WikiDer > Технологический майнинг

Process mining

Технологический майнинг семейство методик в области управление процессом которые поддерживают анализ деловые процессы на основе журналов событий. Во время интеллектуального анализа процессов к данным журнала событий применяются специализированные алгоритмы интеллектуального анализа данных, чтобы выявить тенденции, закономерности и детали, содержащиеся в журналах событий, записанных информационной системой. Технология Process Mining направлена ​​на повышение эффективности процессов и понимание процессов.[1]

Процессный майнинг также известен как Автоматизированное обнаружение бизнес-процессов (ABPD).[2] Однако в академической литературе[3] период, термин Автоматизированное обнаружение бизнес-процессов используется в более узком смысле для обозначения методов, которые принимают на входе журнал событий и создают на выходе модель бизнес-процесса. Термин Process Mining используется в более широком смысле и относится не только к методам обнаружения моделей процессов, но также и к методам соответствия бизнес-процессов и анализа производительности на основе журналов событий.

Обзор

Методы интеллектуального анализа процессов часто используются, когда невозможно получить формальное описание процесса с помощью других подходов или когда качество существующей документации вызывает сомнения. По мнению Gartner, Process Mining - это часть гиперавтоматизация.[4] Например, применение методологии анализа процессов к контрольным журналам система управления рабочим процессом, журналы транзакций Планирование ресурсов предприятия система, или электронные карты пациентов в больнице может привести к созданию моделей, описывающих процессы, организации и продукты.[5] Анализ журнала событий также можно использовать для сравнения журналов событий с прежний модель (ы), чтобы понять, соответствуют ли наблюдения предписывающей или описательной модели. Необходимо, чтобы данные журналов событий были связаны с идентификатором дела, действиями и отметками времени.[6] · [7].

Современные тенденции менеджмента, такие как БАМ (Мониторинг деловой активности), Спецификация (Управление бизнес-операциями) и BPI (аналитика бизнес-процессов) иллюстрируют интерес к поддержке функциональных возможностей диагностики в контексте управление бизнес-процессами технологии (например, Системы управления рабочим процессом и другие осознающий процесс информационные системы).


Заявление

Технологический майнинг следует опциям, установленным в разработка бизнес-процессов, а затем выходит за рамки этих возможностей, предоставляя отзывы для моделирование бизнес-процессов:[8]

  • анализ процесса фильтры, заказы и компрессы лог-файлы для дальнейшего понимания Connex[требуется дальнейшее объяснение] технологических операций.
  • разработка процесса может быть поддержан обратной связью от мониторинг процесса (запись или регистрация действий или событий)
  • вступление в силу использует результаты интеллектуального анализа процессов на основе журналов для запуск дальнейшие технологические операции

А база данных приложений Process Mining перечислите все основные инициативы по разработке процессов.

Классификация

Существует три класса методов интеллектуального анализа данных. Эта классификация основана на том, есть ли прежний модель и, если да, то как предыдущая модель используется во время интеллектуального анализа процессов.

  • Открытие: Предыдущий (априори) моделей не существует. На основе журнала событий создается или обнаруживается новая модель на основе низкоуровневых событий. Например, используя альфа-алгоритм (дидактический подход).[9] Существует множество установленных методов автоматического построения моделей процессов (например, Сеть Петри, пи-исчисление[10][циркулярная ссылка] выражение) на основе журнала событий.[9][11][12][13][14] В последнее время исследования в области интеллектуального анализа процессов начали ориентироваться на другие аспекты (например, данные, ресурсы, время и т. Д.). Одним из примеров является техника, описанная в (Aalst, Reijers, & Song, 2005),[15] который можно использовать для создания социальной сети.
  • Проверка соответствия: Используется, когда есть априори модель. Существующая модель сравнивается с журналом событий процесса; Анализируются расхождения между каротажем и моделью. Например, может существовать модель процесса, указывающая, что заказы на закупку на сумму более 1 миллиона евро требуют двух проверок. Другой пример - проверка так называемого принципа «очкарик». Проверка соответствия может использоваться для обнаружения отклонений и обогащения модели. Примером может служить расширение модели процесса данными о производительности, т.е. априори Модель процесса используется для прогнозирования потенциальных узких мест. Другой пример - майнер решений описан в (Rozinat & Aalst, 2006b)[16] что требует априори модель процесса и анализирует каждый выбор в модели процесса. Для каждого выбора просматривается журнал событий, чтобы узнать, какая информация обычно доступна в момент выбора. Затем используются классические методы интеллектуального анализа данных, чтобы увидеть, какие элементы данных влияют на выбор. В результате для каждого варианта процесса создается дерево решений.
  • Производительный майнинг: Используется, когда есть априори модель. Модель расширена новой информацией о производительности, такой как время обработки, время цикла, время ожидания, затраты и т. Д., Так что цель нет для проверки соответствия, а скорее для улучшения характеристик существующей модели в отношении определенных показателей эффективности процесса. Примером является расширение модели процесса данными о производительности, то есть некоторая предшествующая модель процесса, динамически аннотированная с данными о производительности.

