼキュータ２１２と、エージェント２１４と、デザイナ２１６と、を含む。しかしながら、いくつかの実施形態では、デザイナ２１６は、コンピューティングシステム２１０上で実行されていなくてもよい。エグゼキュータ２１２は、実行中のプロセスである。図２に示すように、いくつかのビジネスプロジェクトが同時に実行されてもよい。エージェント２１４（例えば、Ｗｉｎｄｏｗｓ（登録商標）サービス）は、この実施形態ではすべてのエグゼキュータ２１２に対する単一の接続ポイントである。この実施形態におけるすべてのメッセージは、データベースサーバー２４０、インデクササーバー２５０、またはその両方を介してそれらをさらに処理するコンダクタ２３０にログされる。図１に関して上述したように、エグゼキュータ２１２はロボットコンポーネントであってもよい。

いくつかの実施形態では、ロボットは、機械名とユーザー名との間の関連付けを表す。ロボットは、複数のエグゼキュータを同時に管理することができる。同時に実行される複数のインタラクティブなセッション（例えば、Ｗｉｎｄｏｗｓ（登録商標）Ｓｅｒｖｅｒ ２０１２）をサポートするコンピューティングシステムでは、それぞれが一意のユーザー名を使用して別々のＷｉｎｄｏｗｓ（登録商標）セッションで同時に実行される複数のロボットが存在する。これは、上記ではＨＤロボットと呼ばれる。

エージェント２１４はまた、ロボットのステータス（例えば、ロボットがまだ機能していることを示す「ハートビート」メッセージを定期的に送信する）を送信し、遂行されるパッケージの必要なバージョンをダウンロードする役割も担う。エージェント２１４とコンダクタ２３０との間の通信は、いくつかの実施形態では常にエージェント２１４によって開始される。通知シナリオでは、エージェント２１４は、ロボットにコマンド（例えば、始動、停止など）を送信するためにコンダクタ２３０によって後で使用されるＷｅｂＳｏｃｋｅｔチャネルを開くことができる。

サーバー側には、プレゼンテーション層（ウェブアプリケーション２３２、オープンデータプロトコル（ＯＤａｔａ）代表状態転送（ＲＥＳＴ）アプリケーション・プログラミング・インターフェース（ＡＰＩ）エンドポイント２３４、ならびに通知および監視２３６）、サービス層（ＡＰＩ実装／ビジネスロジック２３８）、永続層（データベースサーバー２４０、インデクササーバー２５０）が含まれる。コンダクタ２３０は、ウェブアプリケーション２３２、ＯＤａｔａ ＲＥＳＴ ＡＰＩエンドポイント２３４、通知および監視２３６、ならびにＡＰＩ実装／ビジネスロジック２３８を含む。いくつかの実施形態では、ユーザーがコンダクタ２２０のインターフェース内で（例えば、ブラウザ２２０を介して）実行するほとんどのアクションは、様々なＡＰＩを呼び出すことによって実行される。そのようなアクションは、本発明の範囲から逸脱することなく、ロボット上のジョブの開始、キュー内のデータの追加／削除、無人で実行するためのジョブのスケジューリングなどを含むことができるが、これらに限定されない。ウェブアプリケーション２３２は、サーバープラットフォームのビジュアル層である。この実施形態では、ウェブアプリケーション２３２は、ハイパーテキストマークアップ言語（ＨＴＭＬ）およびＪａｖａＳｃｒｉｐｔ（ＪＳ）を使用する。しかしながら、本発明の範囲から逸脱することなく、任意の所望のマークアップ言語、スクリプト言語、または任意の他のフォーマットを使用することができる。ユーザーは、コンダクタ２３０を制御するための様々なアクションを実行するために、この実施形態ではブラウザ２２０を介してウェブアプリケーション２３２からのウェブページとインタラクトする。例えば、ユーザーは、ロボットグループを作成し、ロボットにパッケージを割り当て、ロボットごとおよび／またはプロセスごとにログを解析し、ロボットを起動および停止することなどができる。

ウェブアプリケーション２３２に加えて、コンダクタ２３０はまた、ＯＤａｔａ ＲＥＳＴ ＡＰＩエンドポイント２３４を公開するサービス層を含む。しかしながら、本発明の範囲から逸脱することなく、他のエンドポイントが含まれてもよい。ＲＥＳＴ ＡＰＩは、ウェブアプリケーション２３２とエージェント２１４の両方によって消費される。エージェント２１４は、この実施形態ではクライアントコンピュータ上の１つまたは複数のロボットの管理者である。

この実施形態におけるＲＥＳＴ ＡＰＩは、構成、ロギング、監視、およびキューイング機能をカバーする。構成エンドポイントは、いくつかの実施形態では、アプリケーションユーザー、権限、ロボット、アセット、リリース、および環境を定義および構成するために使用され得る。例えば、エラー、ロボットによって送信された明示的なメッセージ、および他の環境固有の情報などの様々な情報をログに記録するために、ＲＥＳＴエンドポイントをロギングすることができる。開始ジョブコマンドがコンダクタ２３０内で使用される場合に遂行されるべきパッケージバージョンをクエリするために、デプロイメントＲＥＳＴエンドポイントがロボットによって使用されてもよい。ＲＥＳＴエンドポイントをキューイングすることは、キューにデータを追加すること、キューからトランザクションを取得すること、トランザクションの状態を設定することなど、キューおよびキュー項目管理を担当することができる。

