Mahmoud Shoush kaitseb doktoritööd „Prescriptive Process Monitoring Under Uncertainty and Resource Constraints“

29. mail 2025 kell 14.15 kaitseb Mahmoud Kamel Akila Soliman Shoush doktoritööd „Prescriptive Process Monitoring Under Uncertainty and Resource Constraints“ („Ettekirjutav protsessijälgimine määramatuse ja ressursipiirangute korral").

Juhendaja
prof Marlon Dumas, Tartu Ülikool

Oponendid
prof Annalisa Appice, University of Bari Aldo Moro (Itaalia)
kaasprof Sylvio Barbon Junior, University of Trieste (Itaalia)

Kokkuvõte
Ülikooli vastuvõtuosakond vaatab läbi taotlejate dokumendid, teeb vastuvõtuotsused koos komisjonidega ja edastab tulemused taotlejatele – sammud tudengite vastuvõtmise äriprotsessis. Kuigi paljud taotlused edenevad tõrgeteta, tekib osadega viivitusi vigade või puuduvate dokumentide tõttu. Sarnased probleemid esinevad ka teistes protsessides, nagu näiteks pangalaenu kinnitamine või veebis toodete tagastamine.

Masinõpe võimaldab probleemide, nagu puuduvad dokumendid või toote tagastamine, ennustamist enne nende tekkimist. Kuid need ennustused on kasulikud vaid siis, kui neile järgnevad tegevused, nimetusega „sekkumised“, soovimatute tulemuste vältimiseks. Näiteks, kui süsteem ennustab et laenutaotleja lükkab pakkumise tagasi, siis võiks süsteem lisaks soovitada sekkumist, näiteks isikupärastatud pakkumise tegemist, et tõsta pakkumise vastuvõtmise võimalikkust.

Antud juhul võib lihtne lähenemine käivitada sekkumise, kui tagasilükkamise tõenäosus ületab näiteks 80%, kuid sellega kaasneb kolm piirangut: (1) sekkumine võib olla ebatõhus kui taotleja keeldub pangast mitteolenevate tegurite tõttu; (2) kõrge määramatusega ennustusi võiks pigem eirata; (3) täiendavate pakkumiste saatmine nõuab aega ja ressursse, piirates pakkumiste koguarvu.

Selles doktoritöös väidame, et ennustustelt sekkumistele liikumisel peab arvestama järgmiste teguritega: Kas sekkumine on vajalik? Kas see on tõhus? Kas see on kiireloomuline või edasilükatav? Kas me suudame sekkuda? Ja kui kindlad me oleme selle vajaduses, tõhususes ja kiireloomulisuses?

Sekkumiste käivitamiseks pakume välja kolm masinõppele tuginevat meetodit: esimene käsitleb ennustuste määramatust, teine võimaldab kasutajatel arvestades kõigi teguritega vastavaid reegleid määrata, ja kolmas õpib automaatselt selgeks parima sekkumisstrateegia ilma eelnevalt määratletud reegliteta. Reaalseid andmeid kasutades näitame, et need meetodid võimaldavad tõhusamaid määramatuse- ja ressursiteadlikke sekkumisi, mis aitavad äriprotsesse optimeerida.

Kaitsmist saab jälgida ka Zoomis (kohtumise ID: 670 504 9543, pääsukood: ati).