Смотрите также

Рекомендации

  1. ^ «Process Mining (определение)». processmining.org. Process Mining Group, Технологический университет Эйндховена. 24 августа 2011 г.. Получено 18 апреля 2011.
  2. ^ «Автоматизированное обнаружение бизнес-процессов (ABPD)». Gartner.com. Gartner, Inc., 2015 г.. Получено 6 января 2015.Определение Gartner.
  3. ^ Дюма, Марлон; Ла Роса, Марчелло; Мендлинг, Ян; Рейджерс, Хаджо А. (2018). Основы управления бизнес-процессами (2-е изд.). Springer.
  4. ^ «10 основных стратегических технологических тенденций Gartner на 2020 год». Gartner.
  5. ^ Кирчмер М., Лаенгл С. и Масиас В. (2013). Управление бизнес-процессами на основе прозрачности в медицинских учреждениях [передовой уровень]. Журнал «Технологии и общество», IEEE, 32 (4), 14–16.
  6. ^ Луис М. Камаринья-Матос, Фредерик Бенабен, Вилли Пикард (2015). Риски и устойчивость совместных сетей
  7. ^ Симеон Христодулу, Раймар Шерер (2016). Электронная работа и электронный бизнес в архитектуре, проектировании и строительстве: ECPPM 2016
  8. ^ Process Mining: открытие, соответствие и совершенствование бизнес-процессов, Springer Verlag, Берлин (ISBN 978-3-642-19344-6).
  9. ^ а б Аалст, В. ван дер, Weijters, A., & Maruster, L. (2004). Интеллектуальный анализ рабочего процесса: обнаружение моделей процессов из журналов событий. IEEE Transactions по разработке знаний и данных, 16 (9), 1128–1142.
  10. ^ Π-исчисление
  11. ^ Агравал, Р., Гунопулос, Д., и Лейманн, Ф. (1998). Модели процессов интеллектуального анализа данных из журналов рабочего процесса. В Шестой международной конференции по расширению технологии баз данных (стр. 469–483).
  12. ^ Кук Дж. И Вольф А. (1998). Открытие моделей программных процессов на основе событийных данных. Транзакции ACM по программной инженерии и методологии, 7 (3), 215–249.
  13. ^ Датта, А. (1998). Автоматизация обнаружения моделей бизнес-процессов «как есть»: вероятностный и алгоритмический подходы. Исследования информационных систем, 9 (3), 275–301.
  14. ^ Вейтерс, А., & Аалст, В. ван дер (2003). Повторное открытие моделей рабочих процессов на основе событийных данных с помощью Little Thumb. Интегрированная компьютерная инженерия, 10 (2), 151–162.
  15. ^ Алст, В. ван дер, Бир, Х., & Донген, Б. ван (2005). Разработка процессов и проверка свойств: подход, основанный на временной логике. В R. Meersman & Z. T. et al. (Ред.), На пути к осмысленным интернет-системам 2005: CoopIS, DOA и ODBASE: Конфедеративные международные конференции OTM, CoopIS, DOA и ODBASE 2005 (том 3760, стр. 130–147). Шпрингер-Верлаг, Берлин.
  16. ^ Розинат, А., & Аалст, В. ван дер (2006a). Тестирование на соответствие: измерение соответствия и соответствия журналов событий и моделей процессов. В C. Bussler et al. (Ред.), BPM 2005 Workshops (Практикум по аналитике бизнес-процессов) (том 3812, стр. 163–176). Шпрингер-Верлаг, Берлин.

