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
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 Download PDFInfo
- Publication number
- JP2022552128A JP2022552128A JP2022520178A JP2022520178A JP2022552128A JP 2022552128 A JP2022552128 A JP 2022552128A JP 2022520178 A JP2022520178 A JP 2022520178A JP 2022520178 A JP2022520178 A JP 2022520178A JP 2022552128 A JP2022552128 A JP 2022552128A
- Authority
- JP
- Japan
- Prior art keywords
- roi
- user
- robot
- rpa
- robots
- 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.)
- Pending
Links
- 238000004801 process automation Methods 0.000 title claims abstract description 8
- 238000004458 analytical method Methods 0.000 title claims description 14
- 238000012913 prioritisation Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 166
- 230000008569 process Effects 0.000 claims abstract description 147
- 230000006872 improvement Effects 0.000 claims abstract description 26
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 19
- 239000004020 conductor Substances 0.000 claims description 30
- 230000003993 interaction Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 20
- 230000008901 benefit Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 19
- 239000003795 chemical substances by application Substances 0.000 description 17
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000011161 development Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 238000010897 surface acoustic wave method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241000287219 Serinus canaria Species 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Mechanical Engineering (AREA)
- Evolutionary Computation (AREA)
- Robotics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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。
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)
- 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。 - 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。
- 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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。 - 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。 - 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。
- 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。 - 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。
- 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。
- 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。
- 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。
- 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。 - 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。 - 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。 - 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。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962915366P | 2019-10-15 | 2019-10-15 | |
US62/915,366 | 2019-10-15 | ||
US16/707,763 US20210110318A1 (en) | 2019-10-15 | 2019-12-09 | Automatic analysis, prioritization, and robot generation for robotic process automation |
US16/707,763 | 2019-12-09 | ||
PCT/US2020/046079 WO2021076208A1 (en) | 2019-10-15 | 2020-08-13 | Automatic analysis, prioritization, and robot generation for robotic process automation |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022552128A true JP2022552128A (ja) | 2022-12-15 |
Family
ID=75382996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022520178A Pending JP2022552128A (ja) | 2019-10-15 | 2020-08-13 | 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 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210110318A1 (ja) |
EP (1) | EP4046112A4 (ja) |
JP (1) | JP2022552128A (ja) |
KR (1) | KR20220079837A (ja) |
CN (1) | CN114585480A (ja) |
WO (1) | WO2021076208A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11488015B2 (en) | 2019-10-15 | 2022-11-01 | UiPath, Inc. | Artificial intelligence layer-based process extraction for robotic process automation |
US20210109503A1 (en) | 2019-10-15 | 2021-04-15 | UiPath, Inc. | Human-in-the-loop robot training for robotic process automation |
US11440201B2 (en) | 2019-10-15 | 2022-09-13 | UiPath, Inc. | Artificial intelligence-based process identification, extraction, and automation for robotic process automation |
US11110601B2 (en) * | 2019-11-20 | 2021-09-07 | UiPath, Inc. | Scheduling robots for robotic process automation |
CN113344355B (zh) * | 2021-05-28 | 2024-06-14 | 中国农业银行股份有限公司 | 业务的机器人流程自动化需求评估方法及相关装置 |
US20230102809A1 (en) * | 2021-09-28 | 2023-03-30 | UiPath, Inc. | Preconfigured robots for robotic process automation |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170060108A1 (en) * | 2010-05-26 | 2017-03-02 | Automation Anywhere, Inc. | Roi based automation recommendation and execution |
US20170206064A1 (en) * | 2013-03-15 | 2017-07-20 | JIBO, Inc. | Persistent companion device configuration and deployment platform |
WO2015132678A2 (en) * | 2014-01-27 | 2015-09-11 | Thomson Reuters Global Resources | System and methods for cleansing automated robotic traffic from sets of usage logs |
US10726038B2 (en) * | 2017-05-24 | 2020-07-28 | MphasiS Limited | System and method for optimizing aggregation and analysis of data across multiple data sources |
US11282035B2 (en) * | 2017-06-21 | 2022-03-22 | Accenture Global Solutions Limited | Process orchestration |
US20190155225A1 (en) * | 2017-11-21 | 2019-05-23 | Accenture Global Solutions Limited | Bot management framework for robotic process automation systems |
-
2019
- 2019-12-09 US US16/707,763 patent/US20210110318A1/en active Pending
-
2020
- 2020-08-13 CN CN202080072400.7A patent/CN114585480A/zh active Pending
- 2020-08-13 JP JP2022520178A patent/JP2022552128A/ja active Pending
- 2020-08-13 WO PCT/US2020/046079 patent/WO2021076208A1/en unknown
- 2020-08-13 KR KR1020227010845A patent/KR20220079837A/ko unknown
- 2020-08-13 EP EP20877734.2A patent/EP4046112A4/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4046112A4 (en) | 2023-09-27 |
EP4046112A1 (en) | 2022-08-24 |
CN114585480A (zh) | 2022-06-03 |
WO2021076208A1 (en) | 2021-04-22 |
US20210110318A1 (en) | 2021-04-15 |
KR20220079837A (ko) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11648686B2 (en) | Artificial intelligence-based process identification, extraction, and automation for robotic process automation | |
EP3839725A1 (en) | Dynamic artificial intelligence / machine learning model update, or retrain and update, in digital processes at runtime | |
US11919165B2 (en) | Process evolution for robotic process automation and workflow micro-optimization | |
JP2022552465A (ja) | ロボティック・プロセス・オートメーションのためのヒューマンインザループ・ロボット・トレーニング | |
JP2022552128A (ja) | 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 | |
JP2022552131A (ja) | 人工知能の使用によるロボティックプロセスオートメーションのためのモデルの選択および連鎖化 | |
KR102412237B1 (ko) | 로봇 프로세스 자동화를 위한 테스트 자동화 | |
US11836626B2 (en) | Artificial intelligence layer-based process extraction for robotic process automation | |
JP2022552130A (ja) | ロボティックプロセスオートメーションにおける強化学習 | |
JP2023552666A (ja) | アクションセンターを介した人工知能(ai)/機械学習(ml)モデルの補足、ai/mlモデル再訓練ハードウェア制御、およびai/mlモデル設定管理 | |
JP2022552466A (ja) | ロボティック・プロセス・オートメーション・ワークフローのための再構成可能なワークベンチパイプライン | |
EP3901864A1 (en) | Test automation for robotic process automation | |
EP3901865A1 (en) | Test automation for robotic process automation | |
JP2023523374A (ja) | ロボティックプロセスオートメーションのための機械学習モデル再訓練パイプライン |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230808 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240529 |