基于多层图卷积网络的生产业务流程超时异常预测方法技术

本发明专利技术公开了一种基于多层图卷积网络的生产业务流程超时异常预测方法；首先将生产业务流程的事件日志构造成多层异构图结构，然后构造同构图卷积层和异构图卷积层来学习活动节点的表示，在同构图卷积层中，通过邻接矩阵传递案例层和活动层的信息，而在异构图卷积层中，引入了注意力机制，通过注意力权重将案例节点、活动节点和属性节点的信息聚合；最后，使用回归模型来预测下一活动的执行时间；本发明专利技术充分利用了生产业务流程的多层特征，使用同构卷积层和异构卷积层的多层异构图卷积层，逐渐抽象和组合节点特征，提高模型对复杂特征的学习能力，由此能够高效、准确地预测生产业务流程中下一活动的执行时间。

【技术实现步骤摘要】

本专利技术涉及业务流程管理，具体涉及业务流程的节点预测方法。

技术介绍

1、在现代企业管理中，生产业务流程的高效运行至关重要。然而，在复杂的生产环境下，准确预测业务流程中的活动执行时间以及识别潜在的超时异常问题是一项具有挑战性的任务。

2、传统的时间预测方法通常基于固定规则或简单统计，无法应对业务流程中多层次、多关联特征的复杂性。

3、近年来，图神经网络(graphneural networks，gnns)的发展为处理复杂结构化数据提供了新的思路。而在生产业务流程中，执行日志记录了活动之间的先后关系，因此可被构建成图的形式。结合图卷积网络(graph convolutional networks，gcns)和多层异构图结构，能够更好地捕捉业务流程中的多层次特征。此外，引入注意力机制，使得模型能够自适应地关注不同节点的重要性，可以进一步提升预测的准确性。

4、对此，本专利技术提出基于多层图卷积网络的生产业务流程超时异常预测方法。该方法不仅考虑了生产业务流程转换后多层异构图的复杂结构，还融合了同构和异构图卷积网络以及注意力机本文档来自技高网...

【技术保护点】

1.基于多层图卷积网络的生产业务流程超时异常预测方法，包括如下步骤：

2.如权利要求1所述的基于多层图卷积网络的生产业务流程超时异常预测方法，其特征在于：所述步骤1)具体如下：

【技术特征摘要】

1.基于多层图卷积网络的生产业务流程超时异常预测方法，包括如下步骤：

2.如权利要...

【专利技术属性】
技术研发人员：王佳星，余益丰，卢成梁，曹斌，李甜甜，范菁，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：