🤖 machine learning

SCOPE: Sequential Causal Optimization of Process Interventions

本文介绍了 SCOPE，这是一种规范性过程监测方法，它利用逆向归纳和因果学习器，从观测数据中优化序列干预，并证明了其在通过对齐干预措施以改善关键绩效指标方面优于现有方法。

原作者： Jakob De Moor, Hans Weytjens, Johannes De Smedt, Jochen De Weerdt

发布于 2026-06-10

📖 1 分钟阅读☕ 轻松阅读

原作者： Jakob De Moor, Hans Weytjens, Johannes De Smedt, Jochen De Weerdt

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是一位正在复杂且多风暴的海域中航行的船长。你的目标是以最快、最廉价的方式将货物运抵港口。在航行过程中，你面临着一系列决策：我现在要改变航向吗？我要加速吗？我要抛锚吗？

问题在于，这些决策并不是孤立的。如果你现在加速，可能会节省时间，但如果你是在特定的风暴来袭之前加速，你可能会耗尽燃料。如果你等待，你可能会被困住。当下的最佳行动完全取决于你下一步计划做什么。

这就是**规范性过程监控（Prescriptive Process Monitoring, PresPM）**所面临的挑战。它旨在为企业提供一份“船长日志”，告诉他们在业务流程（如贷款申请或客户服务工单）的每一步中应该采取什么行动，以获得最佳的最终结果。

当前地图的问题

论文指出，目前大多数提供此类建议的方法在两个主要方面存在缺陷：

“单步”盲目性： 许多系统只看当前时刻并说：“加速是好事！”却没意识到现在加速会导致稍后发生碰撞。它们孤立地优化每一个决策，忽略了大局。
“虚假世界”陷阱： 其他系统试图通过构建一个模拟器（一个“虚假世界”）来训练 AI 智能体来解决这个问题。它们说：“让我们假装在一个视频游戏中，在那里我们可以尝试每一条可能的路径。”论文称之为**“现实差距”（Reality Gap）**。仅仅因为某种策略在模拟器中有效，并不意味着它在现实、混乱的世界中也有效。这就像是在一个没有考虑真实风切变的飞行模拟器中训练飞行员；当他们进入真实的飞机时，可能会发生坠毁。

解决方案：SCOPE

作者们推出了 SCOPE（序列因果优化过程干预）。可以将 SCOPE 想象成一位**“时空旅行策略家”**。

SCOPE 不靠猜测下一步该做什么，而是使用一种名为**“逆向归纳法”（Backward Induction）**的技术。以下是它的工作原理，使用一个简单的类比：

想象你正在规划从纽约到洛杉矶的公路旅行，并且你希望抵达时口袋里还剩最多的钱。

旧方法： 你看向下一个加油站，问：“这里的油便宜吗？”你仅基于此做决定。
SCOPE 方法： 你从旅程的终点（洛杉矶）开始。你会问：“如果我到达这里，最好的到达方式是什么？”然后，你退回到前一个城市。你会问：“如果我在这里，什么样的选择能导致洛杉矶的最佳结果？”你不断向后移动，一步一步，直到回到纽约。

通过从终点线开始并向后推导，SCOPE 理解了：现在的“坏”举动可能是为了实现之后的“好”举动所必需的。它将你所有的决策整合进一个完美的序列之中。

它如何学习（无需模拟器）

SCOPE 不需要构建一个虚假世界或运行数百万次模拟。相反，它观察的是真实的的历史数据（过去航次的实际航行日志）。

然而，真实的数据非常棘手。在过去，船长们可能会因为受到公司规则或运气不佳的影响而做出错误的决策。这被称为**“混杂因素”（Confounding）**。

例子： 一家银行可能只向高风险客户提供高利率贷款。如果你只是观察数据，看起来像是“高利率 = 坏结果”。但实际上，是客户的风险性导致了坏结果，而不是利率本身。

SCOPE 使用*因果学习（Causal Learning）*来穿透这些噪音。它就像一个侦探，将原因*与相关性*区分开来。它弄清楚了：“如果我们在此特定情况下采取了不同的行动，结果会发生什么变化？”这使得它能够从现实世界的错误中学习，而无需进行模拟。

