- Versionshinweise
- Erste Schritte
- Installation
- Hard- und Softwareanforderungen
- Serverinstallation
- Aktualisierung der Lizenz
- Bereitstellen des UiPath Process Mining-Profilers
- Bereitstellen eines Connectors (.mvp)
- Aktualisieren von UiPath Process Mining
- Aktualisieren einer benutzerdefinierten Version einer App oder eines Discovery Accelerators
- Installieren einer Trainingsumgebung
- Konfiguration
- Integrationen
- Authentication
- Working with Apps and Discovery Accelerators
- AppOne-Menüs und -Dashboards
- AppOne-Einrichtung
- Menüs und Dashboards von TemplateOne 1.0.0
- Setup von TemplateOne 1.0.0
- TemplateOne menus and dashboards
- Setup von TemplateOne 2021.4.0
- Purchase-to-Pay Discovery Accelerator-Menüs und -Dashboards
- Einrichtung des Purchase-to-Pay-Discovery-Beschleunigers
- Menüs und Dashboards des Order-to-Cash Discovery Accelerators
- Einrichtung des Order-to-Cash Discovery-Beschleunigers
- Basic Connector for AppOne
- Bereitstellen des einfachen Connectors
- Einführung zu Basic Connector
- Eingabetabellen des Basic Connectors
- Hinzufügen von Tags
- Hinzufügen von Automatisierungsschätzungen
- Hinzufügen von Fälligkeitsdaten
- Hinzufügen von Referenzmodellen
- Einrichten von praktisch umsetzbaren Erkenntnissen
- Festlegen von reduzierbaren Diagrammen
- Verwenden des Ausgabe-Datasets in AppOne
- Output tables of the Basic Connector
- SAP Connectors
- Introduction to SAP Connector
- SAP-Eingabe
- Überprüfen der Daten im SAP Connector
- Hinzufügen von prozessspezifischen Tags zum SAP Connector für AppOne
- Hinzufügen von prozessspezifischen Fälligkeitsdaten zum SAP Connector für AppOne
- Hinzufügen von Automatisierungsschätzungen zum SAP Connector für AppOne
- Hinzufügen von Attributen zum SAP Connector für AppOne
- Hinzufügen von Aktivitäten zum SAP Connector für AppOne
- Hinzufügen von Entitäten zum SAP Connector für AppOne
- SAP Order to Cash Connector für AppOne
- SAP Purchase to Pay Connector für AppOne
- SAP Connector for Purchase to Pay Discovery Accelerator
- SAP Connector für den Order-to-Cash Discovery Accelerator
- Superadmin
- Die Registerkarte Arbeitsbereiche
- Die Registerkarte Entwicklungsdaten
- Die Registerkarte Versionen
- Die Registerkarte Freigegebene Daten
- The Builds tab
- Die Registerkarte Serverdaten
- Die Registerkarte Einstellungen (Settings)
- Die Registerkarte Superadmin-Benutzer
- Die Registerkarte Status
- Die Registerkarte Lizenz
- Erstellen von Releases
- Anzeigen des Verlaufs der Verzweigung
- Creating Apps
- Modules
- Dashboards und Diagramme
- Tabellen und Tabellenelemente
- Anwendungsintegrität
- How to ....
- Rebrand and restyle Apps and Discovery Accelerators
- Verwenden Sie Sharding in Ihren Anwendungen
- Example: Creating a Python Script
- Example: Creating an R Script
- Erstellen Sie ein anonymisiertes Dataset
- Einrichten automatisierter Datenaktualisierungen
- Verwenden Sie eine Zugriffsmatrix, um den rollenbasierten Zugriff auf Daten zu ermöglichen
- Arbeiten mit SQL-Connectors
- Introduction to SQL connectors
- Setting up a SQL connector
- CData Sync extractions
- Running a SQL connector
- Editing transformations
- Freigeben eines SQL-Connectors
- Scheduling data extraction
- Struktur von Transformationen
- Using SQL connectors for released apps
- Generating a cache with scripts
- Setting up a local test environment
- Separate development and production environments
- Nützliche Ressourcen
Process Mining-Benutzerhandbuch
Einleitung
In diesem Beispiel wird erläutert, wie die UiPath Process Mining-Plattform mit externen R-Skripts verbunden wird, um die externe Datenverarbeitung zu implementieren.
