技術要約：リソース固有のハンドオーバー・ポリシーの多目的最適化

問題定義

効率的なリソース配分は、コスト、スループット時間、および利用率に直接影響を与える、ビジネスプロセス管理（BPM）における極めて重要な課題である。近年の強化学習（RL）アプローチは、適応的な配分ポリシーを導出する上で有望な成果を示しているが、それらは通常、タスクの可用性とリソース容量のみに基づいたグローバルなポリシーに依存している。これらの手法は、リソースを単なる割り当ての受動的な受け手として扱っており、リソース（特に人間）の能動的な意思決定の役割や、現実世界のタスク・ハンドオーバーを形成するリソース間のコラボレーション・パターンを軽視している。

既存の最適化手法は、タスクをリソースに割り当てることや人員レベルを決定することには焦点を当てているが、リソース固有のハンドオーバー・ポリシーの最適化には至っていない。ハンドオーバー・ポリシーとは、特定の活動を完了した特定の（ある）リソースに対して、次にどのリソースが後続の活動を行うべきかを定義するものである。著者らは、これらの局所的かつリソース固有の依存関係を無視することは、プロセス改善のための重要なレバレッジ・ポイントを見落とすことになると主張している。核心となる問題は、これらのハンドオーバー・ポリシーの多目的最適化を行い、相反する目的（例：コスト vs 待ち時間）の間の最適なトレードオフを見出すことである。

メソドロジー

提案手法は、マルチエージェントシステム（MAS）に基づくプロセス・シミュレータと、多目的進化アルゴリズム（NSGA-II）を組み合わせ、パレート最適かつリソース固有のハンドオーバー・ポリシーを発見するものである。

1. シミュレーション・モデル

本アプローチの基盤は、シミュレーション・モデル $M = (A, S, \pi_0, \beta)$ である。

• $A$: リソースを表すエージェントの集合。各エージェントは、利用可能なカレンダーと能力（実行可能なアクティビティおよび実行時間の分布）によって特徴付けられる。
• $S$: グローバルなシミュレーション・パラメータ（例：ケースの到着間隔分布）。
• $\pi_0$: 「As-is（現状）」のハンドオーバー・ポリシー。
• $\beta$: 次のアクティビティを決定するコントロールフロー・ポリシー。

このモデルは、手動で指定することも、AgentSimulatorのようなツールを用いてイベントログから自動的に発見することも可能である。

2. 最適化フレームワーク

本システムは、シミュレーションによって生成されたイベントログ $L$ に対して、コストベクトル $c(L) = [f_1(L), \dots, f_k(L)]$ を最小化するハンドオーバー・ポリシー $\pi$ の集合を探索するために、遺伝的アルゴリズムを採用している。目的関数は、パレート・フロントを特定するために同時に最小化される。

最適化のワークフローは、以下の3つの反復ステップで構成される：

1. 初期集団の生成: 初期集団のポリシーは、「As-is」ポリシー $\pi_0$ に基づいて生成される。探索空間は、意思決定ポイントを固定（Fixed）（変更不可能なビジネスルールであり、最適化から除外される）または可変（Variable）（柔軟な部分）として分類することで枝刈りされる。集団には、探索のためのランダムなポリシー、$\pi_0$ の変異版（活用のため）、およびベースラインとしての $\pi_0$ のコピーが含まれる。
2. シミュレーションと適合度評価: 各候補ポリシーについて、シミュレータを複数回（$T$ 回）実行してイベントログを生成する。確率的な分散を軽減するため、適合度はこれらの実行における平均コスト・ベクトルの値として計算される。
3. 遺伝的操作: NSGA-II アルゴリズムは、集団を進化させるために選択、交叉、および突然変異を適用する。
   • 選択（Selection）: 非劣ランク付け（non-dominated ranking）とクラウディング距離（crowding distance）を用いて多様性を維持する。
   • 交叉（Crossover）: 有効な子個体を保証するため、親の間で意思決定ポイントの確率分布全体を入れ替える。
   • 突然変異（Mutation）: 以下の4つの異なるバリアントを通じて新規性を導入する：
     • ランダム（Random）: 意思決定ポイントにおける確率分布を再初期化する。
     • グリーディ（Greedy）: ローカルなヒューリスティックに基づき、ワーストの次続者からベストの次続者へと確率質量を攻撃的にシフトさせる。
     • ガイデッド（Guided）: 微細な調整のために、ワーストの次続者からベストの次続者へ、確率質量の小さなランダムな割合（10～50%）を転送する。
     • ハイブリッド（Hybrid）: 上記の戦略を重み付けして組み合わせたもの（Guided 60%、Greedy 20%、Random 20%）。