结果：一位更好的船长

作者在两个“试驾”场景中测试了 SCOPE：

SimBank： 一个模拟的银行贷款流程。
SimBPIC17： 一个由他们创建的、用于测试复杂场景的、半模拟的真实世界贷款日志版本。

他们将 SCOPE 与以下对象进行了对比：

“单步”方法： 逐一优化决策的方法。
“模拟器”方法： 使用“虚假世界”方法的方法。

结论：
SCOPE 始终胜出。它做出了更好的决策，尤其是在路径变得漫长且复杂（决策点更多）的情况下。

当数据非常混乱（高“混杂性”）时，SCOPE 仍然找到了最佳路径。
“模拟器”方法经常失败，因为它构建的虚假世界与现实不符。
“单步”方法则失败了，因为它无法预见今天的选择如何影响明天。

简而言之

SCOPE 是一种提供业务建议的新方式。它不再是一步步地观察，也不再是假装生活在视频游戏中，而是观察整个旅程，从目标开始向后推导，并利用真实的过往历史来确定完美的动作序列。这不仅是区别于一个只会转动方向盘的船长，更是一个拥有整片海洋地图、深知每一次转向如何影响最终目的地的船长。

技术摘要：SCOPE —— 过程干预的序列因果优化

问题陈述

规范性过程监控（Prescriptive Process Monitoring, PresPM）旨在通过推荐执行业务过程期间的干预措施，来优化关键绩效指标（KPI），例如吞吐时间或成本。虽然现有方法能有效处理单次干预决策，但在现实场景中，由于干预并非孤立存在，这些方法往往会失效。在许多流程中，存在多个相互依赖的决策点，其中早期干预的结果取决于后续行动，反之亦然。

当前的方法存在三个主要局限性：

关注单次干预： 许多方法仅优化单个决策点，忽略了未来决策的序列性。
孤立的序列优化： 一些方法虽然处理序列，但对每个决策点进行孤立优化（例如，最大化即时奖励），未能使整个案例中的行动保持一致，以实现最终 KPI 的最大化。
依赖过程近似： 试图进行序列优化的方法通常依赖于在近似过程（如马尔可夫决策过程 MDP）或增强数据上训练的强化学习（RL）。这引入了“现实差距”（reality gap），即近似过程中的误设会导致偏差或次优策略。此外，面对真实事件日志中高度异构的过程前缀和多变的控制流，这些方法往往难以应对。

方法论：SCOPE

作者提出了 SCOPE（Sequential Causal Optimization of Process Interventions，过程干预的序列因果优化），该框架可以直接从观测到的事件日志中学习对齐的序列干预策略，无需过程模拟或数据增强。