Installieren von R
Führen Sie diese Schritte aus, um R-Skript auf der Plattform verwenden zu können.
| Schritt | Aktion |
|---|---|
| 1 | Laden Sie die neueste Version des R-Pakets von . herunter https://cran.r-project.org/bin/windows/base/. |
| 2 | Installieren Sie R auf dem Server. Hinweis: Dies muss der Server sein, auf dem UiPath Process Mining installiert ist. |
| 3 | Suchen Sie das Installationsverzeichnis und den Pfad von Rscript.exe. Zum Beispiel: C:/Apps/Rscript.exe |
R ist auf dem Server installiert und Entwickler können sich mit einer Verbindungszeichenfolge damit verbinden.
Der Installationspfad wird benötigt, um Verbindungszeichenfolgen für ein R-Skript zu erstellen.
Beginnen Sie mit einigen Dummy-Daten, um die Einrichtung Ihres Arbeitsbereichs zu testen. Verwenden Sie beispielsweise das Beispiel „Hello World“, wie es unter Beispiel: Erstellen eines Python-Skripts beschrieben ist. Das Dummy-Rum-Skript enthält dann Folgendes: write("Hello world!", stderr()); quit("default", 1)
Allgemeine Übersicht
In diesem Beispiel wird ein R-Skript erstellt, das Fälle basierend auf ihren Ablaufverfolgungen gruppiert.
Schritte
- Einrichten der Servereinstellungen;
- Schreiben des Skripts.
- Einrichten der Datenquelle;
- Einrichten einer Skriptdatenquelle;
Einrichten der Servereinstellungen
Die generische Skriptdatenquelle erfordert Handler für alle externen Prozesse, die Sie ausführen möchten.
Führen Sie diese Schritte aus, um den Skript-Handler für das R-Skript hinzuzufügen.
| Schritt | Aktion |
|---|---|
| 1 | Gehen Sie zur Registerkarte Superadministrator-Einstellungen. |
| 2 | Fügen Sie ein Feld GenericScriptHandlers mit einem Objekt als Wert mit einem Schlüssel „r“ hinzu, der als Wert den Pfad zu Ihrer ausführbaren Python-Datei hat. Beispiel: "GenericScriptHandlers": {"r": "C:/Apps/Rscript.exe",} |
| 3 | Klicken Sie auf SPEICHERN. |
Schreiben des Skripts
Starten Sie in Ihrem Texteditor eine leere Textdatei und geben Sie den folgenden Code ein.
# get command line arguments
args <- commandArgs(trailingOnly=TRUE)
inputfile <- args[1]
# read csv file
input <- file(inputfile, 'r')
df <- read.table(input, header=TRUE, sep=";")
# pre-processing
df <- table(df)
df <- as.data.frame.matrix(df)
df <- df[, sapply(data.frame(df), function(df) c(length(unique(df)))) > 1] #remove columns with unique value
# cluster
df <- scale(df)
kc <- kmeans(df, centers = 5)
cluster <- kc$cluster
# output
resultdata <- cbind(rownames(df), cluster)
colnames(resultdata)[1] <- 'Case ID'
write.table(resultdata, row.names = FALSE, sep=";", qmethod = "double")
# get command line arguments
args <- commandArgs(trailingOnly=TRUE)
inputfile <- args[1]
# read csv file
input <- file(inputfile, 'r')
df <- read.table(input, header=TRUE, sep=";")
# pre-processing
df <- table(df)
df <- as.data.frame.matrix(df)
df <- df[, sapply(data.frame(df), function(df) c(length(unique(df)))) > 1] #remove columns with unique value
# cluster
df <- scale(df)
kc <- kmeans(df, centers = 5)
cluster <- kc$cluster
# output
resultdata <- cbind(rownames(df), cluster)
colnames(resultdata)[1] <- 'Case ID'
write.table(resultdata, row.names = FALSE, sep=";", qmethod = "double")
Führen Sie die folgenden Schritte aus.
