استراتيجيات ذكية لتحسين أداء الأعمال: التعلم من سجلات الأحداث باستخدام التعلم المعزز

في عالم الأعمال المتطور، تُعتبر عملية رصد العمليات التوجيهية (Prescriptive Process Monitoring) موضوعاً حديثاً يعكس الجهود المتزايدة لتحسين الأداء. يركز هذا المجال على تقديم توصيات حول الإجراءات اللازمة لتحقيق أفضل نتائج ممكنة. بينما تعتمد معظم الدراسات السابقة على تدخلات محددة مسبقاً، فإن القليل منها فقط تمكن من تعلم وتقييم السياسات السلوكية المثلى.

في دراستنا الجديدة، نقدم نهجاً مبتكراً يعتمد على الذكاء الاصطناعي (AI) لتعلم السياسات السلوكية المثلى مباشرة من تنفيذات العمليات التاريخية باستخدام التعلم المعزز (Reinforcement Learning). نهدف إلى توصية الأعمال بأفضل الإجراءات لتحقيق مؤشرات الأداء الرئيسية (KPI) المرغوبة.

نستخدم في هذا البحث تقنيتين للتعلم المعزز. الأولى تتمثل في نهج قائم على النموذج التقليدي، الذي يُمثل العمليات باستخدام عملية اتخاذ القرار ماركوف (Markov Decision Process - MDP). أما الثانية، فهي تقنية خالية من النموذج تعتمد على التعلم العميق (Deep RL) من البيانات التاريخية. بخلاف الأساليب الحالية، نركز على تقليل استخدام المعرفة القاموسية والتعلم المباشر من بيانات الأحداث.

لقد استهدفنا أيضاً سيناريوهات معقدة تشمل فاعلين خارجيين، حيث يتحكم مالك العملية في جزء فقط من الأنشطة. كجزء من تقييم السياسات المتعلمة، استخدمنا بيئة محاكاة مدفوعة بالبيانات (Business Process Simulation - BPS).

أظهرت النتائج أن كلا الأسلوبين يحسن المؤشر المستهدف بفاعلية متشابهة، بينما يتفوق النهج القائم على النموذج في الكفاءة الحسابية. هذا التقدم قد يمهد الطريق لممارسات جديدة في كيفية إدارة الأعمال وتحقيق الأهداف الاستراتيجية.