用于数字劳动力智能编排的系统和方法与流程

1.本公开的示例涉及用于数字劳动力智能编排的系统和方法。具体地，实施例涉及通过机器人过程自动化(rpa)机器人对任务进行管理、区分优先级和排序执行。


背景技术：

2.rpa是一种新兴形式的利用软件机器人或人工智能(ai)工作者(在下文中单独地和共同地称为“机器人”)的商业过程自动化技术。在传统的工作流自动化工具中，软件开发者使用内部应用程序接口产生动作列表以使任务自动化。相反，rpa系统通过观察用户在应用程序的图形用户界面中执行任务来开发动作列表，然后通过直接在图形用户界面上重复这些任务来执行自动化。
3.传统上，数字工作者被视为从用户移置或转移数字作品的成本有效的方式。然而，各种因素通常导致机器人利用不足。此外，随着数字劳动力的规模增加，难以确定机器人正在为企业的期望任务工作。
4.当前系统以各种低效或不是最优的方式利用机器人，包括：先进先出技术、确定要执行什么任务的人工干预、利用具有不同优先级级别的队列对任务进行分组、以及调度。然而，这些技术是过程性的，并且建立起来是时间密集的，同时没有考虑任务级别商业优先级和/或服务协议、动态变量和趋势来预测工作和相应任务被生成的可能性。
5.因此，需要更高效和有效的系统和方法来通过利用编排层来管理和分配rpa机器人，以在较短的时间段内完成任务的同时节省系统资源。


技术实现要素：

6.本文描述的实施例针对用于通过管理、启用和排序rpa机器人来对工作流区分优先级和排序的系统和方法。实施例被配置为允许rpa机器人仿真用户任务，其中rpa机器人的输出随着rpa机器人变得更了解其被供应在其上的应用全景而增加。实施例可以利用被配置为允许基于商业优先级、服务级别协议和其他因素来管理工作和任务的任务排队系统。实施例可以包括编排层，其被配置成管理用于生成工作的一系列通道的rpa机器人。
7.实施例可以包括通道、api硬件、任务排队硬件、应用预测模型硬件、任务概况预测模型硬件、编排层硬件和rpa机器人。
8.通道可以是为任务排队硬件创建的任务或工作(在下文中单独地和共同地称为“任务”)。任务可以从自助网络表单、由ocr引擎处理的pdf、聊天机器人、电子邮件或sms、现有的一系列商业系统或应用或通过api触发，或者需要计算处理的任何其它任务接收。任务可以配置为与用户可以在应用的图形用户界面中执行任务的任何计算资源相关联。
9.api硬件可在企业套件内被启动以触发任务在任务排队硬件处的排队。api硬件可以被配置为确定不同系统的任务类型、优先级等。工作的优先级可由ai或由用户动作确定以对要完成的任务的优先级排序。
10.任务排队硬件可被配置成经由api硬件从通道接收任务，确定要以什么顺序和何
时完成任务，并管理与排队的任务相关联的rpa机器人。
11.编排硬件可以被配置为在rpa机器人变得可用时将工作分发给rpa机器人的控制器。编排硬件可以被配置为确定要完成的任务的当前队列，并且基于来自应用预测模型硬件和任务概况预测模型硬件的输入来确定要处理哪些任务。基于来自模型硬件的输入，编排硬件可以动态地确定任务和应用趋势的不同工作时间的不断变化的前景，而不需要固定的规则。
12.应用预测模型硬件可被配置成确定预测分析以确定与给定时间跨度内的排队的任务相关联的rpa机器人的未来预期性能。这可以使得rpa机器人能够在给定时间跨度内执行的任务的数量的吞吐量增加。rpa机器人的效率可以基于其他系统要求、rpa机器人执行任务所需的时间长度和/或组合而与在给定时间处执行任务所需的持续时间相关联。
13.任务概况预测模型硬件可以被配置为确定何时将在任务排队硬件上对某些类型的任务进行排队，以及对于任何任务将分配什么优先级级别。基于任务概况预测模型对要接收的任务的数量和类型的确定，任务排队硬件可以不为所有当前任务分配rpa机器人，并且挂起至少一个rpa机器人直到可能接收到较高优先级的任务。
14.当结合以下描述和附图考虑时，将更好地认识和理解本发明的这些和其它方面。以下描述虽然指示了本发明的各种实施例及其众多具体细节，但是以说明而非限制的方式给出。在本发明的范围内可以进行许多替换、修改、添加或重新布置，并且本发明包括所有这样的替换、修改、添加或重新布置。
附图说明
15.参考以下附图描述本发明实施例的非限制性和非详尽实施例，其中除非另外指定，否则在各个视图中相同参考标记指代相同部分。