| Schritt | Aktion |
|---|---|
| 1 | Speichern Sie die Textdatei als script.r . |
| 2 | Laden Sie die script.r -Datei in Ihren Arbeitsbereich hoch. |
Einrichten der Datenquelle
Um Eingabedaten zu definieren, erstellen Sie ein Attribut, das eine .CSV -ähnliche Zeichenfolge generiert. Es sollte in der Tabelle Globale platziert werden, da es als Eingabe in einer Tabellendefinition dient.
Sie können die Funktion csvtable verwenden, um Eingabedaten zu definieren.
In diesem Beispiel haben wir eine Anwendung mit der Ereignistabelle. Siehe Abbildung unten.
Führen Sie die folgenden Schritte aus, um einen Suchausdruck R_input_data aus der Tabelle Globals zu Ereignissen zu erstellen.
| Schritt | Aktion |
|---|---|
| 1 | Öffnen Sie die App in Ihrer Entwicklungsumgebung und wechseln Sie zur Registerkarte Daten. |
| 2 | Wählen Sie die Tabelle Globale aus. Klicken Sie mit der rechten Maustaste auf die Tabelle Globale in der Tabellenelementliste und wählen Sie Neuer Ausdruck... aus. |
| 3 | Legen Sie den Typ auf Lookup fest. |
| 4 | Wählen Sie Ereignisse als Eingabetabelle aus. |
| 5 | Geben Sie den folgenden Ausdruck ein: csvtable( 'CaseID', records.text(Case_ID) , 'Activity', records.text(Activity) ) |
| 6 | Geben Sie R_input_data in das Namensfeld ein. |
| 7 | Klicken Sie auf OK , um das Ausdrucksattribut in der Tabelle Globale zu speichern. |
Das Ausdrucksattribut wird in der Tabelle Globale erstellt. Siehe Abbildung unten.
Einrichten einer Skriptdatenquelle
Als Nächstes richten Sie eine Datenquellentabelle in der Anwendung ein, die das Skript aufruft.
Führen Sie diese Schritte aus, um die Skriptdatenquelle einzurichten.
| Schritt | Aktion |
|---|---|
| 1 | Erstellen Sie auf der Registerkarte Daten eine neue Tabelle Verbindungszeichenfolge. |
| 2 | Benennen Sie New_table in RscriptExample um. |
| 3 | Klicken Sie mit der rechten Maustaste auf die Tabelle RscriptExample und klicken Sie auf Erweitert > Optionen…. |
| 4 | Legen Sie im Dialogfeld Tabellenoptionen den Tabellen-Scope auf Arbeitsbereich fest. |
| 5 | Doppelklicken Sie auf die Tabelle RscriptExample , um das Fenster Verbindungszeichenfolgetabelle bearbeiten zu öffnen. |
| 6 | Geben Sie Folgendes als Verbindungszeichenfolge ein: ``'driver={mvscript |
| 7 | Geben Sie Folgendes als Abfrage ein: '' +'&scriptFile=' + urlencode("script.r") +'&inputData=' + urlencode(R_input_data) Siehe Abbildung unten. |
| 8 | Klicken Sie auf OK und dann auf JA , um die Daten neu zu laden. |
Beim Laden der Daten werden neue Attribute erkannt. Klicken Sie auf JA(2x) und klicken Sie auf OK.
Die Rscript_example -Tabelle verfügt jetzt über zwei Datenquellenattribute, Case_ID und cluster.
Siehe Abbildung unten.
Definieren des R-Skripts im Abfragefeld
Anstatt eine separate Datei mit dem R-Skript zu verwenden, können Sie das R-Skript auch im Feld Abfrage im Dialogfeld Verbindungszeichenfolge bearbeiten definieren. In diesem Fall verwenden Sie den Parameter scriptText anstelle des Parameters scriptFile .
Siehe Abbildung unten.