तकनीकी सारांश: संसाधन-विशिष्ट हैंडओवर नीतियों का बहु-उद्देश्यीय अनुकूलन (Multi-Objective Optimization)

समस्या की परिभाषा

संसाधन आवंटन (Resource allocation) में कुशल आवंटन एक महत्वपूर्ण चुनौती है, जो सीधे लागत, थ्रूपुट समय और उपयोगिता को प्रभावित करती है। जबकि हालिया सुदृढीकरण शिक्षण (Reinforcement Learning - RL) दृष्टिकोणों ने अनुकूलन योग्य आवंटन नीतियों को प्राप्त करने में आशाजनक प्रदर्शन किया है, वे आमतौर पर केवल कार्य उपलब्धता और संसाधन क्षमता पर आधारित वैश्विक नीतियों पर निर्भर करते हैं। ये विधियाँ संसाधनों को असाइनमेंट के निष्क्रिय प्राप्तकर्ता के रूप में मानती हैं, जिससे संसाधनों (विशेष रूप से मनुष्यों) की सक्रिय निर्णय लेने की भूमिका और अंतर-संसाधन सहयोग पैटर्न (inter-resource collaboration patterns), जो वास्तविक दुनिया के कार्यों के हस्तांतरण (handover) को आकार देते हैं, की उपेक्षा होती है।

मौजूदा अनुकूलन दृष्टिकोण अक्सर संसाधनों को कार्यों को सौंपने या स्टाफिंग स्तर निर्धारित करने पर ध्यान केंद्रित करते हैं, लेकिन वे संसाधन-विशिष्ट हैंडओवर नीतियों को अनुकूलित करने में विफल रहते हैं। एक हैंडओवर नीति यह परिभाषित करती है कि एक विशिष्ट संसाधन द्वारा एक विशिष्ट गतिविधि को पूरा करने के बाद, किस संसाधन को अगली गतिविधि करनी चाहिए। लेखक तर्क देते हैं कि इन स्थानीय, संसाधन-विशिष्ट निर्भरताओं की अनदेखी करना प्रक्रिया सुधार के एक प्रमुख लाभ बिंदु (leverage point) को नजरअंदाज करना है। मुख्य समस्या इन हैंडओवर नीतियों के बहु-उद्देश्यीय अनुकूलन की है ताकि संघर्षरत उद्देश्यों (जैसे, लागत बनाम प्रतीक्षा समय) के बीच इष्टतम संतुलन (trade-offs) खोजा जा सके और प्रक्रिया की सहयोगात्मक संरचना को ध्यान में रखा जा सके।

कार्यप्रणाली (Methodology)

प्रस्तावित दृष्टिकोण एक मल्टी-एजेंट सिस्टम (MAS) आधारित प्रक्रिया सिम्युलेटर और एक बहु-उद्देश्यीय विकासवादी एल्गोरिदम (NSGA-II) को जोड़ता है ताकि पारेटो-इष्टतम (Pareto-optimal), संसाधन-विशिष्ट हैंडओवर नीतियों की खोज की जा सके।

1. सिमुलेशन मॉडल

इस दृष्टिकोण का आधार एक सिमुलेशन मॉडल $M = (A, S, \pi_0, \beta)$ है, जहाँ:

• $A$: एजेंटों का एक सेट जो संसाधनों का प्रतिनिधित्व करता है, जो उपलब्धता कैलेंडर और क्षमताओं (वे गतिविधियाँ जो वे कर सकते हैं और निष्पादन समय वितरण) द्वारा अभिलक्षित हैं।
• $S$: वैश्विक सिमुलेशन पैरामीटर (जैसे, केस इंटर-अराइवल वितरण)।
• $\pi_0$: "As-is" (जैसा है वैसा ही) हैंडओवर नीति।
• $\beta$: नियंत्रण-प्रवाह नीति (control-flow policy) जो अगली गतिविधि निर्धारित करती है।

इस मॉडल को मैन्युअल रूप से निर्दिष्ट किया जा सकता है या AgentSimulator जैसे उपकरणों का उपयोग करके इवेंट लॉग से स्वचालित रूप से खोजा जा सकता है।

2. अनुकूलन ढांचा (Optimization Framework)

सिस्टम एक जेनेटिक एल्गोरिदम का उपयोग करता है जो हैंडओवर नीतियों $\pi$ के एक सेट की खोज करता है जो एक लागत वेक्टर $c(L) = [f_1(L), \dots, f_k(L)]$ को कम करता है, जहाँ $L$ सिमुलेशन द्वारा उत्पन्न इवेंट लॉग है। पारेटो फ्रंट की पहचान करने के लिए उद्देश्यों को एक साथ न्यूनतम किया जाता है।

अनुकूलन वर्कफ़्लो तीन पुनरावृत्ति चरणों से मिलकर बना है:

