[논문 리뷰] Automatic Resource Allocation in Business Processes: A Systematic Literature Survey

Luise Pufahl, Sven Ihde외 3명|arXiv (Cornell University)|2021. 07. 15.

Business Process Modeling and Analysis참고 문헌 69인용 수 12

한 줄 요약

이 체계적 문헌 리뷰는 지난 20년간 기업 프로세스에서 자동 자원 할당에 관한 49개의 연구를 종합하여 목표, 데이터 사용, 알고리즘, 성숙도 수준에 따라 접근 방식을 분류한다. 규칙 기반 방법이 주로 사용되며, 기계 학습과 휠러스틱스의 사용이 증가하고 있으며, 실현 가능성과 데이터 기반 의사결정의 부족을 지적한다.

ABSTRACT

For delivering products or services to their clients, organizations execute manifold business processes. During such execution, upcoming process tasks need to be allocated to internal resources. Resource allocation is a complex decision-making problem with high impact on the effectiveness and efficiency of processes. A wide range of approaches was developed to support research allocation automatically. This systematic literature survey provides an overview of approaches and categorizes them regarding their resource allocation goals and capabilities, their use of models and data, their algorithmic solutions, and their maturity. Rule-based approaches were identified as dominant, but heuristics and learning approaches also play a relevant role.

연구 동기 및 목표

• 연구자와 실무자에게 기업 프로세스에서 자동 자원 할당 접근 방식에 대한 종합적이고 체계적인 개요를 제공하기 위해.
• 기존 접근 방식의 최적화 목표, 데이터 소스, 알고리즘 기법, 성숙도 수준을 식별하고 분류하기 위해.
• 연구자들이 열려 있는 과제를 식별하고, 실무자가 자신의 용도에 적합한 할당 기법을 선택할 수 있도록 안내하기 위해.
• 현재 연구의 상태를 평가하고, 프로세스 모델, 이벤트 로그, 기계 학습의 사용 여부를 분석하며, 미개척 영역을 부각하기 위해.

제안 방법

• IEEE Xplore, ACM 디지털 라이브러리, Springer 등을 포함한 다수의 학술 데이터베이스를 대상으로 사전 정의된 검색 기준을 사용해 체계적 문헌 리뷰(SLR)를 수행하였다.
• 재현 가능성과 선택 편향 최소화를 위해 PRISMA 지침을 적용하여 연구를 선별하고 걸러내었다.
• 포괄성과 배제 기준을 적용한 결과, 최근 20년간의 동료 심사된 저널 및 컆퍼런스 논문에 국한하여 49개의 주요 연구를 선정하였다.
• 자원 할당 목표, 프로세스 모델 및 데이터 사용, 입력 데이터 유형, 알고리즘 솔루션, 성숙도 수준의 다섯 가지 차원에서 데이터를 추출하고 코드화하였다.
• 주관성 감소를 위해 표준화된 코드 프레임워크와 다수 평가자 검증을 활용하였다.
• 향후 연구 및 비교를 지원하기 위해 할당 결론에 사용된 자원 및 작업 속성의 분류 체계를 수립하였다.

실험 결과

연구 질문

• RQ1 기존 접근 방식에서 주로 다루는 자원 할당 목표와 기능은 무엇인가?
• RQ2 프로세스 모델과 프로세스 데이터(예: 이벤트 로그)는 자원 할당 결정을 뒷받침하는 데 어떤 역할을 하는가?
• RQ3 다양한 접근 방식은 어떤 입력 데이터와 속성을 사용하여 할당을 이끌어내는가?
• RQ4 규칙, 휠러스틱스, 기계 학습 등의 알고리즘 전략이 사용되고 있으며, 국지적 최적화 또는 전역 최적화를 지원하는가?
• RQ5 제안된 접근 방식의 실현 가능성과 실증적 평가 측면에서 성숙도는 어느 정도인가?

주요 결과

• 규칙 기반 접근 방식이 가장 널리 사용되며, 실시간 기업 프로세스 실행에서 빠르고 단순한 특성 덕분이다.
• 휴리스틱스와 선형 프로그래밍이 널리 사용되며, 특히 워크로드 균형 조절과 사이클 타임 또는 비용 최소화에 유용하다.
• 기계 학습 접근 방식은 고도로 정제된 역사적 데이터가 확보될 경우 점점 더 널리 채택되고 있으며, 맥락 민감하고 적응형 할당이 가능하다.
• 다수의 연구에서 공개된 프로토타입을 제공하지 않으며, 대부분의 평가가 실제 구현이 아닌 시뮬레이션에 의존한다.
• 다수의 접근 방식은 1:1 작업-자원 할당에 집중하지만, 점점 더 많은 연구에서 1:다, 다:1, 심지어 다:다 할당도 지원하고 있다.
• 이벤트 로그와 같은 프로세스 데이터를 활용해 근거 기반, 데이터 기반의 할당 결정을 내리는 데는 상당한 연구 격차가 존재하며, 이는 데이터의 가용성이 증가하고 있음에도 불구하고 그렇다.