16.图1示出了根据实施例的用于数字劳动力智能编排的一种拓扑。
17.图2描绘了根据实施例的服务器的一个实施例。
18.图3描绘了根据实施例的用于rpa机器人执行动作以完成排队的任务的方法。
19.图4描绘了根据实施例的rpa机器人。
20.图5描绘根据实施例的任务排队系统。
21.图6根据实施例描绘了用于数字劳动力智能编排的一种拓扑。
22.在附图的几个视图中，相应的附图标记表示相应的部件。本领域技术人员将理解，附图中的元件是为了简单和清楚而示出的，并且不一定按比例绘制。例如，图中的一些元件的尺寸可以相对于其他元件被放大，以帮助改善对本公开的各种实施例的理解。此外，在商业上可行的实施例中有用或必要的常见但公知的元件通常不被描绘，以便于较少地妨碍对本公开的这些各种实施例的查看。
具体实施方式
23.在以下描述中，阐述了许多具体细节以便提供对本发明的透彻理解。然而，对于本领域普通技术人员来说，显然不需要采用这些具体细节来实施本发明。在其它情况下，为了避免使本发明不清楚，没有详细描述公知的材料或方法。
24.现在转到图1，图1描述了用于数字劳动力智能编排的一种拓扑。实施例可以被配
置为驱动rpa机器人的有效和高效的利用，从而允许在更短的时间帧中完成更多的工作。拓扑100可以包括用于工作/任务创建的客户端计算设备105和服务器120，二者被配置为通过网络110通信地耦合。
25.网络110可以是有线或无线网络，例如因特网、内联网、lan、wan、nfc网络、蓝牙、红外、射频、蜂窝网络或另一类型的网络。可以理解，网络110可以是多个不同种类的有线或无线网络的组合，所有这些都导致任务在队列中被创建。
26.客户端计算设备105可以是智能电话、平板电脑、手提电脑、电脑、个人数据助理或具有被配置为处理指令并连接到网络130的一个或多个部分的硬件处理器的任何其他类型的移动设备。客户端计算设备105可以具有图形用户界面，该图形用户界面被配置成允许用户与客户端计算设备105的处理器交互以创建工作。在实施例中，工作和对应任务被配置为通过网络110被传输到服务器120。工作和任务可以与自助web表单、由ocr引擎处理的pdf、聊天机器人、电子邮件或sms、现有的一系列商业系统或应用或通过api触发等相关联。在实施例中，每个任务可以具有相关联的键击、图形用户界面上的输入、或者可以由用户执行的其他动作。这些任务也可以由rpa机器人140来完成，rpa机器人140替代用户基于与任务相关联的元数据来执行动作，诸如在图形用户界面上所需的键击。例如，由客户端计算设备105生成的任务可以与在网络上输入工作概况和用户特权相关联。
27.服务器120可以是计算资源，该计算资源配置成远程地供应、分配、管理和控制rpa机器人140以执行由客户端计算设备105生成的任务。服务器120可以被配置为通过入口点api设置商业度量并启动任务。服务器120的入口点api可以在企业内通过多个客户端计算设备105中的任一个以各种方式来启动、自动触发或组合。服务器120可被配置成允许组织具有要由rpa机器人140首先完成的具有不同优先级的不同任务。商业度量可以是权重，诸如组织优先级、服务级别协议、以及可以与过程或任务级别相关联的操作级别协议。与不同任务相关联的商业度量可以由服务器120自主地创建和/或由人类用户设置。
28.服务器120可以包括驻留在特定位置的物理计算设备，或者可以被部署在云计算网络环境中。在本描述中，“云计算”可以被定义为一种模型，该模型用于实现对可配置计算资源(例如，网络、服务器、存储、应用和服务)的共享池的无处不在、方便、按需的网络访问，所述可配置计算资源可以经由虚拟化被快速供应并且以最小的管理工作或服务提供商交互被释放，并且然后被相应地缩放。云模型可以由各种特征(例如，按需自助服务、广泛的网络访问、资源池化、快速弹性、可测量的服务等)、服务模型(例如，软件即服务(“saas”)、平台即服务(“paas”)、基础设施即服务(“iaas”))和部署模型(例如，私有云、社区云、公共云、混合云等)组成。服务器120可以包括一个或多个计算机可用或计算机可读介质的任何组合。例如，服务器120可以包括计算机可读介质，该计算机可读介质包括便携式计算机磁盘、硬盘、随机存取存储器(ram)设备、只读存储器(rom)设备、可擦除可编程只读存储器(eprom或闪存)设备、便携式光盘只读存储器(cdrom)、光存储设备和磁存储设备中的一个或多个。
