[论文解读] Towards Intelligent Robotic Process Automation for BPMers

Simone Agostinelli, Andrea Marrella+1 more|arXiv (Cornell University)|Jan 3, 2020

Robotic Process Automation Applications参考文献 22被引用 27

一句话总结

本文提出了一套框架，通过识别四个关键研究挑战——提升日志质量、实现自动化流程发现、支持智能异常处理以及实现工作流的自动化组合——推动机器人流程自动化（RPA）向智能自动化演进。该框架结合流程挖掘与人工智能规划技术，将RPA从基于规则的手动配置模式转变为更具适应性、可扩展性与智能性的BPM解决方案。

ABSTRACT

Robotic Process Automation (RPA) is a fast-emerging automation technology that sits between the fields of Business Process Management (BPM) and Artificial Intelligence (AI), and allows organizations to automate high volume routines. RPA tools are able to capture the execution of such routines previously performed by a human users on the interface of a computer system, and then emulate their enactment in place of the user by means of a software robot. Nowadays, in the BPM domain, only simple, predictable business processes involving routine work can be automated by RPA tools in situations where there is no room for interpretation, while more sophisticated work is still left to human experts. In this paper, starting from an in-depth experimentation of the RPA tools available on the market, we provide a classification framework to categorize them on the basis of some key dimensions. Then, based on this analysis, we derive four research challenges and discuss prospective approaches necessary to inject intelligence into current RPA technology, in order to achieve more widespread adoption of RPA in the BPM domain.

研究动机与目标

• 解决当前RPA工具智能性与可扩展性有限的问题，这些工具依赖手动配置和预定义规则，而非基于人工智能的自适应机制。
• 克服低质量RPA日志带来的挑战，这些日志阻碍了自动化分析与流程发现。
• 利用流程挖掘技术，从用户交互日志中实现基于常规操作的流程的自动化发现与建模。
• 开发智能异常处理机制，使RPA系统能够在无需人工干预的情况下适应意外的系统行为变化。
• 利用人工智能规划技术，实现从原子RPA常规操作中自动组合复杂、相互关联的工作流。

提出的方法

• 基于日志质量、自动化范围和人工智能集成等关键维度，对十款商业可用的RPA工具进行深入分析与分类。
• 提出使用流程挖掘技术——特别是基于常规操作日志的流程图发现——来建模实际用户行为，并提取可执行的流程模型。
• 应用轨迹对齐技术，通过过滤原始日志中无关或错误的操作，清理所发现的流程图。
• 利用自动化规划系统，将RPA常规操作建模为具有前置条件和后置效果的黑箱动作，从而实现复杂、协调一致的工作流的合成。
• 设计一种操作日志记录器，以提升下游分析的日志质量，确保用于流程发现和异常处理的可靠数据输入。
• 集成基于人工智能的自适应机制，使RPA系统能够从异常情况下的手动干预中学习，并相应更新行为。

实验结果

研究问题

• RQ1 哪些关键维度能够区分现有RPA工具在BPM智能自动化中的适用性？
• RQ2 如何提升低质量RPA日志的质量，以支持可靠的流程挖掘与自动化工作流发现？
• RQ3 可采用哪些技术从用户交互日志中自动发现并建模基于常规操作的流程？
• RQ4 如何通过智能异常处理机制，使RPA系统能够抵御用户界面或系统行为的意外变化？
• RQ5 哪些基于人工智能的方法能够实现从原子RPA常规操作中自动组合复杂、相互依赖的工作流？

主要发现

• 当前一代RPA工具生成的日志质量较差，常常缺失或错误记录用户操作，严重阻碍了自动化流程分析。
• 流程挖掘技术（如流程图发现与轨迹对齐）能够有效从RPA日志中提取并清洗可执行模型，准确反映常规操作的行为特征。
• 人工智能规划技术可成功将RPA常规操作建模为具有前置条件与后置效果的动作，从而实现复杂、相互关联工作流的自动化编排。
• 基于人类问题解决模式的智能异常处理机制，可减少对人工监督的依赖，并提升RPA在动态环境中的鲁棒性。
• 开发高质量的操作日志记录器对于确保自动化发现与组合过程的可靠数据输入至关重要。
• 通过人工智能集成提升RPA系统的可审计性、可升级性与韧性，可显著增强其在企业BPM环境中的长期可持续性与可扩展性。