Способ и устройство для обработки и анализа больших данных, характеризующих различные процессы

Изобретение относится к способу и устройству анализа и обработки больших данных. Технический результат заключается в повышении точности анализа функциональных процессов. В способе получают фазы процесса и пороговые значения значимых характеристик функционального процесса, для каждой фазы устанавливают характеристики, определяют размер и визуальное представление, формируют отображение фаз в виртуальной области, получают данные об исполнении каждого экземпляра процесса, включающие время исполнения каждой фазы, значимые характеристики каждой фазы, производят анализ каждого экземпляра процесса и фаз каждого экземпляра процесса на основании полученных данных с учетом отслеживаемых значимых характеристик и пороговых значений значимых характеристик, причем при анализе проверяется каждый экземпляр процесса на превышение значимых характеристик и в рамках каждого процесса проверяется каждый экземпляр фазы на превышение порогового значения значимых характеристик, формируют интеллектуальные подсказки по оптимизации процесса или отдельных фаз на основании проведенного анализа, отображают результаты исполнения экземпляров процесса в виртуальной области и интеллектуальные подсказки по оптимизации процесса или отдельных фаз на основании проведенного анализа. 2 н. и 4 з.п. ф-лы, 4 ил.

 

ОБЛАСТЬ ТЕХНИКИ

Данное техническое решение относится к компьютерной обработке больших данных.

УРОВЕНЬ ТЕХНИКИ

В настоящее время существует потребность в оптимизации процессов, реализуемых в компаниях, заводах, предприятиях. В уровне техники отсутствуют решения, позволяющие автоматизировать процесс выявления узких мест в текущих процессах и их оптимизации.

СУЩНОСТЬ

Данное техническое решение направлено на повышение эффективности обнаружения проблем и узких мест в различных процессах. Дополнительно техническое решение позволяет осуществлять интеллектуальные подсказки по предотвращению узких мест.

Способ анализа и обработки больших данных, характеризующих различные процессы, выполняемый на компьютерной системе, включает следующие шаги (фиг.1).

Получают, по крайней мере, две фазы процесса, характеризующих функциональный процесс и пороговые значение значимых характеристик функционального процесса;

Для каждой фазы устанавливают характеристики, включающие, по крайней мере, название, пороговое время исполнения фазы, функциональные зависимости от других фаз, группу, отслеживаемые значимые характеристики фазы, пороговые значения значимых характеристик фаз;

Определяют для каждой фазы размер и визуальное представление с учетом характеристик и функциональных зависимостей;

Формируют отображение фаз в виртуальной области, причём фазы размещаются последовательно, в соответствии с функциональной зависимостью друг от друга, причем для каждой фазы и на связях между фазы отображают отслеживаемые значимые характеристики;

Получают данные об исполнении каждого экземпляра процесса, включающие, по крайней мере, время исполнения каждой фазы, значимые характеристики каждой фазы;

Производят анализ каждой экземпляра процесса и фаз каждого экземпляра процесса на основании полученных данных с учетом отслеживаемых значимых характеристик и пороговых значений значимых характеристик

Отображают результаты исполнения экземпляров процесса в виртуальной области, причем визуально выделяют фазы, в которых статистически большое количество превышений пороговых значение значимых характеристик и визуально выделяют отдельные процессы, значимые характеристики которых превышают пороговые значения;

Отображают интеллектуальные подсказки по оптимизации процесса и/или отдельных фаз на основании проведенного анализа.

В некоторых вариантах реализации при анализе проверяется каждый экземпляр процесса на превышение значимых характеристик и в рамках каждого процесса проверяется каждый экземпляр фазы на превышение порогового значения значимых характеристик.

В некоторых вариантах реализации при анализе используются алгоритмы машинного обучения.

В некоторых вариантах реализации размеры фаз зависят от размера виртуальной области, доступной для отображения.

В некоторых вариантах реализации данные об исполнении каждого экземпляра процесса получают в режиме реального времени.

В некоторых вариантах реализации описываемое техническое решение дополнительно содержит предварительный этап, на котором выбирают из базы готовых шаблонов процесс, наиболее близкий к тому, для которого необходимо осуществить обработку и анализ данных.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

На фиг.1 изображена блок-схема способа согласно одному из вариантов технического решения.

На фиг. 2 изображен схема модулей устройства обработки и анализа больших данных.

На фиг. 3 изображена схема системы, на которой может реализовываться (выполняться) описываемый способ.

На фиг. 4 изображен один из вариантов отображения процесса, значимых характеристик и его фаз.

ПОДРОБНОЕ ОПИСАНИЕ

Каждый процесс (например, производственный процесс) представляет собой последовательность операций, выполняемых каким-либо исполнителем. Обособленный набор операций, имеющий начало и конец называется фазой процесса.