ＲＥＳＴエンドポイントの監視は、ウェブアプリケーション２３２およびエージェント２１４を監視することができる。通知監視ＡＰＩ２３６は、エージェント２１４の登録、エージェント２１４への構成設定の配信、ならびにサーバーおよびエージェント２１４からの通知の送信／受信に使用されるＲＥＳＴエンドポイントであってもよい。通知監視ＡＰＩ２３６はまた、いくつかの実施形態では、ＷｅｂＳｏｃｋｅｔ通信を使用してもよい。

永続層は、この実施形態におけるサーバーのペア、すなわちデータベースサーバー２４０（例えば、ＳＱＬサーバー）およびインデクササーバー２５０を含む。この実施形態におけるデータベースサーバー２４０は、ロボット、ロボットグループ、関連するプロセス、ユーザー、役割、スケジュールなどの構成を格納する。この情報は、いくつかの実施形態ではウェブアプリケーション２３２を通して管理される。データベースサーバー２４０は、キューおよびキュー項目を管理することができる。いくつかの実施形態では、データベースサーバー２４０は、（インデクササーバー２５０に加えて、またはその代わりに）ロボットによって記録されたメッセージを格納することができる。

インデクササーバー２５０は、いくつかの実施形態ではオプションであり、ロボットによって記録された情報を格納し、インデックス付けする。特定の実施形態では、インデクササーバー２５０は、構成設定を通じて無効にすることができる。いくつかの実施形態では、インデクササーバー２５０は、オープンソースプロジェクトのフルテキスト検索エンジンであるＥｌａｓｔｉｃＳｅａｒｃｈ（登録商標）を使用する。ロボット（例えば、ログメッセージまたは行書き込みのようなアクティビティを使用する）によってログされたメッセージは、ロギングＲＥＳＴエンドポイントを通してインデクササーバー２５０に送信されてもよく、そこでそれらは将来の利用のためにインデックス付けされる。

図３は、本発明の一実施形態による、デザイナ３１０、アクティビティ３２０、３３０、およびドライバ３４０の間の関係３００を示すアーキテクチャ図である。上記により、開発者は、デザイナ３１０を使用して、ロボットによって遂行されるワークフローを開発する。ワークフローは、ユーザー定義のアクティビティ３２０およびＵＩ自動化アクティビティ３３０を含むことができる。いくつかの実施形態は、本明細書ではコンピュータビジョン（ＣＶ）と呼ばれる、画像内の非テキスト視覚成分を識別することができる。そのようなコンポーネントに関係するいくつかのＣＶアクティビティは、クリック、タイプ、テキストを取得、ホバー、要素存在、リフレッシュ範囲、ハイライトなどを含み得るが、これらに限定されない。いくつかの実施形態では、クリックは、例えば、ＣＶ、光学文字認識（ＯＣＲ）、ファジー文字マッチング、およびマルチアンカーを使用して要素を識別し、それをクリックする。タイプは、上記および要素内のタイプを使用して要素を識別することができる。テキストを取得し、ＯＣＲを使用して特定のテキストの位置を識別し、それをスキャンすることができる。ホバーは、要素を識別し、それをホバーすることができる。要素が存在することは、上述した技術を使用して、画面上に要素が存在するかどうかをチェックすることができる。いくつかの実施形態では、デザイナ３１０に実装することができるアクティビティは、数百または数千であってもよい。しかしながら、本発明の範囲から逸脱することなく、任意の数および／またはタイプのアクティビティが利用可能であり得る。

ＵＩ自動化アクティビティ３３０は、下位レベルコード（例えば、ＣＶアクティビティ）に書き込まれ、画面とのインタラクションを容易にする特別な低レベルのアクティビティのサブセットである。ＵＩ自動化アクティビティ３３０は、ロボットが所望のソフトウェアとインタラクトすることを可能にするドライバ３４０を介したこれらのインタラクションを容易にする。例えば、ドライバ３４０は、ＯＳドライバ３４２、ブラウザドライバ３４４、ＶＭドライバ３４６、エンタープライズアプリケーションドライバ３４８などを含んでもよい。

ドライバ３４０は、フックを探し、キーを監視するなど、低レベルでＯＳとインタラクトすることができる。それらは、Ｃｈｒｏｍｅ（登録商標）、ＩＥ（登録商標）、Ｃｉｔｒｉｘ（登録商標）、ＳＡＰ（登録商標）などとの統合を容易にすることができる。例えば、「クリック」アクティビティは、ドライバ３４０を介してこれらの異なるアプリケーションで同じ役割を実行する。

図４は、本発明の一実施形態による、ＲＰＡシステム４００を示すアーキテクチャ図である。いくつかの実施形態では、ＲＰＡシステム４００は、図１および／または図２のＲＰＡシステム１００および／または２００であり得るか、それらを含み得る。ＲＰＡシステム４００は、ロボットを実行する複数のクライアントコンピューティングシステム４１０を含む。コンピューティングシステム４１０は、その上で実行されるウェブアプリケーションを介してコンダクタコンピューティングシステム４２０と通信することができる。次に、コンダクタコンピューティングシステム４２０は、データベースサーバー４３０および任意選択のインデクササーバー４４０と通信することができる。

図１および図３に関して、これらの実施形態ではウェブアプリケーションが使用されているが、本発明の範囲から逸脱することなく、任意の適切なクライアント／サーバーソフトウェアを使用できることに留意されたい。例えば、コンダクタは、クライアントコンピューティングシステム上の非ウェブベースのクライアントソフトウェアアプリケーションと通信するサーバー側アプリケーションを実行することができる。

