[论文解读] Automatic Resource Allocation in Business Processes: A Systematic Literature Survey
本篇系统性文献回顾综合了49项关于业务流程中自动资源分配的研究，按目标、数据使用、算法及成熟度对方法进行分类。研究发现基于规则的方法占主导地位，机器学习与启发式方法的应用正在增长，并指出了实现可用性与数据驱动决策方面的研究空白。
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.
研究动机与目标
- 为研究人员和从业者提供业务流程中自动资源分配方法的全面、结构化概述。
- 识别并分类现有方法的优化目标、数据源、算法技术及成熟度水平。
- 为研究人员提供开放挑战的指引，为从业者提供根据其使用场景选择合适分配技术的参考。
- 评估当前研究现状，包括流程模型、事件日志与机器学习的应用，并突出尚未充分探索的领域。
提出的方法
- 在IEEE Xplore、ACM Digital Library、Springer等多个学术数据库中，使用预定义的搜索标准开展系统性文献回顾（SLR）。
- 采用PRISMA指南筛选和过滤研究，确保可复现性并最小化选择偏差。
- 在应用纳入与排除标准后，筛选出49篇主要研究，聚焦于过去二十年内发表的同行评审期刊与会议论文。
- 从五个维度提取并编码数据：资源分配目标、流程模型与数据的使用、输入数据类型、算法解决方案及成熟度水平。
- 采用标准化编码框架并进行评分者间一致性验证，以减少数据解释中的主观性。
- 构建了用于分配决策的资源与任务属性分类体系，以支持未来研究与比较。
实验结果
研究问题
- RQ1现有方法主要关注哪些资源分配目标与能力？
- RQ2流程模型与流程数据（如事件日志）在支持资源分配决策中发挥何种作用？
- RQ3不同方法使用哪些输入数据与属性来指导分配？
- RQ4采用了哪些算法策略（如规则、启发式方法、机器学习），它们是否支持局部或全局优化？
- RQ5在实现可用性与实证评估方面，所提出方法的成熟度如何？
主要发现
- 基于规则的方法是最占主导地位的方法，因其在实时业务流程执行中的速度与简洁性而受到青睐。
- 启发式方法与线性规划被广泛使用，尤其在平衡工作负载、最小化周期时间或成本方面。
- 机器学习方法正日益被采纳，特别是在拥有高质量、代表性历史数据的情况下，可实现上下文敏感且自适应的分配。
- 仅有少数研究提供公开可用的原型，且大多数评估依赖于仿真而非实际部署。
- 许多方法聚焦于一对一的任务-资源分配，但越来越多的方法开始支持一对多、多对一，甚至多对多的分配。
- 尽管流程数据（如事件日志）的可用性日益提高，但在基于证据、数据驱动的分配决策方面仍存在显著的研究空白。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。