核心组件

SCOPE 将因果学习与后向归纳（Backward Induction）相结合，以解决变量控制流下的序列决策问题。

后向归纳框架：
- 该方法将动态治疗方案（DTR）框架应用于业务流程。它从最后一个决策点 ( $K$ ) 开始，向第一个决策点 ($1$) 进行逆向迭代。
- 在每个决策点 $k$ ，它估计一个 Q 函数 ( $Q_k$ )，代表在给定当前过程前缀 $\sigma_k$ 的情况下，假设后续采取最优行动时采取行动 $a_k$ 的预期结果。
- 它计算一个 价值函数 ( $V_k$ )，代表从前缀 $\sigma_k$ 开始所能达到的最佳结果。
- 至关重要的是，SCOPE 使用了基于**遗憾（regret-based）**的公式来定义价值函数： $V_k(\sigma_k) = E[V_{k+1}(\sigma_{k+1}) + (Q_k(\sigma_k, a^{opt}_k) - Q_k(\sigma_k, a^{obs}_k)) | \sigma_k]$ 。选择该公式是因为其对模型误设和误差传播具有鲁棒性，这对于处理高度异构的过程前缀至关重要。
因果学习器：
- 为了从包含混杂因素的观测数据中估计 Q 函数，SCOPE 采用了因果学习器。由于逆概率加权（IPW）在高维前缀空间中存在不稳定性，该框架避开了 IPW。
- 该框架支持模型无关的学习器，具体测试了：
  - S-learner： 一个预测所有行动结果的单一模型。
  - T-learner： 为每种行动建立独立的模型。
  - RA-learner： 一个两步法，先估计 Q 函数，然后估计伪结果以专注于因果效应。
- 这些学习器使系统能够识别那些在历史上很少被选择、但可能有助于提升 KPI 的行动，从而在没有随机对照试验的情况下有效处理混杂问题。
算法 (SCOPE-S)：
- 训练： 算法从最后一个决策点开始。对于到达决策点 $k$ 的案例，训练一个因果模型来估计 $Q_k$ 。然后，使用基于遗憾的公式计算最优行动并更新前一决策点的价值估计。如果某个案例由于控制流跳过了某个决策点，则该价值将向后传递。
- 推理： 过程向前推进。当到达决策点时，算法查询该特定点的预训练模型，以选择估计 Q 值最高的行动。

主要贡献

SCOPE 框架： 引入了一种结合因果学习器与后向归纳的 PresPM 方法，用于学习具有因果基础且对齐的序列策略。它直接作用于观测日志，消除了对过程模拟器或数据增强的需求。
新型基准 (SimBPIC17)： 创建并公开发布了一个基于真实 BPIC17_W 事件日志的半合成数据集。该基准允许评估具有变量决策点和现实混杂因素的序列 PresPM 方法，解决了真实数据中缺乏地面真值（ground-truth）反事实的问题。
实证验证： 通过综合实验证明，SCOPE 在合成和半合成数据集上均优于最先进的基准方法。

实验结果

作者将 SCOPE 与三个基准方法进行了对比评估：

KMeans-Q (Branchi et al. [5])： 一种使用过程近似（MDP）和强化学习（RL）的序列方法。
SEP-S (改编自 de Leoni et al. [9])： 一种独立优化决策点的方法。
随机策略（Random Policy）与上限（Upper Bound）。

主要发现：

性能： 在包括不同混杂水平 ( $\delta$ )、训练集规模和决策点数量在内的各种设置下，SCOPE 始终优于上述基准方法。
对齐的影响： SCOPE 相对于独立优化基准（SEP-S）的优势随着决策点数量的增加而扩大，证实了在序列中对齐干预的重要性。
对混杂的鲁棒性： 虽然性能通常随混杂程度增加而下降，但 SCOPE 表现出了鲁棒性。RA-learner 和 S-learner 表现最好，而 T-learner 在高混杂环境下表现出退化。
近似 vs. 直接学习： 过程近似方法（KMeans-Q）表现较差且不稳定，这表明通过近似过程来进行强化学习可能不如独立处理干预有效，更不用说使用 SCOPE 的因果对齐了。
复杂度： 尽管训练多个模型的理论复杂度较高，但 SCOPE 在实践中的训练速度明显快于 KMeans-Q，且推理复杂度与独立优化基准持平。

意义与主张

论文声称，通过解决强化学习方法中固有的“现实差距”，SCOPE 代表了 PresPM 领域的重要进步。通过利用因果学习和后向归纳，SCOPE 可以直接从观测数据中推导出最优的序列策略，而无需构建可能存在误设的过程模型。

作者强调，虽然 SCOPE 依赖于底层模型的预测准确性并假设案例之间不存在干扰（SUTVA），但它成功地在现实水平的混杂条件下识别出了有效的序列策略。论文总结道，在具有相互依赖决策点的流程中，结合因果学习与后向归纳对于优化 KPI 是至关重要的，这为依赖重度模拟的方法提供了一个实用的替代方案。发布 SimBPIC17 基准旨在促进序列 PresPM 的进一步研究。