Так, например, процесс установления лимита по кредиту при получении кредита в банке может быть разбит на следующие фазы: регистрация обращения, сбор документов, кредитный анализ, согласование/доработка решения, принятие решения. Или, например, процесс получения скорой медицинской помощи может быть разбит на следующие фазы: вызов, назначение бригады, просмотр электронной медицинской карты, путь, осмотр, госпитализация, актив, фиксация результата вызова. Каждая фаза в данном примере имеет начало и конец, связанных с ней исполнителей, пороговое время выполнения.

Для анализа и обработки больших данных характеризующих процесс необходимо осуществить разбиение процесса на фазы.

В некоторых вариантах реализации технического решения пользователь вводит через интерфейс программного обеспечения фазы процесса.

В некоторых вариантах реализации технического решения пользователь выбирает из базы готовых шаблонов процесс, наиболее близкий к тому, для которого необходимо осуществить обработку и анализ данных.

В некоторых вариантах реализации шаблон процесса может включать название, пороговое время исполнения фазы, функциональные зависимости от других фаз, группу.

После того, как процесс разбит на фазы для него задаются (например, пользователем или автоматически программным обеспечением) значимые характеристики (например – время, себестоимость (деньги), наличие отклика или ответа от контрагентов) и их пороговые значения. В продолжении примера для процесса установления кредита значимой характеристикой может быть, например, время рассмотрения 1 заявки на установления лимита, а для процесса получения плановой стационарной медицинской помощи, одной из значимой характеристик является удельная (или средняя) стоимость лечения одного пациента.

Затем для каждой для каждой фазы процесса устанавливают характеристики, включающие, по крайней мере, название, пороговое время исполнения фазы, функциональные зависимости от других фаз, группу, отслеживаемые значимые характеристики фазы, пороговые значения значимых характеристик фаз.

Так для процесса установления лимита по кредиту каждой из фаз задают имя. Например, первая фаза может называться «регистрация обращения», «прием заявки» и т.д.

Функциональными зависимости фазы от других фаз могут быть, например, для процесса получения скорой медицинской помощи, для одной из фаз «Фиксация результата вызова» необходимо наличие отклика от стационарного медицинского учреждения (фаза «Госпитализация») или амбулаторного центра (фаза «Актив») с названием подтвержденного диагноза пациента, которому была оказана скорая медицинская помощь.

В некоторых вариантах реализации данные о процессе и его фазах со всеми характеристиками сохраняются в базе данных. В некоторых вариантах реализации используются реляционные или key-value хранилища.

Определяют для каждой фазы размер и визуальное представление с учетом характеристик и функциональных зависимостей.

В некоторых вариантах реализации размер фазы определяется автоматически, по формуле, как производная от базовой характеристики – порогового времени обработки, чем больше значение параметра времени, тем больше размер фазы. Для этого определяется минимальное и максимальное (по значению) пороговое время обработки среди всех блоков процесса. Фазе, имеющей самое минимальное значение, задается минимальный размер, а фазе, имеющей максимальное значение – максимальный размер, при этом, остальные фазы отображаются с пропорционально определяемыми размерами.

В некоторых вариантах реализации размеры фаз зависят от размера виртуальной области, доступной для отображения.

В некоторых вариантах реализации для каждой фазы автоматически задаются фигуры визуализации – трехмерные человечки/фигуры, изображающие тип и суть фазы, на основании смысловой сути контролируемых процессов. Фигуры визуализации помогают правильному восприятию пользователем смысла и сути каждой фазы (функционального процесса). Например, для банковской сферы, такими фигурами могут быть стилизованные трёхмерные изображения банковских работников, совершающие свои ежедневные операции – получение заявки на кредит, подготовка списка документов, рассмотрение заявки на кредитном комитете и т.п., а для процесса получения плановой стационарной медицинской помощи, такими фигурами могут быть стилизованные трёхмерные изображения врачей, совершающие свои ежедневные операции – первичный осмотр, госпитализация, установление предварительного диагноза, назначение инструментального диагностического обследования, и т.п.

Далее формируют отображение фаз в виртуальной области, причём фазы размещаются последовательно, в соответствии с функциональной зависимостью друг от друга, причем для каждой фазы и на связях между фаз отображают отслеживаемые значимые характеристики.

В некоторых вариантах реализации размер виртуальной области зависит от характеристик отображающего устройства, например, размера экрана (диагонали экрана), плотности точек на дюйм, разрешения экрана.

В некоторых вариантах реализации размер виртуальной области зависит от типа отображающего устройства (мобильное, стационарное).

