Otimização da eficiência do planejamento de recursos empresariais com base em aprendizado por reforço profundo: alcançando uma automação de processos empresariais mais eficiente

Os sistemas de Planejamento de Recursos Empresariais (ERP) desempenham um papel crucial na gestão moderna de empresas. A Gestão de Processos de Negócio (BPM), como um subsistema central do ERP, é responsável por coordenar e automatizar fluxos de trabalho empresariais. No entanto, os sistemas tradicionais de BPM enfrentam dificuldades com o agendamento eficiente de tarefas sob alterações dinâmicas de carga. Isso muitas vezes leva a uma redução na eficiência de execução, especialmente sob cargas pesadas. Quando a carga excede a capacidade de processamento do cluster de motores, isso pode causar severas violações do Acordo de Nível de Serviço (SLA). Para abordar os problemas acima, este estudo otimiza a arquitetura de agendamento de tarefas para Gestão de Processos de Negócio (BPM) em ambientes de nuvem a partir das perspectivas de modelagem de sistema e otimização de mecanismo de agendamento. O processo de agendamento de tarefas ciente do nível de serviço é formalizado como um Processo de Decisão de Markov (MDP). Com base nisso, uma estrutura de Agendamento de Solicitações em Camadas de Serviço (SRS) é construída. O algoritmo de Otimização de Políticas Proximais (PPO) é adotado como o aprendiz de políticas para realizar decisões de agendamento adaptativas para tarefas de diferentes níveis de serviço. Em testes de carga em camadas de serviço, os resultados mostram que, sob carga normal, a taxa de violação do Acordo de Nível de Serviço (SLA) do SRS-PPO é de 6,6%, ligeiramente superior à do algoritmo tradicional Earliest Deadline First (EDF). No entanto, a taxa de sobreprovisionamento de Qualidade de Serviço (QoS) do SRS-PPO é reduzida em 74,57% em comparação com o EDF. Em condições de carga pesada, a taxa de violação do SLA do SRS-PPO é de 21,33%, que supera os métodos de comparação e é 7,04% inferior à do EDF. Sua taxa de sobreprovisionamento de QoS é de 10,12%, uma redução de 60,81% em comparação com o EDF (p < 0,05). Resultados experimentais demonstram que o SRS-PPO tem potencial de aplicação para lidar com violações de SLA em ambientes de alta carga, melhorando a flexibilidade do agendamento de tarefas e a eficiência na utilização de recursos.