3. 出力

アルゴリズムは、定義された目的間の異なるトレードオフを表す非劣解の集合である、パレート・フロントのポリシーを出力する。

主な貢献

• 根拠に基づいた最初のアプローチ: 本研究は、ビジネスプロセスにおけるリソース固有のハンドオーバー・ポリシーの、根拠に基づいた多目的最適化のための最初のアプローチを導入するものである。
• コラボレーションを考慮した最適化: リソースを受動的なものとして扱う先行研究とは異なり、本アプローチは、リソースをコラボレーション・パートナーを選択できる自律的な意思決定エージェントとしてモデル化し、プロセスの協調構造を最適化する。
• 汎用的なフレームワーク: 本アプローチは目的関数の集合に関して汎用的であり、あらゆるパフォーマンス指標の組み合わせに対してパレート・フロントの発見を可能にする。
• データ駆動型の根拠付け: シミュレーション・モデルはイベントログから直接発見できるため、最適化が実際のプロセス・データに基づいていることが保証される。

実験結果

本アプローチは、労働コストと待ち時間を主要な目的として、合成データおよび実世界のデータセットを用いて評価された。

内部妥当性（合成データ）

ローン申請プロセスの5つのバリアント（リソースの競合、スキルの差、到着率などの構成が異なる）に対して実験を行った。

• パフォーマンス: 提案手法は、一貫して「As-is」のベースラインおよびヒューリスティック・ベースライン（Available, Random, Cheapest, Shortest Processing Time）を上回った。
• 指標: すべてのシナリオにおいて、提案手法はAs-isプロセスと比較して、コストを平均37%、待ち時間を**58%**削減した。
• 行動分析: LoanJSシナリオでは、最適化されたポリシーは、高価で高速なリソースの使用と、安価で低速なリソースの使用のバランスを取ることを学習した。対照的に、「Cheapest（LC）」ヒューリスティックは、低速で安価なリソースを独占的に使用することで深刻なキュー形成を招いたが、最適化されたポリシーは相補的なコラボレーション・パターンを通じて、グローバルに優れた結果を達成した。

外部妥当性（実世界のログ）

ビジネスプロセス・シミュレーション研究で広く使用されている7つのイベントログ（P2P, ACR, BPI12W, BPI17Wなど）でテストを行った。

• 堅牢性: 本アプローチは、7つのデータセットすべてにおいて、As-isベースラインと比較してコストと待ち時間の両方を改善した。
• トレードオフ: 本アプローチは必ずしも絶対的な最低コストを達成したわけではない（4つのデータセットでLCベースラインより上位にランクされた）が、一貫して優れた待ち時間と、多様なパレート最適解を提供した。
• 突然変異のバリアント: Guided 突然変異バリアントが、全データセットを通じて最大の平均改善（コスト削減率36.88%、待ち時間削減率57.71%）を達成した。
• 計算コスト: 最適化は計算負荷が高く、ヒューリスティック・ベースラインよりも約35倍長くかかる（平均103.85分 vs 2.96分）。ただし、実行時間はデータセットのサイズと同様にベースラインと同程度にスケールする。

意義と主張

本論文は、最適化の焦点をグローバルなタスク割り当てからリソース固有のハンドオーバー・ポリシーへとシフトさせることで、組織はコラボレーション・パターンを活用してプロセス・パフォーマンスを大幅に向上させることができると主張している。著者らは、彼らのアプローチが以下の特性を持つことを強調している：

1. リソース間の依存関係を捕捉する: 標準的なRLやスケジューリング・アプローチでは無視されがちな、リソースの意思決定の自律性を明示的にモデル化している。
2. 実行可能な代替案を提供する: パレート・フロントを生成することで、単一の「最適」な解ではなく、透明性の高い一連のトレードオフを意思決定者に提供し、特定の運用目標（例：コストよりスピードを優先する）に沿ったポリシーの選択を可能にする。
3. 大幅な利点を示す: 実験結果は、コラボレーションを考慮した最適化が、単一の目的のために最適化したり長期的な影響を無視したりする確立されたヒューリスティックを上回り、コストと待ち時間の両方において大幅な削減をもたらすことを示している。

著者らは、シミュレーションの忠実度への依存、シミュレータへの過学習のリスク、および進化的な探索による計算オーバーヘッドを含む制限事項を認めている。今後の課題として、堅牢性分析、計算コストの削減、および動的な並列化を含むポリシー空間の拡張などが挙げられている。