В некоторых вариантах реализации каждой фазе задается цвет, отображается название и пороговое время. На блоке изображены на отдельных плашках еще дополнительные значимые характеристики, характеризующие объём обрабатываемых функциональным блоком сущностей, например, для банковской сферы – объем денег в кредитных заявках (в рублях и в долларах или других валютах), для медицинской сферы – количество проведших через фазу пациентов.

Затем получают данные об исполнении каждого экземпляра процесса, включающие, по крайней мере, время исполнения каждой фазы, значимые характеристики каждой фазы.

В некоторых вариантах реализации данные об исполнении получают в режиме реального времени.

В некоторых вариантах реализации исполнители, связанные с фазой исполнители осуществляют инициацию начала и конца выполнения фазы, а также производят ввод значимых характеристик при помощи компьютерных устройств. Например, менеджер, работающий на фазе регистрации заявок, может вводить информацию (нажимает на кнопку в интерфейсе, нажимает на устройство-кнопку, установленную на рабочем месте и т.д.) о начале и конце фазе или, например, такая информация может собираться автоматически с внешних устройств (камер наблюдения, считывателей карт, фотоэлементов, датчиков) или получаться от программных средств, с которыми работает исполнитель. В некоторых вариантах реализации в фазах, где отсутствует исполнитель данные об исполнении могут получаться от технических средств (устройств), например, станков, оборудования, отдельных агрегатов/элементов технических средств.

В некоторых вариантах реализации данные об исполнении и значимые характеристики могут получаться из набора данных, накопленного за некоторый период. Так, например, при помощи компьютерных средств могут быть собраны данные о процессе и фазах за некоторый период (день, неделя, месяц и т.д.) и сохраняться в базе данных. Потом, по мере необходимости данные могут быть извлечены для анализа.

Производят анализ каждого экземпляра процесса и фаз каждого экземпляра процесса на основании полученных данных с учетом отслеживаемых значимых характеристик и пороговых значений значимых характеристик. Под анализом подразумевается контроль соотношения текущих значений значимых характеристик (времени, стоимости, наличие отклика и т.п.) по отношению к заданным, сравнение изменения во времени соотношения текущих значений значимых характеристик (времени, стоимости, наличие отклика и т.п.) по отношению к заданным во времени, просмотр трудовой загруженности или других значимых характеристик (например, себестоимости, активности, и т.п.) ответственного (или группы ответственных) за каждую фазу процесса, количество завершившихся процессов на каждой из его фаз, с учетом изменения этого параметра во времени и т.п.

В некоторых вариантах реализации анализируется каждый экземпляр процесса на превышение значимых характеристик и в рамках каждого процесса анализируются каждый экземпляр фазы на превышение порогового значения значимых характеристик.

Например, для анализа процесса получения плановой стационарной медицинской помощи, используется логическая схема работы широкопрофильного стационара с отмеченными численными, рейтинговыми и ретроспективными значениями по показателю удельной (или средней) стоимости лечения одного пациента, на каждой фазе процесса, и путь, между фазами (отделениями), по которым может перемещаться пациент стационара.

Каждый фаза (отделение стационара) имеет раскраску, в соответствии с рейтингом этого отделения по сравнению со всеми аналогичными отделениями во всех широкопрофильных стационарах города Москвы.

На каждой фазе (отделение стационара), на плашке, указана удельная (или средняя) стоимость лечения одного пациента и при увеличении пользователем масштаба отображаемой модели логической структуры (схемы), плашка раскрывается и показывается в виде графика ретроспективное значение этого показателя и цветом выделяется тренд. Например, красный – удельная (или средняя) стоимость лечения одного пациента растёт, а, например, зелёный цвет – падает.

Для фазы «Диагностическое отделение» или «Лаборатория стационара» дополнительно указываются распределение внешних и внутренних клиентов и заказов.

Для фазы «Приёмное отделение стационара» указываются процентное и количественное соотношение госпитализированных пациентов по различным каналам госпитализации (план, «03», самотёк, прочие) по всему стационару и среднее время, проведённое пациентом в приёмном отделении до его госпитализации в профильное отделение.

Значительное превышение значений значимого показателя «Среднее время, проведённое пациентом в фазе «Приёмное отделение» до его госпитализации (перевода в фазу) в «Профильное отделение», по отношению к другим приёмным отделениям широкопрофильного стационара, может говорить о недостаточном уровне управления потоками поступающих пациентов в приёмном отделении, нехватке сотрудников в приёмном отделении, а также о недостаточно чётко организованном взаимодействии между амбулаторно-поликлинической фазой и стационаром по вопросам плановой госпитализации пациентов.