図５は、本発明の一実施形態による、ＲＰＡのためのプロセスを実施するロボットを解析し、優先順位付けし、潜在的に自動的に生成するように構成されたコンピューティングシステム５００を示すアーキテクチャ図である。いくつかの実施形態では、コンピューティングシステム５００は、本明細書に図示および／または記載されたコンピューティングシステムのうちの１つまたは複数であってもよい。コンピューティングシステム５００は、情報を通信するためのバス５０５または他の通信機構と、情報を処理するためにバス５０５に結合されたプロセッサ５１０と、を含む。プロセッサ５１０は、中央プロセッシングユニット（ＣＰＵ）、特定用途集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、グラフィックスプロセッシングユニット（ＧＰＵ）、それらの複数のインスタンス、および／またはそれらの任意の組み合わせを含む、任意のタイプの汎用または専用プロセッサであってもよい。プロセッサ５１０はまた、複数の処理コアを有してもよく、コアの少なくともいくつかは、特定の機能を実行するように構成されてもよい。いくつかの実施形態では、複数並列処理が使用されてもよい。特定の実施形態では、プロセッサ５１０の少なくとも一方は、生体ニューロンを模倣する処理要素を含むニューロモーフィック回路であってもよい。いくつかの実施形態では、ニューロモーフィック回路は、フォンノイマンコンピューティングアーキテクチャの典型的なコンポーネントを必要としない場合がある。

コンピューティングシステム５００は、プロセッサ５１０によって遂行される情報および命令を格納するためのメモリ５１５をさらに含む。メモリ５１５は、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、フラッシュメモリ、キャッシュ、磁気もしくは光ディスクなどの静的ストレージ、または任意の他のタイプの非一時的コンピュータ可読媒体、またはそれらの組み合わせの任意の組み合わせで構成することができる。非一時的コンピュータ可読媒体は、プロセッサ５１０によってアクセス可能な任意の利用可能な媒体であってもよく、揮発性媒体、不揮発性媒体、またはその両方を含んでもよい。媒体はまた、取り外し可能、取り外し不能、またはその両方であってもよい。

さらに、コンピューティングシステム５００は、無線接続および／または有線接続を介して通信ネットワークへのアクセスを提供するためのトランシーバなどの通信デバイス５２０を含む。いくつかの実施形態では、通信デバイス５２０は、周波数分割多元接続（ＦＤＭＡ）、シングルキャリアＦＤＭＡ（ＳＣ－ＦＤＭＡ）、時分割多元接続（ＴＤＭＡ）、符号分割多元接続（ＣＤＭＡ）、直交周波数分割多重方式（ＯＦＤＭ）、直交周波数分割多元接続（ＯＦＤＭＡ）、移動体用グローバルシステム（ＧＳＭ）通信、汎用パケット無線サービス（ＧＰＲＳ）、ユニバーサル移動体通信システム（ＵＭＴＳ）、ｃｄｍａ２０００、広帯域ＣＤＭＡ（Ｗ－ＣＤＭＡ）、高速ダウンリンクパケットアクセス（ＨＳＤＰＡ）、高速アップリンクパケットアクセス（ＨＳＵＰＡ）、高速パケットアクセス（ＨＳＰＡ）、ロングタームエボリューション（ＬＴＥ）、ＬＴＥアドバンスト（ＬＴＥ－Ａ）、８０２．１１ｘ、Ｗｉ－Ｆｉ、Ｚｉｇｂｅｅ、超広帯域無線（ＵＷＢ）、８０２．１６ｘ、８０２．１５、ホームノードＢ（ＨｎＢ）、Ｂｌｕｅｔｏｏｔｈ、無線周波数識別（ＲＦＩＤ）、赤外線データ結合（ＩｒＤＡ）、近距離通信（ＮＦＣ）、第５世代（５Ｇ）、新無線（ＮＲ）、それらの任意の組み合わせ、ならびに／あるいは本発明の範囲から逸脱することなく、任意の他の現在存在する、または将来実施される通信規格および／またはプロトコルを使用するように構成されてもよい。いくつかの実施形態では、通信デバイス５２０は、本発明の範囲から逸脱することなく、単一、アレイ、位相、切り替え、ビームフォーミング、ビームステア、それらの組み合わせ、および／または任意の他のアンテナ構成である１つまたは複数のアンテナを含むことができる。

プロセッサ５１０はさらに、バス５０５を介して、プラズマディスプレイ、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、電界放出ディスプレイ（ＦＥＤ）、有機発光ダイオード（ＯＬＥＤ）ディスプレイ、フレキシブルＯＬＥＤディスプレイ、フレキシブル基板ディスプレイ、プロジェクションディスプレイ、４Ｋディスプレイ、高精細ディスプレイ、Ｒｅｔｉｎａ（登録商標）ディスプレイ、インプレーンスイッチング（ＩＰＳ）ディスプレイ、またはユーザーに情報を表示するための任意の他の適切なディスプレイなどのディスプレイ５２５にさらに結合される。ディスプレイ５２５は、抵抗性、容量性、表面弾性波（ＳＡＷ）容量性、赤外線、光学イメージング、分散信号技術、音響パルス認識、フラストレート全内部反射などを使用して、タッチ（触覚）ディスプレイ、３次元（３Ｄ）タッチディスプレイ、マルチ入力タッチディスプレイ、マルチタッチディスプレイなどとして構成され得る。本発明の範囲から逸脱することなく、任意の適切なディスプレイデバイスおよび触覚Ｉ／Ｏが使用され得る。