29.在本描述中，“云计算”可以被定义为一种模型，该模型用于实现对可配置计算资源(例如，网络、服务器、存储、应用和服务)的共享池的无处不在、方便、按需的网络访问，所述可配置计算资源可以经由虚拟化被快速供应并且以最小的管理工作或服务提供商交互被释放，并且然后被相应地缩放。云模型可以由各种特征(例如，按需自助服务、广泛的网络访问、资源池化、快速弹性、可测量的服务等)，服务模型(例如，软件即服务(“saas”)、平台
即服务(“paas”)、基础设施即服务(“iaas”))和部署模型(例如，私有云、社区云、公共云、混合云等)组成。在实施例中，服务器120可以被配置为基于服务级别协议、排队的任务和/或组合来启用和停用rpa机器人。例如，服务器120可以被配置为基于计算资源来分配计算资源以增加rpa机器人140的数量以完成当前排队的任务和预测的未来任务。例如，服务器120可以被配置为确定由单个rpa机器人140完成当前任务集所需的时间帧。如果所确定的时间帧大于时间阈值，则服务器120可以确定由多个rpa机器人140完成当前任务集所需的第二时间帧，其中第二时间帧小于时间阈值。每次rpa机器人140完成给定任务时，可以基于与完成任务的rpa机器人140相关联的更新模型动态地做出该确定。
30.服务器120可以包括任务排队硬件、编排硬件130和rpa机器人140。
31.任务排队硬件可以被配置成从客户端计算设备105接收要由rpa机器人140执行的任务。任务排队硬件可以被配置成确定什么rpa机器人140执行什么任务以及何时执行，这可以是当前时间或将来的时间。响应于任务排队硬件通过通道从客户端计算设备105接收到要完成的任务或工作，任务排队硬件可以向任务分配商业或度量加权。基于加权、服务级别协议、预测模型等，任务排队硬件可以供应计算资源，诸如rpa机器人140，以执行任务或管理队列中的任务。在实施例中，任务可以保持在任务排队硬件中，直到rpa机器人140完成另一个任务。任务排队硬件还可被配置成存储与任务相关联的任务蓝图的储存库。任务蓝图可以包括要由与任务相关联的rpa机器人140输入的输入。
32.编排硬件130可以是硬件计算设备，该硬件计算设备被配置为控制器，以将工作分配到rpa机器人140。编排硬件130可以确定将要完成的在任务排队硬件处排队的任务，并且通过机器学习基于应用预测模型和任务概况预测模型来确定将哪个项目分配给rpa机器人140。这两个模型可以被配置成允许编排硬件130动态地做出确定而无需固定规则。编排硬件130可以利用递归和连续算法来确定一旦rpa机器人140已经完成任务，在每个实例处，rpa机器人140对于当前和预期未来的任务的最有效和高效的使用。
33.rpa机器人140可以是软件，其被配置成通过rpa机器人140针对一系列商业系统和应用完成的规定的键击运行表来执行任务，仿真人类用户的交互。rpa机器人140可以被配置为位于专用操作系统上的软件，并且自动执行分配的任务。rpa机器人140还可以被配置成响应于完成任务而生成数据。由rpa机器人140生成的数据可以包括用于完成特定任务的给定时间段、用于完成特定任务的计算资源等。
34.图2描绘了服务器120的一个实施例。本领域技术人员将理解，与服务器120相关联的某些组成部分可被本地存储在客户端计算设备105处。因此，以下描述的组成部分也可存储在客户端计算设备105处。
35.服务器120可以包括处理设备205、通信设备210、存储器设备215、编排硬件设备220、机器人执行元数据230、应用数据源模块235、应用预测模型240、任务概况数据源模块245、任务概况预测模型250和rpa可用性硬件155。
36.处理设备205可以包括存储处理器可执行指令的存储器，例如只读存储器(rom)和随机存取存储器(ram)，以及执行处理器可执行指令的一个或多个处理器。在处理设备205包括两个或更多个处理器的实施例中，处理器可以以并行或分布的方式操作。处理设备205可以执行服务器120的操作系统或与服务器120的其他组成部分相关联的软件。
37.通信设备210可以是允许服务器120通过网络130与另一设备通信的设备。通信设
