مدل های زبانی بزرگ کمک می کنند تا علاوه بر نگاره های رویداد فرایند، دانش متخصصان و مستندات سازمانی نیز به طور موثر در مدل های فرایندی گنجانده شود. با ادغام دانش فرایندی با فرایندکاوی، سازمان ها قادر خواهند بود مدل های فرایندی دقیق تر و کاربردی تری ایجاد کنند که به بهبود عملکرد کلی فرایندها منجر خواهد شد.
روز چهارشنبه ساعت 18، روش های استفاده از LLMs در تحلیل و بهبود فرلیندها معرفی می شود.
اعلام حضور از طریق نشانی evnd.co/sif7r امکان پذیر است.
evnd.co/sif7r
تاکنون الگوریتم های متعددی برای استخراج مدل از لاگ رویدادهای فرایند ارائه شده است، اما این مساله همچنان یکی از چالش برانگیزترین موضوعات در حوزه فرایندکاوی است. مدل فرایند باید به اندازه کافی ساده باشد تا کاربر بتواند آن را به راحتی درک کند و هم زمان قادر به نمایش رفتارهای پیچیده فرایند باشد.
در این وبینار ابتدا به بررسی چالش های مرتبط با پیچیدگی استخراج مدل و راه‌حل های مختلف مدل سازی فرایند می پردازیم. روش های سنتی استخراج خودکار مدل فرایند، اغلب تنها به لاگ رویداد متکی هستند و دانش ارزشمندی که از متخصصان و مستندات به دست می آید را نادیده می گیرند.
در این وبینار، رویکرد نوینی با استفاده از مدل های زبانی بزرگ (LLMs) معرفی می شود که این دانش استفاده نشده را در فرایند استخراج ادغام می کند. این ادغام، شکاف بین دانش موجود در سازمان ها و مدل سازی را پر کرده و امکان استخراج مدل هایی دقیق تر و هماهنگ با دانش فرایندی را فراهم می سازد. همچنین، با بکارگیری LLMs امکان دریافت بازخورد از متخصصان و بهبود مستمر مدل فراهم می شود.
