92、机器学习集成到业务流程的建模方法

机器学习集成到业务流程的建模方法

1. 相关工作概述

在业务流程中对机器学习（ML）集成进行明确和标准化建模的研究较少。Lukyanenko等人指出概念建模与ML之间的研究仍有限，但概念建模有助于增进对训练数据和建模过程变化的理解，并提出了在该情境下使用建模语言的建议，其中包括通过颜色编码来标记对ML模型输入相关的属性。

此外，Wolters等人建立了用于ML集成的流程模式，从高层次视角考虑了集成问题。还有其他相关方法，如谷歌提出使用持续交付和管道来提高ML模型开发的自动化程度，微软Azure ML可通过拖放图形化创建训练管道。不过，本文介绍的方法与这些产品的目标群体不同，主要面向决策者和项目协调者，旨在提供关于如何将ML和新信息集成到现有业务流程中的标准化建议，且更侧重于支持BPMN建模的概念。

2. 需求与目标

支持对包含明确ML表达的业务流程进行建模的工具，有以下特定需求：
- 图形可识别性 ：直观展示流程中哪些任务与ML相关，以及对哪些利益相关者有意义。
- 单独实例化 ：随时间分离不同的建模上下文，例如训练和预测过程。
- 不同抽象级别 ：根据利益相关者的特定角色，提供集成、实施和实现的详细信息，以及清晰的总体展示。
- 应用相关规范可能性 ：能够为多个应用领域对业务流程中的ML进行建模，并可指定与应用相关的流程，例如从给定任务集中选择特定所需任务。

目标是提出一个工具概念，将无ML的流程扩展为满足所有上述需求的含ML流程。为实现单独实例