备210可以包括用于通过网络110执行无线通信的一个或多个有线/无线收发器。通信设备210可被配置成从客户端计算设备105接收任务，并将与完成的跟rpa机器人140相关联的任务相关联的数据发送到客户端计算设备105。
38.存储器设备215可以是存储由服务器110生成或接收的数据的设备。存储器设备215可以包括但不限于硬盘驱动器、光盘驱动器和/或闪存驱动器。在实施例中，存储器设备215还可以被配置为存储从客户端计算设备105接收的信息，例如商业度量、规则等。存储器设备215还可以被配置为存储与任务相关联的元数据、与预测模型相关联的数据以及与rpa机器人140相关联的数据。
39.编排硬件设备220可以是硬件处理设备，硬件处理设备可以被配置为确定存储在任务排队系统内的哪些任务需要被完成，与每个任务相关联的加权，分析在给定时间帧中可能需要执行哪些任务的预测模型，分析与要由rpa机器人140完成的任务相关联的软件应用，以及确定用于rpa机器人140完成任务的时间长度和计算资源。这样，编排硬件设备220可以被配置为管理用于当前在任务排队硬件中的任务和预测在任务排队硬件中的任务的rpa机器人140，并且基于当前和预测的未来任务以及rpa机器人效率来管理计算资源以启用和停用rpa机器人140。
40.机器人执行元数据230可以是被配置成确定与完成特定任务的rpa机器人相关联的元数据的硬件处理设备。元数据可以包括rpa机器人140完成任务所需的计算资源、完成任务所需的操作系统、完成任务所需的文件、完成给定任务所需的因特网协议。该元数据可以存储在存储器设备215内，并且由随后的rpa机器人140使用以完成类似的任务。这样，多个rpa机器人140可以利用存储在文件储存库中的元数据来完成任务，这可以导致rpa机器人140更高效，同时限制执行任务所需的计算资源。机器人执行元数据230还可以包括当rpa在客户端设备上正在执行动作以完成任务时完成任务所需的过程步骤。在实施例中，过程步骤可以在rpa机器人140执行任务之前由用户设置，或者由机器人执行元数据230响应于用户执行任务而自主地记录。
41.应用数据源325模块可以是被配置成基于完成软件程序的任务的rpa机器人的性能度量来生成元数据的硬件处理设备。例如，性能度量可以包括单位时间内的应用性能。当rpa机器人140执行自动化过程交互时，可以确定性能度量。例如，当软件应用由rpa机器人启动、rpa机器人登录到应用并且rpa机器人在不同的页面浏览时，可以收集性能度量。所收集的元数据涉及与关于过程的个人数据相对的应用性能。
42.应用预测模型240可以是硬件处理设备，其被配置为确定预测分析以控制在给定时间跨度内软件应用的未来预期性能。例如，基于可用的数据集，应用预测模型可以确定与在10:54处使用第一软件应用时的23％性能增加相比，第一软件应用在09:23处执行得慢15％。预测分析可以基于服务器120在多个rpa机器人执行不同任务的不同时间段所需的平均计算资源。预测分析可以导致rpa机器人140可以基于不同软件应用在不同时间的性能在给定一天内执行的任务的数量的吞吐量增加。在实施例中，预测分析和模型在所提供的期望商业度量内操作。
43.任务概况数据源模块245可以是硬件处理设备，其被配置为在任务排队系统内对任务排队之前或之后，基于商业或商业单元内的任务的概况生成元数据。响应于从客户端计算设备接收到任务，机器人执行元数据235可以确定任务的属性。属性可以包括诸如请求
者、相关联的商业过程、时间以及跟踪的其他值之类的数据，以便构建公共任务类型的视图。这些属性值可由模型使用以确定任务的概况。
44.任务概况预测模型250可以是被配置为确定任务排队硬件何时将接收某些类型的任务的硬件设备。任务概况预测模型250可以配置为基于历史数据确定何时可以接收什么类型的任务。对于具有高于阈值的优先级水平的任务，可以确定当这些任务将被接收时高于阈值的概率，使得rpa机器人140可以保持空闲/挂起。这可以允许rpa机器人140响应于接收到任务而执行动作以执行任务。如果预测的任务不在预测的窗口内生成，则其它任务将由rpa机器人140在其位置执行。
