AI流程瓶颈定位：事件日志与返工回路识别

在自动化流程实验室，我们近期围绕“流程挖掘 + 大模型”做了一组实验：把工单系统的事件日志与非结构化文本结合，定位流程中的返工回路和等待瓶颈，为自动化改造排优先级。传统流程挖掘依赖结构化事件日志，但售后、审批等环节的隐性步骤常藏在工单备注、邮件和聊天记录里，导致流程模型失真、瓶颈被低估。我们的做法是先用规则从状态流转中抽取主干事件，再用大模型对非结构化文本做步骤归因，补全事件日志；随后计算各节点的等待时长、返工次数和路径频率，输出瓶颈清单与自动化改造建议。

进展：在某装备制造企业的售后服务流程中，补全后的事件日志覆盖步骤数提升 37%，识别出 3 个高频返工节点，其等待时间占全流程 42%。下一步，我们计划将瓶颈排序接入自动化改造看板，结合 ROI 估算辅助排期，并在两个业务单元开展对照试点，验证流程改造后的周期缩短效果。