Высокие значения планово-госпитализированных пациентов указывают на эффективную работу Амбулаторного звена по предупреждению у прикреплённого населения состояний, требующих экстренной госпитализации. Высокий процент пациентов, экстренно госпитализированных службой скорой медицинской помощи, или самотёком, может сигнализировать об имеющихся проблемах в организации деятельности на фазе «Амбулаторное звено» по профилактической работе с прикреплённым населением.

Высокие значения показателя количества экстренно госпитализированных больных, ранее наблюдавшихся в Амбулаторных центрах, может свидетельствовать об имеющихся в фазе «Амбулаторное звено» проблемах в вопросах оказания профилактической помощи прикреплённому населению и предотвращению осложнений у хронических больных, приводящих к необходимости экстренной госпитализации, может свидетельствовать о несоблюдении отдельными врачами на фазе «Амбулаторное звено» методик оказания профилактической помощи прикреплённому населению и предотвращению осложнений у хронических больных, приводящих к необходимости экстренной госпитализации.

Если присутствует превышение порогового значения значимых характеристик, то производится оценка системности данного превышения (как часто оно возникает, выявляются закономерности).

В некоторых вариантах реализации в случае обнаружения системности превышения значимых характеристик производится анализ с использованием базы шаблонов, содержащих типовые варианты проблем для данного типа процессов.

В некоторых вариантах реализации в случае обнаружения системности превышения значимых характеристик производится анализ с использованием базы шаблонов, содержащих типовые варианты проблем.

В некоторых вариантах реализации в случае обнаружения системности превышения значимых характеристик производится анализ с использованием базы шаблонов, содержащих типовые варианты проблем с использованием алгоритмов нечеткой логики.

В некоторых вариантах реализации при анализе используются алгоритмы машинного обучения (нейронные сети, деревья принятия решений, многослойные нейронные сети) обучающиеся на экземплярах процесса не имеющих превышений пороговых значений значимых характеристик и имеющих превышение пороговых значений для выявления признаков, приводящих к системным превышениям.

В некоторых вариантах реализации пользователь может произвести эмуляцию выполнения процесса с учетом корректировок показателей отдельных фаз для определения эффекта, возникающего при внесении изменений.

В некоторых вариантах реализации производят эмуляцию текущего процесса, с учетом выявленных проблемных фаз и осуществляют оптимизацию значимых характеристик фаз для устранения системных превышений пороговых значений.

В некоторых вариантах реализации под каждый тип процесса формируется несколько вариантов алгоритмов машинного обучения, каждый из них проходит обучение на данных, после чего происходит отбор наиболее эффективного.

Затем отображают результаты исполнения экземпляров процесса в виртуальной области, причем визуально выделяют фазы, в которых статистически большое количество превышений пороговых значение значимых характеристик и визуально выделяют отдельные процессы, значимые характеристики которых превышают пороговые значения.

В некоторых вариантах реализации фазы и/или экземпляры процессов, где выявлено наибольшее количество превышений, выделяют цветом или специальными графическими изображениями (знаками, символами, иконками).

Затем отображают интеллектуальные подсказки по оптимизации процесса и/или отдельных фаз на основании ранее произведенного анализа. Например, для процесса получения плановой стационарной медицинской помощи, рядом с каждой фазой отображается подсказка «Рейтинг отделений стационаров», показывающую актуальный рейтинг фазы (каждого отделения стационара) в разрезе всех отделений стационаров аналогичного профиля по всем стационарам города Москвы, по значимому параметру «удельная (или средняя) стоимость лечения одного пациента».

В некоторых вариантах реализации интеллектуальные подсказки могут описывать характеристики и фазы исследуемых функциональных процессов, описывать возможные методики улучшения характеристик функциональных процессов, используя базу накопленных пользовательских оптимизаций процессов.

В одном из вариантов реализации техническое решение может представлять собой устройство для обработки и анализа больших данных, включающего следующие модули (фиг.2):

• Модуль ввода и редактирования (201), выполненный с возможностью

- получения, по крайней мере, двух фазы процесса, характеризующих функциональный процесс и пороговые значение значимых характеристик функционального процесса;

- установления для каждой фазы процесса характеристик, включающих, по крайней мере, название, пороговое время исполнения фазы, функциональные зависимости от других фаз, группу, отслеживаемые значимые характеристики фазы, пороговые значения значимых характеристик фаз;

- получения данных об исполнении каждого экземпляра процесса, включающих, по крайней мере, время исполнения каждой фазы, значимые характеристики каждой фазы;

- передачи данных в блок (202) и блок (203);

• Модуль анализа и интеллектуальных подсказок (203), выполненный с возможностью

- получения данных от модуля (201);

- определения для каждой фазы размера и визуального представления с учетом характеристик и функциональных зависимостей;

