Procesmodelvoorspelling: van specifieke kortetermijn- naar strategische langetermijninzichten

Dit project beoogt de transformatie van predictieve procesontginningstechnieken, die zich richten op het voorspellen van de uitstaande tijdsduur, het algemeen doel, of de volgende stap in een proces, door het introduceren van lange-termijn, procesmodelbrede voorspellingen. We bouwen verder op recent werk rond procesmodelvoorspelling gebaseerd op univariate statistische tijdsreeksanalyse en gebruiken dit om deep learning oplossingen te verkrijgen. In tweede instanatie zullen korte-termijns-gerichte predictieve monitoring en lange-termijn, modelbrede voorspellingen gecombineerd worden in een enkel deep learning model gebaseerd op recurrente en graaf neurale netwerken geoptimaliseerd met een proces specifieke verliesfunctie. Het project beoogt een significante verbetering van predictieve performantie, alsook het ontdekken van voorheen verborgen correlaties tussen korte- en lange-termijn, maar ook element-specifieke en model-brede predicties met een gebruiksvriendelijke softwaretool. Na een benchmark en een gebruikersstudie over de waargenomen nuttigheid en gebruiksvriendelijkheid, zal het model uitgebreid worden met richtlijnen in een Predictief Procesontginings Raamwerk hetwelk praktijkbeoefenaars ondersteunt. De resultaten zullen procesmodeleerders helpen om makkelijker om te kunnen met predictieve procesontginningsmethodes en kunnen berusten op een enkel, maar multidisciplinair model dat makkelijk te gebruiken is en doelgericht zonder de noodzaak aan technische details.