(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211325787.X (22)申请日 2022.10.27 (71)申请人 广东广信通信服 务有限公司 地址 510000 广东省广州市越秀区东湖路 永胜东街27号首层 (72)发明人 庄华　陈章　李耀坚　陈定骐　 崔文杰　赵家润　 (74)专利代理 机构 广州帮专高智知识产权代理 事务所 (特殊普通合伙) 44674 专利代理师 胡洋 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 10/10(2012.01) (54)发明名称 一种基于时序数据预测RPA机器人任务执行 量的方法 (57)摘要 本发明提出了一种基于时序数据预测RPA机 器人任务执行量的方法， 包括RPA 机器人集群， 包 括以下步骤： 采集所述RPA机器人集群带有时序 信息的的历史运行数据； 选定时间粒度的时间单 位， 基于所述历史运行数据， 获取每个时间单位 内所述RPA机器人集群完成任务数的数据， 将所 述数据转化为时间序列数据； 基于所述时间序列 数据， 训练指数平滑预测模型； 通过所述指数平 滑预测模型， 预测RPA机器人集群的所述时间序 列数据在未来时间段的任务完成量， 本发明能够 根据RPA机器人集群过往运行数据预测未来某一 时刻所需要执行的任务数量， 为RPA机器人集群 运营人员提供准确的预测数据支持。 权利要求书1页 说明书4页 附图3页 CN 115526426 A 2022.12.27 CN 115526426 A 1.一种基于时序数据预测 RPA机器人任务执行量的方法， 包括RPA机器人集群， 其特征 在于， 包括以下步骤： 采集所述RPA机器人集群带有时序信息的 的历史运行 数据； 选定时间粒度的时间单位， 基于所述历史运行数据， 获取每个时间单位内所述RPA机器 人集群完成任务数的数据， 将所述数据转 化为时间序列数据； 基于所述时间序列数据， 训练指数平 滑预测模型； 通过所述指数平滑预测模型， 预测所述RPA机器人集群的所述时间序列数据在未来时 间段的任务完成量。 2.根据权利要求1所述的基于时序数据预测RPA机器人任务执行量的方法， 其特征在 于， 在预测所述 RPA机器人集群的所述时间序列数据在未来时间段的任务完成量中， 还包括 以下步骤： 假设模型的大类型； 鉴别可试用的模型； 估计实验性模型的参数； 检验所述指数平滑预测模型是否合适， 合适则应用所述指数平滑预测模型模型， 否则 重新鉴别可试用的模型。 3.根据权利要求2所述的基于时序数据预测RPA机器人任务执行量的方法， 其特征在 于， 所述指数平滑预测模型 的算法包括一次指数平滑预测 算法、 二次指数平滑预测 算法和 三次指数平 滑预测算法； 当所述时间序列数据无明显 趋势变化时， 应用一次指数平 滑预测算法； 当所述时间序列数据呈线性趋势变化时， 应用二次指数平 滑预测算法； 当所述时间序列呈 抛物线趋势变化时， 应用三次指数平 滑预测算法。 4.根据权利要求3所述的基于时序数据预测RPA机器人任务执行量的方法， 其特征在 于， 所述一次指数平 滑预测算法的公式如下： yt+1'＝ayt+(1 ‑a)yt' 其中， yt+1'为t+1期的预测值(即t期的平滑值St)， yt为t期的实际值； yt'为t期的预测 值(即上期的平 滑值St‑1)。 5.根据权利要求3所述的基于时序数据预测RPA机器人任务执行量的方法， 其特征在 于， 所述二次指数平 滑预测算法的公式如下： yt+m＝[2+am/(1 ‑a)]yt'‑[1+am/(1 ‑a)]yt＝(2yt' ‑yt)+m(yt' ‑yt)a/(1‑a)。 6.根据权利要求3所述的基于时序数据预测RPA机器人任务执行量的方法， 其特征在 于， 所述三次指数平 滑预测的公式如下： yt+m＝(3yt' ‑3yt+yt)+[(6 ‑5a)yt'‑(10‑8a)yt+(4 ‑3a)yt]*am/2(1 ‑2a)2+(yt'‑2yt+ yt')*a2m2/2(1‑a)2。 7.根据权利要求4或5或5所述的基于时序数据预测RPA机器人任务执行量的方法， 其特 征在于， 平 滑系数a的取值采用经验判断法或试算法。 8.一种存储介质， 其特征在于， 其存储有计算机程序； 当所述计算机程序被计算机设备 中的处理器执行时， 计算机设备 执行如权利要求1至 6任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115526426 A 2一种基于时序数据预测R PA机器人任务执行量的方 法 技术领域 [0001]本发明涉及计算机技术领域， 具体涉及一种基于时序数据预测RPA机器人任务执 行量的方法。 背景技术 [0002]RPA， 即机器人流程自动化， 可迅速 实现业务提效， 将重复性劳动进行自动化 处理， 高效低门槛连接不同业务系统， 让财务、 税务、 金融、 人力资源、 信息技术、 保险、 客服、 运营 商、 制造等行业在业 务流程上实现自动化智能升级。 [0003]现有的RPA控制中心 数据分析功能比较单薄。 在RPA机器人运行数量不多(几台)的 情况下,数据足够支持运营。 但如果要 管理几百台以上的RPA机器人的运行就会面临这样的 问题， 不知道未来某个时刻应该调拨多少个RPA机器人给某个业务， 调拨多了会造成RPA机 器人空闲浪费， 少了业务处理就会不及时。 要想知道需要调拨多少个RPA机器人给某个业 务， 关键在于要预测到未来RPA所需要执 行的任务 量。 发明内容 [0004]针对现有技术的不足， 本发明提出一种基于时序数据预测RPA机器人任务执行量 的方法， 可以为RPA机器人集群运营人员提供准确的预测数据支持， 使RPA机器人集群运行 更高效。 [0005]本发明的技 术方案是这样实现的： [0006]一种基于时序数据预测RPA机器人任务执行量的方法， 包括以下步骤： 采集所述 RPA机器人集群带有时序信息的 的历史运行 数据； [0007]选定时间粒度的时间单位， 基于所述历史运行数据， 获取每个时间单位内所述RPA 机器人集群完成任务数的数据， 将所述数据转 化为时间序列数据； [0008]基于所述时间序列数据， 训练指数平 滑预测模型； [0009]通过所述指数平滑预测模型， 预测RPA机器人集群 的所述时间序列数据在未来时 间段的任务完成量。 [0010]进一步地， 在预测所述RPA机器人集群 的所述时间序列数据在未来时间段的任务 完成量中， 还包括以下步骤： 假设模型 的大类型； 鉴别可试用的模型； 估计实验性模型 的参 数； 检验所述指数平滑预测模型是否合适， 合适则应用所述指数平滑预测模型模 型， 否则重 新鉴别可试用的模型。 [0011]进一步地， 所述指数平滑预测模型的算法包括一次指数平滑预测算法、 二次指数 平滑预测 算法和三次指数平滑预测 算法； 当所述时间序列数据无明显趋势变化时， 应用一 次指数平滑预测算法； 当所述时间序列数据呈线性趋势变化时， 应用二次指数平滑预测算 法； 当所述时间序列呈 抛物线趋势变化时， 应用三次指数平 滑预测算法。 [0012]进一步地， 所述一次指数平 滑预测算法的公式如下 [0013]yt+1'＝ayt+(1 ‑a)yt'， 其中， yt+1'为t+1期的预测值(即t期的平滑值St)， yt为t说　明　书 1/4 页 3 CN 115526426 A 3