- анализа каждого экземпляра процесса и фаз каждого экземпляра процесса на основании полученных данных с учетом отслеживаемых значимых характеристик и пороговых значений значимых характеристик;

- формирования интеллектуальных подсказок по оптимизации процесса и/или отдельных фаз на основании проведенного анализа

- передачи данных и результата анализа в блок (202);

• Модуль отображения (202), выполненный с возможностью

- получения данных от блока (201) и блока (203);

- формирования и отображения фаз в виртуальной области, причём фазы размещаются последовательно, в соответствии с функциональной зависимостью друг от друга, причем для каждой фазы и на связях между фазы отображают отслеживаемые значимые характеристики;

- отображения результатов исполнения экземпляров процесса в виртуальной области;

- визуального выделения фаз, в которых статистически большое количество превышений пороговых значение значимых характеристик;

- визуального выделения отдельных процессов, значимые характеристики которых превышают пороговые значения;

В некоторых вариантах реализации модули представляют собой отдельную микросхему, ПЛИС, микрокомпьютер (например, Orange PI R1), микроконтроллер (например, Arduino) которые соединены друг с другом при помощи средств проводной или беспроводной связи, а функционал устройства задается при помощи микропрошивки реализующей описанный в данном техническом решении функционал.

На фиг. 3 показан пример компьютерной системы общего назначения на которой может реализовываться описанное техническое решение, которая включает в себя многоцелевое вычислительное устройство в виде компьютера 20 или сервера, включающего в себя процессор 21, системную память 22 и системную шину 23, которая связывает различные системные компоненты, включая системную память с процессором 21.

Системная шина 23 может быть любого из различных типов структур шин, включающих шину памяти или контроллер памяти, периферийную шину и локальную шину, использующую любую из множества архитектур шин. Системная память включает постоянное запоминающее устройство (ПЗУ) 24 и оперативное запоминающее устройство (ОЗУ) 25. В ПЗУ 24 хранится базовая система ввода/вывода 26 (БИОС), состоящая из основных подпрограмм, которые помогают обмениваться информацией между элементами внутри компьютера 20, например, в момент запуска.

Компьютер 20 также может включать в себя накопитель 27 на жестком диске для чтения с и записи на жесткий диск, не показан, накопитель 28 на магнитных дисках для чтения с или записи на съёмный магнитный диск 29, и накопитель 30 на оптическом диске для чтения с или записи на съёмный оптический диск 31 такой, как компакт-диск, цифровой видео-диск и другие оптические средства. Накопитель 27 на жестком диске, накопитель 28 на магнитных дисках и накопитель 30 на оптических дисках соединены с системной шиной 23 посредством, соответственно, интерфейса 32 накопителя на жестком диске, интерфейса 33 накопителя на магнитных дисках и интерфейса 34 оптического накопителя. Накопители и их соответствующие читаемые компьютером средства обеспечивают энергонезависимое хранение читаемых компьютером инструкций, структур данных, программных модулей и других данных для компьютера 20.

Хотя описанная здесь типичная конфигурация использует жесткий диск, съёмный магнитный диск 29 и съёмный оптический диск 31, специалист примет во внимание, что в типичной операционной среде могут также быть использованы другие типы читаемых компьютером средств, которые могут хранить данные, которые доступны с помощью компьютера, такие как магнитные кассеты, карты флеш-памяти, цифровые видеодиски, картриджи Бернулли, оперативные запоминающие устройства (ОЗУ), постоянные запоминающие устройства (ПЗУ) и т.п.

Различные программные модули, включая операционную систему 35, могут быть сохранены на жёстком диске, магнитном диске 29, оптическом диске 31, ПЗУ 24 или ОЗУ 25. Компьютер 20 включает в себя файловую систему 36, связанную с операционной системой 35 или включенную в нее, одно или более программное приложение 37, другие программные модули 38 и программные данные 39. Пользователь может вводить команды и информацию в компьютер 20 при помощи устройств ввода, таких как клавиатура 40 и указательное устройство 42. Другие устройства ввода (не показаны) могут включать в себя микрофон, джойстик, геймпад, спутниковую антенну, сканер или любое другое.

Эти и другие устройства ввода соединены с процессором 21 часто посредством интерфейса 46 последовательного порта, который связан с системной шиной, но могут быть соединены посредством других интерфейсов, таких как параллельный порт, игровой порт или универсальная последовательная шина (УПШ). Монитор 47 или другой тип устройства визуального отображения также соединен с системной шиной 23 посредством интерфейса, например, видеоадаптера 48. В дополнение к монитору 47, персональные компьютеры обычно включают в себя другие периферийные устройства вывода (не показано), такие как динамики и принтеры.

