리서치 연구
제어 흐름 불확실성 하의 비즈니스 프로세스 계획 및 일정 수립
Planning and Scheduling Business Processes under Control-Flow Uncertainty
arXiv비즈니스 프로세스는 실행 과정에서 발생하는 데이터 기반 의사결정으로 인해 활동 순서(제어 흐름)가 불확실하여 계획 수립이 어렵습니다.
세 줄 요약
- 연구진은 확률적 정보를 활용해 계획과 일정을 최적화하는 통합 접근법과 분리된 단계별 접근법을 제시했습니다.
- 통합 접근법이 높은 효율성을 보였으나 대규모 환경에서는 계산적으로 어려움이 있어, 실용적인 적용을 위해서는 분해형 방식이 유리합니다.
- 본 연구는 복잡하고 변화무쌍한 업무 흐름 속에서도 데이터 기반의 확률적 예측을 통해 안정적이고 효율적인 운영 계획 수립 방안을 제공합니다.
비즈니스 프로세스의 활동을 일정으로 수립하는 것은 효율성을 높일 수 있지만, 실행 과정에서 발생하는 데이터 기반 의사결정 때문에 필요한 활동 순서(제어 흐름)가 불확실하여 어려움이 있습니다. 하지만 역사적 실행 로그로부터 확률적 정보를 추정하거나 도출할 수 있으며, 이는 성공적인 완료로 이어질 가능성이 높은 실행 경로를 예측하는 데 도움을 줍니다.
연구진은 이 문제를 기회 제약 최적화 문제(chance-constrained optimization problem)로 정의하고 두 가지 접근법을 제시했습니다. 하나는 계획과 일정을 통합하여 단일 공식으로 결합한 통합형 방식이며, 다른 하나는 분해된 단계별 접근법입니다. 후자는 먼저 실현 가능성 제약을 만족시키면서 예상되는 불필요 활동 수를 최소화하는 계획 단계와, 계획된 활동에 대해 최소의 만료 시간(makespan)을 목표로 하는 일정 단계로 나뉩니다.
실제 데이터셋 두 개와 셋 하나를 대상으로 평가한 결과, 통합형 접근법이 더 우수한 만료 시간을 보였으나 대규모 환경에서는 계산적으로 처리하기 어렵다는 한계가 있었습니다. 반면, 분해된 접근법은 대규모 설정에서도 확장성이 입증되었습니다.
용어 풀이
- 합성 데이터
- 실제로 모은 것이 아니라 AI나 프로그램으로 만들어 낸 학습용 데이터.