キーボード５３０およびコンピュータマウス、タッチパッドなどのカーソル制御デバイス５３５は、ユーザーがコンピューティングシステム５００とインターフェースすることを可能にするためにバス５０５にさらに結合される。しかしながら、特定の実施形態では、物理的なキーボードおよびマウスが存在しなくてもよく、ユーザーは、ディスプレイ５２５および／またはタッチパッド（図示せず）のみを通してデバイスとインタラクトすることができる。入力デバイスの任意のタイプおよび組み合わせを、設計上の選択事項として使用することができる。特定の実施形態では、物理的入力デバイスおよび／またはディスプレイは存在しない。例えば、ユーザーは、それと通信する別のコンピューティングシステムを介してコンピューティングシステム５００と遠隔でインタラクトすることができ、またはコンピューティングシステム５００は自律的に動作することができる。

メモリ５１５は、プロセッサ５１０によって遂行されると機能を提供するソフトウェアモジュールを格納する。モジュールは、コンピューティングシステム５００のためのオペレーティングシステム５４０を含む。モジュールは、本明細書に記載のプロセスまたはその派生物の全部または一部を実行するように構成されたＲＯＩ改善モジュール５４５をさらに含む。コンピューティングシステム５００は、追加の機能を含む１つまたは複数の追加の機能モジュール５５０を含むことができる。

当業者は、「システム」が、本発明の範囲から逸脱することなく、サーバー、組込みコンピューティングシステム、パーソナルコンピュータ、コンソール、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話、タブレットコンピューティングデバイス、量子コンピューティングシステム、もしくは任意の他の適切なコンピューティングデバイス、またはデバイスの組み合わせとして具現化され得ることを理解するであろう。上記の機能を「システム」によって実行されるものとして提示することは、本発明の範囲を決して限定することを意図するものではなく、本発明の多くの実施形態の一例を提供することを意図している。実際、本明細書に開示する方法、システム、および装置は、クラウドコンピューティングシステムを含むコンピューティング技術と一致する局所化された形態および分散された形態で実装されてもよい。

本明細書に記載されたシステム特徴のいくつかは、それらの実施態様の独立性をより具体的に強調するために、モジュールとして提示されていることに留意されたい。例えば、モジュールは、カスタムの超大規模集積（ＶＬＳＩ）回路またはゲートアレイ、ロジックチップ、トランジスタ、または他のディスクリートコンポーネントなどの既製の半導体を含むハードウェア回路として実装されてもよい。モジュールはまた、フィールドプログラマブルゲートアレイ、プログラマブルアレイロジック、プログラマブルロジックデバイス、グラフィックスプロセッシングユニットなどのプログラマブルハードウェアデバイスに実装されてもよい。

モジュールはまた、様々なタイプのプロセッサによって遂行するためのソフトウェアに少なくとも部分的に実装されてもよい。遂行可能コードの識別されたユニットは、例えば、オブジェクト、プロシージャ、または関数として編成することができるコンピュータ命令の１つまたは複数の物理ブロックまたは論理ブロックを含むことができる。それにもかかわらず、識別されたモジュールの遂行可能ファイルは、物理的に共に配置される必要はないが、論理的に共に結合されたときにモジュールを含み、モジュールの記載された目的を達成する異なる場所に格納された異なる命令を含むことができる。さらに、モジュールは、コンピュータ可読媒体に格納されてもよく、それは、例えば、ハードディスクドライブ、フラッシュデバイス、ＲＡＭ、テープ、および／または本発明の範囲から逸脱することなくデータを格納するために使用される任意の他のそのような非一時的コンピュータ可読媒体であってもよい。

実際、遂行可能コードのモジュールは、単一の命令、または多くの命令であってもよく、いくつかの異なるコードセグメント、異なるプログラム、およびいくつかのメモリデバイスに分散されてもよい。同様に、操作データは、本明細書ではモジュール内で識別および図示されてもよく、任意の適切な形態で具現化され、任意の適切なタイプのデータ構造内に編成されてもよい。操作データは、単一のデータセットとして収集されてもよく、または異なるストレージデバイスを含む異なる場所に分散されてもよく、少なくとも部分的に、システムまたはネットワーク上の電子信号としてのみ存在してもよい。

図６は、本発明の一実施形態による、ＲＰＡのためのプロセスを実施するロボットの自動解析、優先順位付け、および潜在的な自動生成を実行するように構成されたシステム６００を示すアーキテクチャ図である。システム６００は、デスクトップコンピュータ６０２、タブレット６０４、およびスマートフォン６０６などのユーザーコンピューティングシステムを含む。しかしながら、これらに限られるわけではないがスマートウォッチ、ラップトップコンピュータ、モノのインターネット（ＩｏＴ）デバイス、車両コンピューティングシステムなどを含む任意の所望のコンピューティングシステムを、本発明の範囲から逸脱することなく使用することができる。

各コンピューティングシステム６０２、６０４、６０６は、その上にインストールされたリスナー６１０を有する。リスナー６１０は、本発明の範囲から逸脱することなく、ＲＰＡデザイナアプリケーション、オペレーティングシステムの一部、パーソナルコンピュータ（ＰＣ）もしくはスマートフォン用のダウンロード可能なアプリケーション、または任意の他のソフトウェアおよび／もしくはハードウェアを介して生成されたロボットであってもよい。実際、いくつかの実施形態では、リスナー６１０の１つまたは複数の論理は、物理ハードウェアを介して部分的または完全に実装される。