дальнейшее чтение

  • Аалст, В. ван дер (2011). Интеллектуальный анализ процессов: открытие, соответствие и улучшение бизнес-процессов. Springer Verlag, Берлин (ISBN 978-3-642-19344-6).
  • Аалст, В. ван дер, Донген, Б. ван, Хербст, Дж., Марустер, Л., Шимм, Г., и Вейтерс, А. (2003). Workflow Mining: обзор проблем и подходов. Инженерия данных и знаний, 47 (2), 237–267.
  • Аалст, В. ван дер, Рейджерс, Х. и Сонг, М. (2005). Обнаружение социальных сетей из журналов событий. Совместная работа с компьютерной поддержкой, 14 (6), 549–593.
  • Янс, М., ван дер Верф, Дж. М., Лайберт, Н., Ванхуф, К. (2011) Приложение для анализа бизнес-процессов для предотвращения внутреннего мошенничества при транзакциях, Экспертные системы с приложениями, 38 (10), 13351–13359
  • Донген, Б. ван, Медейрос, А., Вербеек, Х., Вейтерс, А., & Аалст, В. ван дер (2005). Платформа ProM: новая эра в поддержке инструментов Process Mining. В: G. Ciardo & P. ​​Darondeau (Eds.), Application and Theory of Petri Network 2005 (Vol. 3536, pp. 444–454). Шпрингер-Верлаг, Берлин.
  • Дюма, М., Аалст, В. ван дер, & Хофстеде, А. тер (2005). Информационные системы, ориентированные на процессы: объединение людей и программного обеспечения через технологические процессы. Wiley & Sons.
  • Григори, Д., Касати, Ф., Кастелланос, М., Даял, У., Саял, М., и Шан, М. (2004). Анализ бизнес-процессов. Компьютеры в промышленности, 53 (3), 321–343.
  • Григори Д., Касати Ф., Даял У. и Шан М. (2001). Повышение качества бизнес-процессов за счет понимания, прогнозирования и предотвращения исключений. В: П. Аперс, П. Ацени, С. Цери, С. Парабоски, К. Рамамоханарао и Р. Снодграсс (ред.), Труды 27-й международной конференции по очень большим базам данных (VLDB'01) (стр. 159– 168). Морган Кауфманн.
  • IDS Scheer. (2002). ARIS Process Performance Manager (ARIS PPM): измерение, анализ и оптимизация производительности бизнес-процессов (технический документ).
  • Ингвальдсен, J.E., & J.A. Гулла. (2006). Анализ бизнес-процессов на основе моделей. Журнал управления информационными системами, Vol. 23, No. 1, Special Issue on Business Intelligence, Auerbach Publications
  • Кирчмер М., Лаенгле С. и Масиас В. (2013). Управление бизнес-процессами на основе прозрачности в медицинских учреждениях [передовой уровень]. Журнал «Технологии и общество», IEEE, 32 (4), 14–16.
  • Цур Мюлен, М. (2004). Управление процессами на основе рабочих процессов: основа, разработка и применение информационных систем, ориентированных на рабочие процессы. Логотипы, Берлин.
  • Цур Мюлен, М., и Роземанн, М. (2000). Мониторинг и контроль процессов на основе рабочих процессов - технические и организационные вопросы. В работе Р. Спрэга (ред.), Труды 33-й Гавайской международной конференции по системной науке (HICSS-33) (стр. 1–10). Издательство IEEE Computer Society Press, Лос-Аламитос, Калифорния.
  • Розинат, А., & Аалст, В. ван дер (2006b). Майнинг решений в ProM. В С. Дастдар, Дж. Файдейро и А. Шет (редакторы), Международная конференция по управлению бизнес-процессами (BPM 2006) (том 4102, стр. 420–425). Шпрингер-Верлаг, Берлин.
  • Саял, М., Касати, Ф., Даял, У., и Шан, М. (2002). Пульт управления бизнес-процессами. В материалах 28-й международной конференции по очень большим базам данных (VLDB’02) (стр. 880–883). Морган Кауфманн.
  • Хузер В., Старрен Дж. Б., Предварительная обработка данных EHR, облегчающая добычу полезных ископаемых: приложение к хронической болезни почек. AMIA Annu Symp Proc 2009 связь
  • Росс-Талбот С. Важность и потенциал описаний для нашей отрасли. Основной доклад на 10-й Международной федеративной конференции по методам распределенных вычислений [1]
  • Гарсия, Клейтон душ Сантуш; Майнхейм, Алекс; и другие. (2019). Методы и приложения процесса добычи - систематическое картографическое исследование ». Экспертные системы с приложениями. 133: 260–295. ISSN 0957-4174. DOI: 10.1016 / j.eswa.2019.05.003 [2]

внешняя ссылка