Управління бізнес-процесами є критично важливим компонентом у сучасних організаціях для підтримки ефективності та досягнення операційних цілей. Оптимізація цих процесів з точки зору часу та витрат може призвести до значного покращення загальної ефективності бізнесу. Однак традиційні методи оптимізації часто стикаються з труднощами при вирішенні багатоцільової проблеми з відомим компромісом часу та вартості, що вимагає більш ефективних рішень. Використання моделі та нотації бізнес-процесів (BPMN) для стохастичного моделювання процесу забезпечує надійну основу для аналізу цих бізнес-процесів і відповідає найсучаснішому управлінню бізнес-процесами. У попередніх дослідженнях ми застосували кілька евристичних алгоритмів, включаючи еволюційний NSGA-II, щоб знайти оптимальний за Парето набір рішень. Визначено рішення як пару витрат і часу, пов'язаних із певним розподілом ресурсів. Для одного з вибраних процесів продуктивність NSGA-II була нижчою порівняно з іншими методами. Мета роботи - покращення продуктивності NSGA-II і, у свою чергу, підвищення ефективності багатоцільової оптимізації бізнес-процесів. Зокрема, ми прагнемо включити контрольні точки в NSGA-II. Наша мета полягає в тому, щоб визначити оптимізований набір рішень, що представляє компроміс між часом виконання процесу та пов'язаними витратами. Очікуємо, що цей набір матиме вищий розкид та інші показники якості порівняно з попередніми результатами. Щоб досягти нашої мети, ми застосували двоетапний підхід. По-перше, ми модифікували оригінальний генетичний алгоритм, вибравши та інтегрувавши опорні точки, які слугували для спрямування пошуку до оптимального за Парето фронту. Ця інтеграція була розроблена для покращення можливостей алгоритму для дослідження та використання. По-друге, ми застосували покращений алгоритм, а саме R-NSGA-II, для стохастичного моделювання бізнес-процесів. BPMN надав вхідні дані для цього моделювання, у якому ми змінили розподіл ресурсів, щоб спостерігати вплив на час і вартість процесу. Експериментальні результати продемонстрували, що R-NSGA-II значно перевершив вихідний алгоритм NSGA-II для даної моделі процесу, отриманої з журналу подій. Модифікований алгоритм зміг ідентифікувати ширшу і більш різноманітну оптимальну за критерієм Парето криву, таким чином забезпечивши більш повний набір оптимальних рішень щодо вартості та часу. Висновки: дослідження підтвердило та підкреслило потенціал інтеграції опорних точок у NSGA-II для оптимізації бізнес-процесів. Покращена продуктивність R-NSGA-II, очевидна з кращою Парето-оптимальної кривої, яку алгоритм ідентифікував, підкреслює його ефективність у задачах багатоцільової оптимізації, а також простоту еталонних підходів у сфері BPM. Дослідження визначає напрямок для подальшого вивчення евристик для покращення результатів методів оптимізації або продуктивності їх виконання.

  Повний текст PDF - 922.082 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"