リスナー６１０は、それぞれのコンピューティングシステム６０２、６０４、６０６とのユーザーインタラクションのログを生成し、および／またはその上で動作するロボットの動作に関するデータをログする。次いで、リスナー６１０は、ネットワーク６２０（例えば、ローカルエリアネットワーク（ＬＡＮ）、移動通信ネットワーク、衛星通信ネットワーク、インターネット、これらの任意の組み合わせなど）を介してサーバー６３０にログデータを送信する。ログされるデータは、クリックされたボタン、マウスが移動された場所、フィールドに入力されたテキスト、１つのウィンドウが最小化され、別のウィンドウが開かれたこと、ウィンドウに関連するアプリケーションなどを含み得るが、これらに限定されない。いくつかの実施形態では、サーバー６３０は、コンダクタアプリケーションを実行することができ、データは、ハートビートメッセージの一部として定期的に送信されてもよい。特定の実施形態では、所定量のログデータが収集された後に、または所定の期間が経過した後に、またはその両方で、ログデータがサーバー６３０に送信され得る。サーバー６３０は、受信したリスナー６１０からのログデータをデータベース６４０に格納する。

人間のユーザー（例えば、ＲＰＡエンジニアまたはデータサイエンティスト）によって指示されると、所定量のログデータが収集されたとき、最後の解析から所定量の時間が経過したときなどに、サーバー６３０は、データベース６４０からリスナー６１０によって様々なユーザーから収集されたログデータにアクセスし、複数のＡＩ層６３２を通してログデータを実行する。ＡＩ層６３２は、ログデータを処理し、その中のＲＯＩ改善のための１つまたは複数の潜在的なプロセスを識別し、既存のプロセスに対する改善を識別し、またはその両方を行う。ＡＩ層６３２は、統計的モデリング（例えば、隠れマルコフモデル（ＨＭＭ））を実行し、深層学習技術（例えば、長期短期記憶（ＬＳＴＭ）深層学習、以前の隠れ状態の符号化など）を利用し、事例識別を実行してプロセスのアトミックインスタンスを識別することができる。請求書処理は、例えば、１つの請求書が完成した事例であってもよい。したがって、システムは、１つの事例が終了し、次の事例が開始する場所を決定する。電子メールを開くことは、例えば、事例の始まりであってもよく、事例のパターンは、変動および共通性を判定するために解析されてもよい。

いくつかの実施形態では、識別されたプロセスは、ユーザーが精査するために列挙されてもよく、限定はしないが、所与のプロセスがＲＰＡに対してどれだけ適切であるかを示すＲＰＡスコア（例えば、自動化の複雑度、遂行時間、生成された収益、節約された収益、節約された時間などの重要業績評価指標に対する認識された利益に基づく）、プロセス名、総記録時間、プロセスを遂行したユーザーの数、プロセス遂行時間（例えば、少なくともまたはほとんどの時間）などを含む様々な要因によってソートされてもよい。プロセスワークフローは、ステップ、パラメータ、および相互接続を含む所与のプロセスをユーザーがクリックすると表示され得る。特定の実施形態では、クラスタリングの観点から重要であると思われるプロセスアクティビティのみが使用されてもよい。

類似のプロセスが既に存在する場合、サーバー６３０は、この類似性を識別し、識別されたプロセスが、あまり最適に機能しない同じまたは類似の自動化のための既存のプロセスを置き換えるべきであることを知ることができる。例えば、プロセス間の類似性は、共通の開始および終了、ならびに間に入るステップにおけるある程度の統計的共通性によって決定され得る。共通性は、エントロピー、プロセス検出目的関数の最小化などによって決定され得る。目的関数しきい値は、いくつかの実施形態では自動的に設定されてもよく、これは、システムによって非類似であると識別されたプロセスがユーザーによって類似していると示される場合には、訓練中に修正されてもよい。次いで、サーバー６３０は、識別されたプロセスを含むワークフローを自動的に生成し、ワークフローを実装するロボット（または交換ロボット）を生成し、生成されたロボットをユーザーコンピューティングシステム６０２、６０４、６０６にプッシュして遂行することができる。

あるいは、特定の実施形態では、ＡＩ層６３２からの提案されたプロセスは、コンピューティングシステム６５０上のデザイナアプリケーション６５２を介してＲＰＡエンジニアに提示されてもよい。次いで、ＲＰＡエンジニアは、ワークフローをレビューし、任意の所望の変更を行い、次いで、ロボットを介してコンピューティングシステム６０２、６０４、６０６にワークフローを展開するか、またはロボットを展開させることができる。例えば、デプロイメントは、サーバー６３０または別のサーバー上で実行されているコンダクタアプリケーションを介して行われてもよく、これは、プロセスを実施するロボットをユーザーコンピューティングシステム６０２、６０４、６０６にプッシュすることができる。いくつかの実施形態では、このワークフローデプロイメントは、デザイナアプリケーションの自動化マネージャ機能を介して実現することができ、ＲＰＡエンジニアは、単にボタンをクリックしてロボットにプロセスを実装することができる。

リスナー

コンピューティングシステム６０２、６０４、６０６上でユーザーによって行われたアクションに関連するデータを抽出するために、リスナー６１０は、ホワイトリストに登録されたアプリケーションからデータを抽出するためにドライバレベル（例えば、図３のドライバ３４０）でクライアント側で使用することができる。例えば、リスナー６１０は、ユーザーがどのアプリケーションで画面上のどこをクリックしたか、キーストローク、どのボタンがクリックされたか、ユーザーがアプリケーションを切り替えるインスタンス、フォーカスの変更、電子メールが送信されたこと、および電子メールが何に関連するかなどを記録することができる。追加的または代替的に、リスナー６１０は、コンピューティングシステム６０２、６０４、６０６上で動作するロボットに関するデータを収集することができる。いくつかの実施形態では、ワークフローを実施する様々なタスクを実行するロボットは、それら自体の動作のためのリスナーとして機能することができる。そのようなデータは、コンピューティングシステム６０２、６０４、６０６とのユーザーインタラクションおよび／またはその上で動作するロボットの動作の高忠実度ログを生成するために使用することができる。