45.rpa机器人可用性硬件255被配置成确定编排硬件120是否已经充分部署rpa机器人以完成任务排队系统中的当前任务以及关于对应应用的效率的预测未来任务。响应于rpa机器人140完成任务，rpa机器人可用性硬件255可以确定当前数量的所供应的rpa机器人完成队列中的每个任务以及在给定时间段内将在队列中的预测任务所需的预测时间量。如果预测时间量低于给定时间段，则rpa机器人可用性硬件255可以减少所供应的rpa机器人的数量以节省计算资源。如果预测时间量大于给定时间段，则rpa机器人可用性硬件255可以出于效率的目的而增加所供应的rpa机器人的数量。通过响应于rpa机器人140完成任务来确定预测时间量，预测时间量可以动态地且连续地改变以优化计算资源。
46.图3示出了根据实施例的用于rpa机器人执行动作以完成排队的任务的方法300。下面呈现的方法300的操作旨在是说明性的。在一些实施例中，方法300可以利用未描述的一个或多个附加操作和/或在没有所讨论的操作中的一个或多个的情况下完成。另外，图3中示出并在下面描述的方法300的操作的顺序不旨在是限制性的。
47.在一些实施例中，方法300可以在一个或多个处理设备(例如，数字处理器、模拟处理器、被设计为处理信息的数字电路、被设计为处理信息的模拟电路、状态机和/或用于电子地处理信息的其他机构)中执行。该一个或多个处理设备可以包括响应于电子地存储在电子存储介质上的指令而执行方法300的一些或全部操作的一个或多个设备。该一个或多个处理设备可以包括通过硬件、固件和/或软件配置的一个或多个设备，其被专门设计用于执行方法300的一个或多个操作。
48.在操作310，可以接收要完成的任务。在实施例中，可以为接收的任务分配优先级权重和属性。属性可以包括任务的名称、接收到任务的数据和时间、任务应当完成的数据和时间、与请求者相关联的唯一标识符。任务可以由rpa机器人针对一系列商业系统和软件应用所完成的规定的键击运行表来定义，该键击运行表可以模拟人类用户的交互。
49.在操作320，任务排队系统可以确定实时处理队列中的所有任务的计算资源。此外，应用预测模型可以确定与在第一时间跨度内的任务相关联的应用的未来预期性能，并且任务概况预测模型可以确定将在第二时间跨度内接收的任务的预测。在实施例中，第一时间跨度和第二时间跨度可以是相同或不同的时间段，其可以重叠或可以不重叠。
50.在操作330，编排硬件系统可以部分地基于机器人的可用性、与任务相关联的优先级、与接收到的任务相关联的元数据、概况预测模型和应用预测模型来确定rpa机器人是否可用于执行接收到的任务。
51.在操作340，编排硬件系统可以确定rpa机器人是应当执行所接收的任务、队列中的另一任务还是保持空闲。
52.在操作350，rpa机器人可以执行完成任务的动作。
53.在操作360，任务预测模型和应用预测模型可以基于rpa机器人执行完成任务的动作被更新。可以响应于机器人完成任务并且rpa机器人变得可用来更新预测模型。这样，rpa预测模型可以在rpa机器人执行第一任务和第二任务所花费的时间之间被更新。
54.图4描绘了根据实施例的rpa机器人140。图4中所描绘的组成部分在上面被描述了，并且为了简洁起见，这些组成部分可以不再被描述。
55.如图4中所描绘的，rpa机器人140可以具有要执行的任务的对应动作列表，其可以通过用户输入动作列表或者通过复制用户在应用图形用户界面中对同一任务执行的动作来生成。rpa机器人140然后能够直接在gui上自主地执行该动作列表而无需用户的帮助。rpa都可以包括相关联的操作系统410、本地应用420、远程文件共享430、citrix接收器440和浏览器450。
56.操作系统410可以允许rpa机器人140执行安装在rpa机器人140上的软件。所执行的软件可以使rpa机器人140能够经由接收器440和浏览器450利用存储在远程文件共享430中的数据来控制本地应用420。
57.图5描绘了根据实施例的任务排队系统500。图5中所描绘的组成部分在上面被描述了，并且为了简洁起见，这些组成部分可以不再被描述。
58.响应于服务器120接收到任务，任务排队系统500可被配置为将任务添加到队列510。响应于rpa机器人完成任务，可以从队列510中移除该任务。添加到队列的每个任务可以具有相应的元数据，例如唯一标识符、状态、名称、相关联的应用、创建的数据、开始的数据、结束的数据、队列上的号码以及商业度量。在实施例中，商业度量可以包括商业优先级、商业服务级别协议、优先级值和时间值。