Компьютер 20 может работать в сетевом окружении посредством логических соединений к одному или нескольким удаленным компьютерам 49. Удаленный компьютер (или компьютеры) 49 может представлять собой другой компьютер, сервер, роутер, сетевой ПК, пиринговое устройство или другой узел единой сети, а также обычно включает в себя большинство или все элементы, описанные выше, в отношении компьютера 20, хотя показано только устройство хранения информации 50. Логические соединения включают в себя локальную сеть (ЛВС) 51 и глобальную компьютерную сеть (ГКC) 52. Такие сетевые окружения обычно распространены в учреждениях, корпоративных компьютерных сетях, Интернете.

Компьютер 20, используемый в сетевом окружении ЛВС, соединяется с локальной сетью 51 посредством сетевого интерфейса или адаптера 53. Компьютер 20, используемый в сетевом окружении ГКС, обычно использует модем 54 или другие средства для установления связи с глобальной компьютерной сетью 52, такой как Интернет.

Модем 54, который может быть внутренним или внешним, соединен с системной шиной 23 посредством интерфейса 46 последовательного порта. В сетевом окружении программные модули или их части, описанные применительно к компьютеру 20, могут храниться на удаленном устройстве хранения информации. Надо принять во внимание, что показанные сетевые соединения являются типичными, и для установления коммуникационной связи между компьютерами могут быть использованы другие средства.

В заключение следует отметить, что приведенные в описании сведения являются примерами, которые не ограничивают объем настоящего изобретения, определенного формулой. Специалисту в данной области становится понятным, что могут существовать и другие варианты осуществления настоящего технического решения.

1. Способ анализа и обработки больших данных, характеризующих различные процессы, выполняемый на компьютерном устройстве, включает следующие шаги:

Получают по крайней мере две фазы процесса, характеризующие функциональный процесс и пороговые значения значимых характеристик функционального процесса;

Для каждой фазы устанавливают характеристики, включающие, по крайней мере, название, пороговое время исполнения фазы, функциональные зависимости от других фаз, группу, отслеживаемые значимые характеристики фазы, пороговые значения значимых характеристик фаз;

Определяют для каждой фазы размер и визуальное представление с учетом характеристик и функциональных зависимостей;

Формируют отображение фаз в виртуальной области, причем фазы размещаются последовательно, в соответствии с функциональной зависимостью друг от друга, причем для каждой фазы и на связях между фазы отображают отслеживаемые значимые характеристики;

Получают данные об исполнении каждого экземпляра процесса, включающие, по крайней мере, время исполнения каждой фазы, значимые характеристики каждой фазы;

Производят анализ каждого экземпляра процесса и фаз каждого экземпляра процесса на основании полученных данных с учетом отслеживаемых значимых характеристик и пороговых значений значимых характеристик, причем при анализе проверяется каждый экземпляр процесса на превышение значимых характеристик и в рамках каждого процесса проверяется каждый экземпляр фазы на превышение порогового значения значимых характеристик;

Формируют интеллектуальные подсказки по оптимизации процесса и/или отдельных фаз на основании проведенного анализа, при этом интеллектуальные подсказки описывают характеристики и фазы исследуемых функциональных процессов, возможные методики улучшения характеристик функциональных процессов, используя базу накопленных пользовательских оптимизаций процессов;

Отображают результаты исполнения экземпляров процесса в виртуальной области, причем визуально выделяют фазы, в которых статистически большое количество превышений пороговых значение значимых характеристик и визуально выделяют отдельные процессы, значимые характеристики которых превышают пороговые значения;

Отображают интеллектуальные подсказки по оптимизации процесса и/или отдельных фаз на основании проведенного анализа.

2. Способ по п. 1, в котором при анализе используются алгоритмы машинного обучения.

3. Способ по п. 1, в котором размеры фаз зависят от размера виртуальной области, доступной для отображения.

4. Способ по п. 1, в котором данные об исполнении каждого экземпляра процесса получают в режиме реального времени.

5. Способ по п. 1, который дополнительно содержит предварительный этап, на котором выбирают из базы готовых шаблонов процесс, наиболее близкий к тому, для которого необходимо осуществить обработку и анализ данных.