プロセス抽出のためのログデータを生成することに加えて、またはその代わりに、いくつかの実施形態は、ユーザーが実際に行っていることに対する洞察を提供することができる。例えば、リスナー６１０は、ユーザーがどのアプリケーションを実際に使用しているか、ユーザーがどのくらいの時間の割合で所与のアプリケーションを使用しているか、ユーザーがアプリケーション内のどの機能を使用しているか、およびユーザーがアプリケーション内のどの機能を使用していないか、などを判定することができる。この情報は、アプリケーションのライセンスを更新するかどうか、機能のライセンスを更新しないかどうか、または機能を欠いているより安価なバージョンにダウングレードするかどうか、ユーザーが他の従業員をより生産的にする傾向があるアプリケーションを使用しておらず、そのためユーザーを適切に訓練することができるかどうか、ユーザーが非業務アクティビティ（例えば、個人の電子メールをチェックしたり、ウェブをサーフィンしたりする）の実行に大量の時間を費やしているかどうか、または自分の机から離れているか（例えば、コンピューティングシステムとインタラクトしない）などに関する情報に基づいた決定を行うためにマネージャに提供されてもよい。

いくつかの実施形態では、検出更新をリスナーにプッシュして、ドライバレベルのユーザーインタラクションおよび／またはロボット動作の検出およびキャプチャプロセスを改善することができる。特定の実施形態では、リスナー６１０は、それらの検出にＡＩを使用することができる。特定の実施形態では、自動化ワークフローからのプロセスを実施するロボットは、それぞれのリスナー６１０を介してコンピューティングシステム６０２、６０４、６０６に自動的にプッシュされてもよい。

図７は、本発明の一実施形態による、ＲＰＡのための処理を実施するロボットを解析、優先順位付け、および自動生成するためのプロセス７００を示すフローチャートである。７１０において、リスナーはユーザーコンピューティングシステムに展開される。コンピューティングシステムとのユーザーインタラクション、ユーザーコンピューティングシステム上の展開されたロボットの性能、またはその両方に関するデータは、７２０においてリスナーから収集される。収集されたデータは、７３０で格納され、７４０でＡＩを使用して解析されて、コンピューティングシステムとのユーザーインタラクションにおけるプロセス、プロセスフロー、またはその両方、あるいはＲＯＩを改善する、既存のロボットのプロセス改善、またはその両方を捜す。プロセスは、本質的に同じタスクを達成する複数のバリエーション（すなわち、プロセスフロー）を有することができる。したがって、プロセスの様々なプロセスフローのうちのどのプロセスフローが比較的頻繁に使用されているか、どのプロセスフローが比較的まれに使用されているかなどを知ることが望ましい場合がある。このように、解析は、いくつかの実施形態では、ある期間にわたって、またはプロセスフローの履歴全体にわたってプロセスフロー使用量を決定することを含むことができる。特定の実施形態では、解析は、適合性チェックを実行することを含むことができる。

いくつかの実施形態において、解析の結果は、ＲＯＩに対する推定利益に基づいてランク付けされる。特定の実施形態では、限定はしないが、平均プロセス完了時間、処理からＲＯＩを示すために請求書から生成された総収益、従業員の作業負荷が所定のしきい値を超えるかどうか、従業員が少なくともしきい値時間にわたってビジネスタスクに従事しているかどうか、ビジネス固有のＫＰＩ、またはこれらの任意の組み合わせを含む様々なメトリックを使用して、ＲＯＩ改善を決定および優先順位付けすることができる。特定の実施形態では、リスナーは、ロボットおよび／またはユーザー操作に関するデータを含むハートビートをコンダクタアプリケーションに周期的に送信する。

データが解析されると、プロセス、プロセスフロー、またはその両方は、７５０においてそれらの推定ＲＯＩに基づいて優先順位付けされる。ＲＯＩ改善のための識別されたＲＯＩ改善プロセスまたはプロセスフローを実装するワークフローが、７６０において生成される。次いで、ワークフローを実施するロボットが７７０で生成され、ロボットは７８０でユーザーコンピューティングシステムに展開される。いくつかの実施形態では、ステップ７６０、７７０および／または７８０は自動的に実行される。特定の実施形態では、ステップ７６０、７７０および／または７８０は、ＲＰＡ開発者によって実行される。

図７で実行されるプロセスステップは、本発明の実施形態に従って、プロセッサが図７で説明したプロセスの少なくとも一部を実行するための命令を符号化するコンピュータプログラムによって実行されてもよい。コンピュータプログラムは、非一時的コンピュータ可読媒体上で具現化されてもよい。コンピュータ可読媒体は、ハードディスクドライブ、フラッシュデバイス、ＲＡＭ、テープ、および／またはデータを格納するために使用される任意の他のそのような媒体または媒体の組み合わせであってもよいが、これらに限定されない。コンピュータプログラムは、コンピュータ可読媒体に格納することもできる、図７で説明したプロセスステップの全部または一部を実施するようにコンピューティングシステムのプロセッサ（例えば、図５のコンピューティングシステム５００のプロセッサ５１０）を制御するための符号化命令を含むことができる。