59.商业优先级可以与重要性的数值相关联，其中较高的值可以指示较高的重要性级别。该数值可以通过用户交互来设置，或者可以基于任务的标识来设置。时间值可以是执行任务需要的时间段。商业服务级别协议可以指示可以分配给给定任务排队系统的rpa机器人的最小和/或最大数量，其中如果基于商业服务级别协议存在比任务多的rpa机器人，则可能存在空闲的rpa机器人。
60.图6描绘了根据实施例的用于数字劳动力智能编排的一种拓扑。图6中所描绘的组成部分在上面被描述了，并且为了简洁起见，省略了对这些组成部分的另一描述。
61.如图6所示，工作或任务可以通过不同的通道105进入工作环境或入口点api 630。入口点api 630还可以接收商业度量620，诸如可以与过程或任务级别相关联的组织优先级、服务级别协议和操作级别协议。
62.入口点api 630可与任务排队系统610通信。任务排队系统610还可接收允许用户输入与任务或工作的区分优先级相关联的数据的商业度量覆盖640。任务排队系统610还可接收商业过程615，其可以是任务蓝图或要由rpa机器人140执行以完成任务的数据的储存库。
63.编排硬件130可以被配置为控制器，其将工作从任务排队系统610分配到rpa机器人140，并且将指示rpa机器人140已经完成任务的数据传送到任务排队系统610。编排硬件130还可以被配置为基于来自任务概况预测模型250的数据将任务分配到机器人。
64.机器人执行元数据230可以包括与响应于rpa机器人140完成任务而收集的数据相
关联的数据。该收集的数据可以同时被发送到应用数据源模块235和任务概况数据源模块245。然后，该数据可以同时被应用预测模型240和任务概况预测模型250使用，以响应于任务被rpa机器人140完成而更新编排硬件130。
65.尽管为了说明的目的，基于当前被认为是最实际和优选的实现方式，已经详细描述了本技术，但是应当理解，这样的细节仅仅是为了该目的，并且本技术不限于所公开的实现方式，而是相反，意图覆盖在所附权利要求的精神和范围内的修改和等同布置。例如，应当理解，本技术预期，在可能的程度上，任何实施方式的一个或多个特征可以与任何其他实施方式的一个或多个特征组合。
66.在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的引用意味着结合实施例或示例描述的特定特征、结构或特性被包括在本发明的至少一个实施例中。因此，在本说明书中各处出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指相同的实施例或示例。此外，在一个或多个实施例或示例中，特定特征、结构或特性可以以任何合适的组合和/或子组合进行组合。此外，应当理解，这里提供的附图是为了向本领域普通技术人员进行解释的目的，并且附图不一定按比例绘制。
67.根据本发明的实施例可以被实现为装置、方法或计算机程序产品。因此，本发明的实施例可采取完全硬件实施例、完全软件实施例(包括固件、常驻软件、微代码等)或组合软件和硬件方面的实施例的形式，其在本文中可全部一般地称为“模块”或“系统”。此外，本发明可以采取在任何有形表达介质中实现的计算机程序产品的形式，该有形表达介质具有在该介质中实现的计算机可用程序代码。
68.可以利用一个或多个计算机可用或计算机可读介质的任何组合。例如，计算机可读介质可以包括便携式计算机磁盘、硬盘、随机存取存储器(ram)设备、只读存储器(rom)设备、可擦除可编程只读存储器(eprom或闪存)设备、便携式光盘只读存储器(cdrom)、光存储设备和磁存储设备中的一个或多个。用于执行本发明的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写。
69.流程图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示代码的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。还将注意，框图和/或流程图的每个框以及框图和/或流程图中的框的组合可以由执行指定功能或动作的基于专用硬件的系统或专用硬件和计算机指令的组合来实现。这些计算机程序指令也可以存储在计算机可读介质中，其可以引导计算机或其他可编程数据处理装置以特定方式工作，使得存储在计算机可读介质中的指令产生包括实现流程图和/或框图中指定的功能/动作的指令装置的制品。