6. Устройство для обработки и анализа больших данных, включающее следующие модули:

Модуль ввода и редактирования (201), выполненный с возможностью

- получения по крайней мере двух фаз процесса, характеризующих функциональный процесс и пороговые значения значимых характеристик функционального процесса;

- установления для каждой фазы процесса характеристик, включающих, по крайней мере, название, пороговое время исполнения фазы, функциональные зависимости от других фаз, группу, отслеживаемые значимые характеристики фазы, пороговые значения значимых характеристик фаз;

- получения данных об исполнении каждого экземпляра процесса, включающих, по крайней мере, время исполнения каждой фазы, значимые характеристики каждой фазы;

- передачи данных в модуль отображения (202) и модуль анализа и интеллектуальных подсказок (203);

Модуль анализа и интеллектуальных подсказок (203), выполненный с возможностью

- получения данных от модуля ввода и редактирования (201);

- определения для каждой фазы размера и визуального представления с учетом характеристик и функциональных зависимостей;

- анализа каждого экземпляра процесса и фаз каждого экземпляра процесса на основании полученных данных с учетом отслеживаемых значимых характеристик и пороговых значений значимых характеристик, причем при анализе проверяется каждый экземпляр процесса на превышение значимых характеристик и в рамках каждого процесса проверяется каждый экземпляр фазы на превышение порогового значения значимых характеристик;

- формирования интеллектуальных подсказок по оптимизации процесса и/или отдельных фаз на основании проведенного анализа, при этом интеллектуальные подсказки описывают характеристики и фазы исследуемых функциональных процессов, возможные методики улучшения характеристик функциональных процессов, используя базу накопленных пользовательских оптимизаций процессов;

- передачи данных и результата анализа в модуль отображения (202);

Модуль отображения (202), выполненный с возможностью

- получения данных от модуля ввода и редактирования (201) и модуля анализа и интеллектуальных подсказок (203);

- формирования и отображения фаз в виртуальной области, причем фазы размещаются последовательно, в соответствии с функциональной зависимостью друг от друга, причем для каждой фазы и на связях между фазы отображают отслеживаемые значимые характеристики;

- отображения результатов исполнения экземпляров процесса в виртуальной области;

- визуального выделения фаз, в которых статистически большое количество превышений пороговых значение значимых характеристик;

- визуального выделения отдельных процессов, значимые характеристики которых превышают пороговые значения;

- отображения интеллектуальных подсказок по оптимизации процесса и/или отдельных фаз.



 

Похожие патенты:

Изобретение относится к системе торговли на транспортном средстве общественного пользования (ТСОП) с использованием инфраструктуры транспортных вокзалов, станций.

Изобретение относится к области вычислительной техники. Технический результат заключается в улучшении защиты устройства связи при проведении транзакции.

Изобретение относится к способу и системе информационного моделирования бизнес-процессов жизненного цикла производственного объекта. Технический результат заключается в автоматизации информационного моделирования.

Изобретение относится к области вычислительной техники, в частности к вычислительным устройствам с перестраиваемой архитектурой. Технический результат заключается в повышении производительности вычислительного модуля.

Изобретение относится к средствам для проведения онлайнового платежа с применением мобильного устройства покупателя и кассовой системы продавца. Техническим результатом является повышение безопасности проведения онлайн оплаты товаров и услуг.

Изобретение относится к способу формирования и отправки цифрового купона стороннему пользователю. Технический результат заключается в автоматизации формирования и отправки цифрового купона стороннему пользователю.

Изобретение относится к средствам контроля элементов оборудования с учетом перераспределения потоков людей. Технический результат заключается в расширении арсенала средств.

Изобретение относится к средствам мониторинга объектов. Технический результат заключается в расширении арсенала средств того же назначения.

Изобретение относится к средствам обеспечения безопасности информации. Технический результат заключается в повышении достоверности фиксируемых событий с использованием видеофайлов.

Изобретение относится к средствам для осуществления платежных операций, связанных с мобильным кошельком мобильного устройства. Техническим результатом является повышение конфиденциальности пользователя при проведении транзакций мобильных платежей, связанных с мобильным кошельком мобильного устройства.

Изобретение относится к области прогнозирования преступлений. Технический результат заключается в повышении точности прогноза.

Изобретение относится к насосным узлам. Технический результат – обеспечение насосного узла с дополнительно оптимизированной конструкцией, за счет уменьшения размера приводного мотора, которая является эффективной даже для работы не с полной, а с частичной нагрузкой.

Изобретение относится к области вычислительной техники для обработки массивов данных. Технический результат заключается в повышении точности поиска в структурированном массиве данных, содержащем, по меньшей мере, синтаксические единицы (СЕ) лингвистического предложения и их идентификационные данные.

Изобретение относится к области вычислительной техники для обработки массивов данных. Технический результат заключается в повышении точности предварительной обработки текста на естественном языке.

Изобретение относится к области вычислительной техники для обработки массивов данных. Технический результат заключается в повышении точности предварительной обработки текста на естественном языке для его последующей индексации и обработки.

Изобретение относится к средствам обработки информации за счет автоматизации формирования логических выводов при обработке массивов данных. Технический результат заключается в сокращении времени обработки и повышении достоверности логических выводов за счет постоянного контроля и подтверждения в процессе обработки данных.