コンピュータプログラムは、ハードウェア、ソフトウェア、またはハイブリッド実装で実施することができる。コンピュータプログラムは、互いに動作可能に通信し、表示するために情報または命令を渡すように設計されたモジュールから構成することができる。コンピュータプログラムは、汎用コンピュータ、ＡＳＩＣ、または任意の他の適切なデバイス上で動作するように構成することができる。

本発明の様々な実施形態のコンポーネントは、本明細書の図に一般的に記載および図示するように、多種多様な異なる構成で配置および設計されてもよいことが容易に理解されよう。したがって、添付の図面に表される本発明の実施形態の詳細な説明は、特許請求される本発明の範囲を限定することを意図するものではなく、本発明の選択された実施形態を単に代表するものである。

本明細書を通して説明される本発明の特徴、構造、または特性は、１つまたは複数の実施形態において任意の適切な方法で組み合わせることができる。例えば、本明細書全体を通して「特定の実施形態」、「いくつかの実施形態」、または同様の文言への言及は、実施形態に関連して説明される特定の特徴、構造、または特性が本発明の少なくとも１つの実施形態に含まれることを意味する。したがって、本明細書全体を通して、「特定の実施形態では」、「いくつかの実施形態では」、「他の実施形態では」というフレーズ、または同様の文言の出現は、必ずしもすべてが同じ実施形態のグループを指すわけではなく、記載された特徴、構造、または特性は、１つまたは複数の実施形態において任意の適切な方法で組み合わせることができる。

本明細書を通して特徴、利点、または同様の文言を参照することは、本発明で実現され得る特徴および利点のすべてが本発明の任意の単一の実施形態であるべきであること、または本発明の任意の単一の実施形態であることを意味するものではないことに留意されたい。むしろ、特徴および利点に言及する文言は、一実施形態に関連して説明される特定の特徴、利点、または特性が本発明の少なくとも１つの実施形態に含まれることを意味すると理解される。したがって、本明細書を通して、特徴および利点、ならびに同様の文言の説明は、必ずしもそうとは限らないが、同じ実施形態を参照することができる。

さらに、本発明の記載された特徴、利点、および特性は、１つまたは複数の実施形態において任意の適切な方法で組み合わせることができる。当業者は、特定の実施形態の特定の特徴または利点の１つまたは複数なしで本発明を実施できることを認識するであろう。他の例では、本発明のすべての実施形態には存在しない可能性がある特定の実施形態において、追加の特徴および利点が認識され得る。

当業者は、上述の本発明が、異なる順序のステップ、および／または開示されているものとは異なる構成のハードウェア要素を用いて実施され得ることを容易に理解するであろう。したがって、本発明をこれらの好ましい実施形態に基づいて説明してきたが、本発明の趣旨および範囲内に留まりながら、特定の修正、変形、および代替構築が明らかであることは、当業者には明らかであろう。したがって、本発明の範囲を決定するために、添付の特許請求の範囲を参照すべきである。

Claims (20)