1. प्रारंभिक जनसंख्या निर्माण: नीतियों की एक प्रारंभिक जनसंख्या "as-is" नीति $\pi_0$ के आधार पर बनाई जाती है। खोज स्थान (search space) को निर्णय बिंदुओं को फिक्स्ड (गैर-परक्राम्य व्यावसायिक नियम, अनुकूलन से बाहर) या वैरिएबल (लचीले भाग) के रूप में वर्गीकृत करके छांटा जाता है। जनसंख्या में अन्वेषण (exploration) के लिए यादृच्छिक (random) नीतियां, शोषण (exploitation) के लिए $\pi_0$ के उत्परिवर्तित (mutated) संस्करण और बेसलाइन के रूप में $\pi_0$ की एक प्रति शामिल है।
2. सिमुलेशन और फिटनेस मूल्यांकन: प्रत्येक उम्मीदवार नीति के लिए, सिमुलेटर कई बार ($T$ रन) चलता है ताकि इवेंट लॉग उत्पन्न किए जा सकें। स्टोकेस्टिक भिन्नता (stochastic variance) को कम करने के लिए औसत लागत वेक्टर के रूप में फिटनेस की गणना की जाती है।
3. जेनेटिक ऑपरेटर्स: NSGA-II एल्गोरिदम जनसंख्या को विकसित करने के लिए चयन (selection), क्रॉसओवर (crossover) और उत्परिवर्तन (mutation) लागू करता है।
   • चयन (Selection): विविधता बनाए रखने के लिए नॉन-डोमिनेटेड रैंकिंग और क्राउडिंग डिस्टेंस का उपयोग करता है।
   • क्रॉसओवर (Crossover): वैध संतान सुनिश्चित करने के लिए माता-पिता के बीच निर्णय बिंदुओं के संपूर्ण संभाव्यता वितरण (probability distributions) को बदल देता है।
   • उत्परिवर्तन (Mutation): चार अलग-अलग वेरिएंट के माध्यम से नवीनता पेश करता है:
     • रैंडम (Random): एक निर्णय बिंदु पर संभाव्यता वितरण को पुन: आरंभ करता है।
     • ग्रीडी (Greedy): एक स्थानीय ह्यूरिस्टिक के आधार पर सबसे खराब से सबसे अच्छे उत्तराधिकारी (successor) की ओर आक्रामक रूप से संभाव्यता द्रव्यमान (probability mass) को स्थानांतरित करता है।
     • गाइडेड (Guided): सूक्ष्म समायोजन के लिए सबसे खराब से सबसे अच्छे उत्तराधिकारी के लिए संभाव्यता द्रव्यमान का एक छोटा, यादृच्छिक अंश (10-50%) स्थानांतरित करता है।
     • हाइब्रिड (Hybrid): उपरोक्त रणनीतियों का एक भारित संयोजन (60% गाइडेड, 20% ग्रीडी, 20% रैंडम)।

3. आउटपुट

एल्गोरिदम नीतियों का एक पारेटो फ्रंट आउटपुट करता है, जो अभ्यासकर्ताओं को गैर-प्रभावी समाधानों का एक सेट प्रदान करता है जो विभिन्न ट्रेड-ऑफ का प्रतिनिधित्व करते हैं।

मुख्य योगदान

• प्रथम ग्राउंडेड दृष्टिकोण: यह कार्य व्यावसायिक प्रक्रियाओं में संसाधन-विशिष्ट हैंडओवर नीतियों के लिए प्रथम ग्राउंडेड बहु-उद्देश्यीय अनुकूलन दृष्टिकोण प्रस्तुत करता है।
• सहयोग-जागरूक अनुकूलन: पिछले कार्यों के विपरीत जो संसाधनों को निष्क्रिय मानते हैं, यह दृष्टिकोण संसाधनों को स्वायत्त निर्णय लेने वाले एजेंटों के रूप में मॉडल करता है जो अपने सहयोग भागीदारों को चुनने में सक्षम हैं, जिससे प्रक्रिया की सहयोगात्मक संरचना का अनुकूलन होता है।
• जेनेरिक फ्रेमवर्क: यह दृष्टिकोण उद्देश्यों के सेट के संबंध में जेनेरिक है, जो किसी भी प्रदर्शन मेट्रिक्स के संयोजन के लिए पारेटो फ्रंट की खोज की अनुमति देता है।
• डेटा-संचालित ग्राउंडिंग: सिमुलेशन मॉडल को सीधे इवेंट लॉग से खोजा जा सकता है, जिससे यह सुनिश्चित होता है कि अनुकूलन वास्तविक प्रक्रिया डेटा पर आधारित है।

प्रयोगात्मक परिणाम

इस दृष्टिकोण का मूल्यांकन सिंथेटिक और वास्तविक दुनिया के डेटासेट पर श्रम लागत (labor cost) और प्रतीक्षा समय (waiting time) को प्राथमिक उद्देश्यों के रूप में उपयोग करके किया गया।

आंतरिक वैधता (सिंथेटिक डेटा)

प्रयोग ऋण आवेदन (Loan Application) प्रक्रिया के पांच वेरिएंट्स पर किए गए जिनमें विभिन्न कॉन्फ़िगरेशन (जैसे, संसाधन प्रतिस्पर्धा, कौशल अंतर, आगमन दर) थे।