70.以下是可以要求保护的实施例的列表：1.一种用于数字劳动力智能编排的系统：任务排队系统，其被配置为接收第一任务；第一机器人过程自动化机器人，其被配置为执行动作以执行所述第一任务；编排硬件，其被配置为基于应用预测模型和任务预测模型来管理所述第一机器人过程自动化机器人执行所述动作以执行所述第一任务，其中所述应用预测模型被配置为确定与第二时间段相比在第一时间段处与所述第一任务相关联的计算资源的超期性能，并且
所述任务预测模型被配置为确定在一段时间内要被添加到所述任务排队系统的未来任务。2.根据实施例1所述的系统，其中所述编排硬件被配置为响应于机器人过程自动化机器人响应于所述第一机器人过程自动化机器人执行动作以执行所述第一任务来启用和停用第二机器人过程自动化机器人。3.根据实施例1所述的系统，其中所述任务预测模型被配置为基于添加到所述任务排队系统的任务的历史来确定要添加到所述任务排队系统的所述未来任务。4.根据实施例1的系统，其中所述第一机器人过程自动化机器人被配置为基于执行动作以执行所述第一任务的所述第一机器人过程自动化机器人的性能度量来生成元数据。5.根据实施例1的系统，其中所述第一任务包括与客户端计算设备相关联的规定的键击运行表，其将由所述第一机器人过程自动化机器人自动化。6.根据实施例1的系统，其中所述第一任务包括商业度量，所述商业度量被基于优先级分配数值。7.根据实施例1所述的系统，其中所述任务排队系统接收第二任务，其中为了节省计算资源，所述编排硬件基于应用预测模型和任务预测模型，在所述第二任务在所述任务排队系统内时，使所述第一机器人过程自动化机器人空闲。8.根据实施例7所述的系统，其中所述第二任务是所述任务排队系统中的唯一任务。9.根据实施例1所述的系统，其中所述任务排队系统被配置为确定在所述一段时间内完成所有接收到的任务所需的计算资源的量。10.根据实施例1的系统，其中与所述第二时间段相比在所述第一时间段处与所述第一任务相关联的计算资源的超期性能基于所述第一机器人过程自动化机器人在所述第一时间段和所述第二时间段处执行所述第一任务所需的计算资源的百分比。11.一种用于数字劳动力智能编排的计算机实现的方法，所述方法包括：接收第一任务；经由第一机器人过程自动化机器人执行动作以执行所述第一任务；经由编排硬件基于应用预测模型和任务预测模型来管理所述第一机器人过程自动化机器人执行所述动作以执行所述第一任务；确定与第二时间段相比在第一时间段处与所述第一任务相关联的计算资源的超期性能；以及确定在一段时间内要添加到所述任务排队系统的未来任务。12.根据实施例11所述的方法，还包括：响应于所述机器人过程自动化机器人响应于所述第一机器人过程自动化机器人执行动作以执行所述第一任务来启用和停用第二机器人过程自动化机器人。13.根据实施例11所述的方法，还包括：基于添加到所述任务排队系统的任务的历史来确定要添加到所述任务排队系统的所述未来任务。14.根据实施例11所述的方法，还包括：基于执行动作以执行所述第一任务的所述第一机器人过程自动化机器人的性能
度量来生成元数据。15.根据实施例11的方法，其中所述第一任务包括与客户端计算设备相关联的规定的键击运行表，所述规定的键击运行表将由所述第一机器人过程自动化机器人自动化。16.根据实施例11的方法，其中，所述第一任务包括商业度量，所述商业度量被基于优先级分配数值。17.根据实施例11所述的方法，还包括：接收第二任务；基于所述应用预测模型和所述任务预测模型，在所述第二任务在所述任务排队系统内时，使所述第一机器人过程自动化机器人空闲；以及通过使所述第一机器人过程自动化机器人空闲来节省计算资源。18.根据实施例17的方法，其中所述第二任务是所述任务排队系统中的唯一任务。19.根据实施例11所述的方法，还包括：确定在所述一段时间内完成所有接收到的任务所需的计算资源的量。20.根据实施例11的方法，其中与所述第二时间段相比在所述第一时间段处与所述第一任务相关联的计算资源的所述超期性能基于所述第一机器人过程自动化机器人在所述第一时间段和所述第二时间段处执行所述第一任务所需的计算资源的百分比。