1. コンピュータにより実施される方法であって、
   リスナーをユーザーコンピューティングシステムに展開するステップと、
   前記コンピューティングシステムとのユーザーインタラクション、前記ユーザーコンピューティングシステム上の展開されたロボティックプロセスオートメーション（ＲＰＡ）ロボットの性能、またはその両方に関するデータを前記リスナーから収集するステップと、
   前記収集されたデータを格納するステップと、
   投資収益率（ＲＯＩ）を改善する、前記コンピューティングシステムとの前記ユーザーインタラクションにおけるプロセス、前記コンピューティングシステムとの前記ユーザーインタラクションにおけるプロセスフロー、既存のＲＰＡロボットのプロセス改善、またはこれらの任意の組み合わせを発見するために、人工知能（ＡＩ）を使用して前記格納されたデータを解析するステップと、
   ＲＯＩ改善のための識別されたプロセスまたはプロセスフローを実施するワークフローを生成するステップと、を含む、コンピュータにより実施される方法。
2. 前記格納されたデータの前記解析の結果は、ＲＯＩに対する推定利益に基づいてランク付けされる、請求項１に記載のコンピュータにより実施される方法。
3. 前記ランク付けに基づいて、プロセス、プロセスフロー、またはその両方に優先順位付けするステップをさらに含む、
   請求項２に記載のコンピュータにより実施される方法。
4. ＲＯＩ改善を決定および優先順位付けするために使用されるメトリックは、平均プロセス完了時間、処理からＲＯＩを示すために請求書から生成された総収益、従業員の作業負荷が所定のしきい値を超えるかどうか、従業員が少なくとも最小しきい値時間にわたってビジネスタスクに取り組んでいるかどうか、ビジネス固有の重要業績評価指標（ＫＰＩ）、またはこれらの任意の組み合わせを含む、請求項３に記載のコンピュータにより実施される方法。
5. 前記メトリックは、前記ＲＯＩ決定に対するそれらの相対的重要度に基づいて重みを割り当てられる、請求項４に記載のコンピュータにより実施される方法。
6. 前記格納されたデータの前記解析は、前記プロセスフローの使用頻度を決定することを含む、請求項１に記載のコンピュータにより実施される方法。
7. 前記格納されたデータの前記解析は、前記ユーザーがワークフローに適合していることを保証するための適合性チェックを実行することを含む、請求項１に記載のコンピュータにより実施される方法。
8. 前記データは、ロボットおよび／またはユーザー操作に関するデータを含むコンダクタアプリケーションに周期的に送信されるハートビートを介して前記リスナーから収集される、請求項１に記載のコンピュータにより実施される方法。
9. 前記生成されたワークフローを実施するＲＰＡロボットを生成するステップと、
   前記生成されたＲＰＡロボットを前記ユーザーコンピューティングシステムの少なくとも１つに展開するステップと、
   をさらに含む、請求項１に記載のコンピュータにより実施される方法。
10. 非一時的コンピュータ可読媒体上で具現化されたコンピュータプログラムであって、前記プログラムは、少なくとも１つのプロセッサに、
    それぞれのコンピューティングシステムとのユーザーインタラクション、前記ユーザーコンピューティングシステム上の展開されたロボティックプロセスオートメーション（ＲＰＡ）ロボットの性能、またはその両方に関するデータを複数のリスナーから収集させ、
    投資収益率（ＲＯＩ）を改善する、前記コンピューティングシステムとの前記ユーザーインタラクションにおけるプロセス、前記コンピューティングシステムとの前記ユーザーインタラクションにおけるプロセスフロー、既存のＲＰＡロボットのプロセス改善、またはこれらの任意の組み合わせを発見するために、人工知能（ＡＩ）を使用して前記収集されたデータを解析させ、
    ＲＯＩ改善のための識別されたプロセスまたはプロセスフローを実施するワークフローを生成させるように構成される、コンピュータプログラム。
11. 前記プログラムは、前記少なくとも１つのプロセッサに、ＲＯＩに対する推定利益に基づいて、前記収集されたデータの前記解析の結果をランク付けさせるようにさらに構成される、請求項１０に記載のコンピュータプログラム。
12. 前記プログラムは、前記少なくとも１つのプロセッサに、
    前記ランク付けに基づいて、プロセス、プロセスフロー、またはその両方に優先順位付けするようにさらに構成される、請求項１１に記載のコンピュータプログラム。
13. ＲＯＩ改善を決定および優先順位付けするために使用されるメトリックは、平均プロセス完了時間、処理からＲＯＩを示すために請求書から生成された総収益、従業員の作業負荷が所定のしきい値を超えるかどうか、従業員が少なくとも最小しきい値時間にわたってビジネスタスクに取り組んでいるかどうか、ビジネス固有の重要業績評価指標（ＫＰＩ）、またはこれらの任意の組み合わせを含む、請求項１２に記載のコンピュータプログラム。
14. 前記収集されたデータの前記解析は、前記プロセスフローの使用頻度を決定することを含む、請求項１０に記載のコンピュータプログラム。
15. 前記格納されたデータの前記解析は、前記ユーザーがワークフローに適合していることを保証するための適合性チェックを実行することを含む、請求項１０に記載のコンピュータプログラム。
16. 前記データは、ロボットおよび／またはユーザー操作に関するデータを含むコンダクタアプリケーションに周期的に送信されるハートビートを介して前記リスナーから収集される、請求項１０に記載のコンピュータプログラム。
17. 前記プログラムは、少なくとも１つのプロセッサに、
    前記生成されたワークフローを実施するＲＰＡロボットを生成させ、
    前記生成されたＲＰＡロボットを前記ユーザーコンピューティングシステムの少なくとも１つに展開させるようにさらに構成される、請求項１０に記載のコンピュータプログラム。
18. 装置であって、
    ロボティックプロセスオートメーション（ＲＰＡ）のためのプロセス、プロセスフロー、またはその両方を実施するロボットを解析、優先順位付け、および自動生成するためのコンピュータプログラム命令を格納するメモリと、
    前記メモリに通信可能に結合され、前記コンピュータプログラム命令を実行するように構成された少なくとも１つのプロセッサと、を含み、前記命令は、前記少なくとも１つのプロセッサに、
    それぞれのコンピューティングシステムとのユーザーインタラクション、前記ユーザーコンピューティングシステム上の展開されたロボティックプロセスオートメーション（ＲＰＡ）ロボットの性能、またはその両方に関するデータを複数のリスナーから収集させ、
    投資収益率（ＲＯＩ）を改善する、前記コンピューティングシステムとの前記ユーザーインタラクションにおけるプロセス、前記コンピューティングシステムとの前記ユーザーインタラクションにおけるプロセスフロー、既存のＲＰＡロボットのプロセス改善、またはこれらの任意の組み合わせを発見するために、人工知能（ＡＩ）を使用して前記収集されたデータを解析させ、
    ＲＯＩ改善のための識別されたプロセスまたはプロセスフローを実施するワークフローを生成させ、
    前記生成されたワークフローを実施するＲＰＡロボットを生成させ、
    前記生成されたＲＰＡロボットを前記ユーザーコンピューティングシステムの少なくとも１つに展開させるようにさらに構成される、装置。
19. 前記命令は、前記少なくとも１つのプロセッサに、
    ＲＯＩに対する推定利益に基づいて、前記収集されたデータの前記解析の結果をランク付けさせ、
    前記ランク付けに基づいて、前記プロセス、プロセスフロー、またはその両方に優先順位付けさせるようにさらに構成され、
    ＲＯＩ改善を決定および優先順位付けするために使用されるメトリックは、平均プロセス完了時間、処理からＲＯＩを示すために請求書から生成された総収益、従業員の作業負荷が所定のしきい値を超えるかどうか、従業員が少なくとも最小しきい値時間にわたってビジネスタスクに取り組んでいるかどうか、ビジネス固有の重要業績評価指標（ＫＰＩ）、またはこれらの任意の組み合わせを含む、請求項１８に記載の装置。
20. 前記収集されたデータの前記解析は、前記プロセスフローの使用頻度を決定することを含む、請求項１８に記載の装置。
    

Images