Изобретение относится к области обработки структурированных массивов данных. Технический результат заключается в точности поиска в структурированном массиве данных.

Изобретение относится к области вычислительной техники для семантической обработки данных. Технический результат заключается в повышении точности обработки голосовых запросов.

Изобретение относится к железнодорожной автоматике для регулирования движения. Устройство содержит блоки: получения информации о текущем поездном положении, получения нормативного графика движения поездов, прокладки ниток пассажирских поездов и электропоездов, прокладки ниток грузовых поездов, моделирования тяговых режимов поезда, хранения информации по полигону, извлечения информации по полигону из блока хранения, развязки ниток поездов, получения данных об условиях пропуска поездов, получения данных о планируемых «окнах», формирования энергосберегающего графика движения поездов, ручного ввода данных, хранения прогнозного графика, передачи прогнозного графика в систему управления движением поездов, сопоставления эталонного, прогнозного и исполненного графиков, получения исполненного графика, отображения и регистрации информации, сервер предварительной обработки перегонной информации, нормативно справочной информации по участкам низкого уровня с учетом тяговых расчетов, имитационной модели участка в рельсовых цепях и продвижения поезда по высокоскоростной железнодорожной магистрали, эталонного графика пропуска поезда, нормативно справочной информации по раздельным пунктам, имитационной модели графика движения, эталонного графика прохождения раздельных пунктов магистрали, датчиков прохождения границ рельсовых цепей, датчиков прохождения границ раздельных пунктов, позиционирования поездов, интеллектуального моделирования и управляющих ресурсов, идентификатора фрагментов графика движения поездов, конструктора виртуальных раздельных пунктов, а также модули проверки реализации графика и нормативного графика, сервер предварительной обработки станционной информации.

Изобретение относится к вычислительной технике. Технический результат заключается в расширении класса решаемых задач, включая задачи, которые не обладают списочным гомоморфизмом.

Изобретение относится к области дистанционного измерения высоких температур газов, в частности к способам спектрометрического измерения температуры потока газов и обработки спектральных данных оптических датчиков определения температуры потоков газов и может быть использовано для экспериментальных исследований рабочего процесса силовых установок и для повышения надежности при эксплуатации газовых турбин и газотурбинных двигателей. Предложен способ спектрометрического определения температуры потока газов, включающий измерение интенсивностей излучения потока газов, по которым судят о текущей температуре потока газов. Предварительно, используя опорную термопару, измеряют текущие значения температуры потока газов и интенсивности его излучения не менее чем в двух областях спектра в видимом диапазоне и не менее чем в двух областях спектра в инфракрасном диапазоне. По полученным данным вычисляют отношения интенсивностей, полученные данные используют для формирования обучающей выборки для обучения искусственной нейронной сети, с помощью которой рассчитывают значение текущей температуры потока газов. Обучают нейронную сеть методом обратного распространения ошибки. В процессе обучения корректируют весовые коэффициенты нейронной сети для достижения заданной точности и используют их для расчета искомой величины. Интенсивности излучения исследуемого потока газов измеряют не менее, чем в двух областях спектра в видимом диапазоне и не менее, чем в двух областях спектра в инфракрасном диапазоне, а искомую текущую температуру исследуемого потока газов рассчитывают по формуле где - значения отношений интенсивностей излучения потока газов в выбранных участках спектра, - весовые коэффициенты, а - смещения. Технический результат - повышение достоверности измерения температуры потока газов за счет учета насыщенности топливно-воздушной смеси и исключения влияния загрязненности оптического канала и влияния концентраций химических элементов в топливно-воздушной смеси. 6 ил.

Изобретение относится к способу и устройству анализа и обработки больших данных. Технический результат заключается в повышении точности анализа функциональных процессов. В способе получают фазы процесса и пороговые значения значимых характеристик функционального процесса, для каждой фазы устанавливают характеристики, определяют размер и визуальное представление, формируют отображение фаз в виртуальной области, получают данные об исполнении каждого экземпляра процесса, включающие время исполнения каждой фазы, значимые характеристики каждой фазы, производят анализ каждого экземпляра процесса и фаз каждого экземпляра процесса на основании полученных данных с учетом отслеживаемых значимых характеристик и пороговых значений значимых характеристик, причем при анализе проверяется каждый экземпляр процесса на превышение значимых характеристик и в рамках каждого процесса проверяется каждый экземпляр фазы на превышение порогового значения значимых характеристик, формируют интеллектуальные подсказки по оптимизации процесса или отдельных фаз на основании проведенного анализа, отображают результаты исполнения экземпляров процесса в виртуальной области и интеллектуальные подсказки по оптимизации процесса или отдельных фаз на основании проведенного анализа. 2 н. и 4 з.п. ф-лы, 4 ил.

Наверх