[发明专利]在机器人流程自动化的确定性工作流中插入概率性模型和监管系统

说明书

概率性模型可以用于机器人流程自动化(RPA)的确定性工作流中。机器学习(ML)引入了概率框架，其中结果是不确定性的，因此步骤也是不确定性的。确定性工作流可以与概率性工作流混合，或者概率性活动可以插入到确定性工作流中，以便创建更动态的工作流。当由数据漂移检测器、概念漂移检测器、或者两者检测到错误时，监管系统可以用于监控ML模型并且发出警报、禁用RPA机器人、绕过RPA机器人、或者回滚到ML模型的先前版本。

相关申请的交叉引用

本申请要求了2019年12月9日提交的申请号为16/708,083的美国非临时专利申请和2019年10月15日提交的申请号为62/915,434的美国临时专利申请的权益。这些较早提交的申请的主题通过引用其整体而并入本文。

技术领域

本发明总体上涉及机器人流程自动化(RPA)，更具体地涉及在针对RPA的确定性工作流中插入概率性模型和监管系统。

背景技术

当前RPA系统以具有顺序工作流中的决策点的逻辑方式工作。然而，这样的工作流基于设定的逻辑并且不是动态的。因此，改进的方法可能是有益的。

发明内容

本发明的某些实施例可以为当前RPA技术尚未被完全标识、理解或者解决的现有技术中的问题和需求提供解决方案。例如，本发明的一些实施例涉及在RPA的确定性工作流中插入概率性模型和监管系统。

在实施例中，一种用于在机器人流程自动化(RPA)的确定性工作流中实现概率性模型的计算机实现的方法包括：生成针对RPA机器人的确定性RPA工作流；生成被配置为执行确定性RPA工作流的多个RPA机器人；以及部署多个RPA机器人。计算机实现的方法还包括：训练与概率性活动相关联的机器学习(ML)模型，以替换RPA工作流中的确定性活动。

在另一实施例中，一种用于在RPA的确定性工作流中实现概率性模型的计算机实现的方法包括：生成被配置为执行确定性RPA工作流的多个RPA机器人，以及部署被配置为执行确定性RPA工作流的多个RPA机器人。计算机实现的方法还包括：训练与概率性活动相关联的机器学习(ML)模型，以替换RPA工作流中的确定性活动。

在又一实施例中，一种计算机实现的方法，包括：生成被配置为执行包括概率性活动的RPA工作流的RPA机器人，以及部署RPA机器人。计算机实现的方法还包括：由监管系统监控由RPA工作流中的概率性活动调用的机器学习(ML)模型，以确保ML模型在输入侧经由数据漂移检测器使用度量正确地运行，以及在输出侧使用概念漂移检测器正确地运行。

附图说明

为了便于理解本发明某些实施例的优点，将参考附图中所示的具体实施例，对上文简要描述的本发明进行更详细的描述。虽然应当理解，这些附图仅描绘了本发明的典型实施例，因此不被认为是对其范围的限制，但是将通过使用附图利用附加的特征和细节来描述和解释本发明，在附图中：

图1是图示根据本发明实施例的RPA系统的架构图。

图2是图示根据本发明实施例的已部署的RPA系统的架构图。

图3是图示根据本发明实施例的设计器、活动和驱动器之间关系的架构图。

图4是图示根据本发明实施例的RPA系统的架构图。

图5是图示根据本发明的实施例的被配置在RPA的确定性工作流中使用概率性模型的计算系统的架构图。

图6是图示根据本发明的实施例的用于在RPA的确定性工作流中实现概率性模型的过程的流程图。

图7是图示根据本发明实施例的监管系统的过程的流程图。

图8为图示根据本发明实施例的监管系统的架构图。

具体实施方式