• प्रदर्शन: प्रस्तावित दृष्टिकोण ने "as-is" बेसलाइन और ह्यूरिस्टिक बेसलाइनों (Available, Random, Cheapest, Shortest Processing Time) को लगातार पीछे छोड़ दिया।
• मेट्रिक्स: सभी परिदृश्यों में, दृष्टिकोण ने "as-is" प्रक्रिया की तुलना में लागत में औसतन 37% और प्रतीक्षा समय में 58% की कमी की।
• व्यवहार संबंधी विश्लेषण: LoanJS परिदृश्य में, अनुकूलित नीति ने तेज़, महंगी संसाधनों के उपयोग और सस्ते, धीमे संसाधनों के बीच संतुलन बनाने के लिए सीखा। इसके विपरीत, "Cheapest" (LC) ह्यूरिस्टिक ने विशेष रूप से धीमे, सस्ते संसाधनों का उपयोग करके गंभीर कतार (queue) निर्माण की ओर ले गया, जबकि अनुकूलित नीति ने पूरक सहयोग पैटर्न के माध्यम से वैश्विक रूप से बेहतर परिणाम प्राप्त किया।

बाहरी वैधता (वास्तविक दुनिया के लॉग्स)

इस दृष्टिकोण का परीक्षण व्यावसायिक प्रक्रिया सिमुलेशन अनुसंधान (जैसे, P2P, ACR, BPI12W, BPI17W) से सात व्यापक रूप से उपयोग किए जाने वाले इवेंट लॉग्स पर किया गया।

• मजबूती (Robustness): दृष्टिकोण ने सातों डेटासेट्स में "as-is" बेसलाइन की तुलना में लागत और प्रतीक्षा समय दोनों में सुधार किया।
• ट्रेड-ऑफ: हालांकि यह दृष्टिकोण हमेशा सबसे कम लागत प्राप्त नहीं कर सका (चार डेटासेट्स में LC बेसलाइन से ऊपर रहा), इसने लगातार बेहतर प्रतीक्षा समय और विविध पारेटो-इष्टतम समाधान प्रदान किए।
• उत्परिवर्तन वेरिएंट: गाइडेड (Guided) उत्परिवर्तन वेरिएंट ने डेटासेट्स में सबसे अधिक औसत सुधार (36.88% लागत कमी, 57.71% प्रतीक्षा समय में कमी) प्राप्त किया।
• कंप्यूटेशनल लागत: अनुकूलन गहन है, जिसमें ह्यूरिस्टिक बेसलाइनों की तुलना में लगभग 35 गुना अधिक समय लगता है (औसत 103.85 मिनट बनाम 2.96 मिनट), हालांकि रनटाइम डेटासेट के आकार के साथ बेसलाइनों के समान ही स्केल होता है।

महत्व और दावे

पेपर यह दावा करता है कि वैश्विक कार्य असाइनमेंट से संसाधन-विशिष्ट हैंडओवर नीतियों पर अनुकूलन के फोकस को बदलकर, संगठन प्रक्रिया प्रदर्शन में सुधार के लिए सहयोग पैटर्न का लाभ उठा सकते हैं। लेखक इस बात पर जोर देते हैं कि उनका दृष्टिकोण:

1. अंतर-संसाधन निर्भरता को कैप्चर करता है: यह संसाधनों की निर्णय लेने की स्वायत्तता को स्पष्ट रूप से मॉडल करता है, जो एक ऐसा कारक है जिसे मानक RL या शेड्यूलिंग दृष्टिकोणों में अक्सर अनदेखा किया जाता है।
2. कार्य योग्य विकल्प प्रदान करता है: एक पारेटो फ्रंट उत्पन्न करके, यह निर्णय लेने वालों को एक एकल "इष्टतम" समाधान के बजाय पारदर्शी सेट प्रदान करता है, जिससे वे विशिष्ट परिचालन लक्ष्यों (जैसे, गति को लागत पर प्राथमिकता देना) के अनुरूप नीतियों का चयन कर सकते हैं।
3. महत्वपूर्ण लाभ प्रदर्शित करता है: प्रयोगात्मक परिणाम दिखाते हैं कि सहयोग-जागरूक अनुकूलन लागत और प्रतीक्षा समय दोनों में पर्याप्त कमी ला सकता है, जो एकल उद्देश्यों के लिए अनुकूलन करने वाले या दीर्घकालिक परिणामों की अनदेखी करने वाले स्थापित ह्यूरिस्टिक्स से बेहतर प्रदर्शन करता है।

लेखक सीमाओं को स्वीकार करते हैं, जिसमें सिमुलेशन फिडेलिटी (fidelity) पर निर्भरता, सिम्युलेटर के प्रति ओवरफिटिंग का जोखिम और विकासवादी खोज का कंप्यूटेशनल ओवरहेड शामिल है। वे भविष्य के कार्य के रूप में मजबूती विश्लेषण (robustness analysis), कंप्यूटेशनल लागत को कम करने और डायनेमिक पैरेललाइजेशन को शामिल करने के लिए पॉलिसी स्पेस के विस्तार पर ध्यान केंद्रित करने का सुझाव देते हैं।