Discriminative Rule Learning for Outcome-Guided Process Model Discovery
Created by
- Haebom
Category
Empty
저자
Ali Norouzifar, Wil van der Aalst
개요
정보 시스템에서 추출된 이벤트 로그는 비즈니스 프로세스를 이해하고 개선하는 데 유용한 자료입니다. 실제 응용 분야에서는 바람직한(효율적이거나 규정을 준수하는) 실행과 바람직하지 않은(비효율, 규칙 위반, 지연, 자원 낭비 등) 실행을 구분할 수 있습니다. 이 구분을 통해 결과 지향적인 방식으로 프로세스 발견을 안내할 수 있습니다. 단일 프로세스 모델을 발견하면 적합성 검사 및 성능 분석에 적합하지 않을 수 있으며, 중요한 행동 차이를 포착하지 못할 수 있습니다. 또한, 한 가지 동작을 다른 것보다 우선시하면 프로세스 결과 이해에 필수적인 구조적 차이가 모호해질 수 있습니다. 본 연구에서는 제어 흐름 특징에 대한 해석 가능한 차별 규칙을 학습하여 유사한 바람직성 프로필을 가진 트레이스를 그룹화하고 각 그룹 내에서 프로세스 발견을 개별적으로 적용합니다. 이로 인해 바람직하고 바람직하지 않은 실행의 동인을 모두 파악하는 데 초점을 맞춘 해석 가능한 모델이 생성됩니다. 공개적으로 사용할 수 있는 도구로 구현되었으며, 여러 실제 이벤트 로그에 대해 평가하여 중요한 프로세스 패턴을 격리하고 시각화하는 데 효과적임을 보여줍니다.
시사점, 한계점
•
시사점:
◦
결과 지향적인 프로세스 발견을 통해 효율적인 프로세스 모델링 가능.
◦
바람직한/바람직하지 않은 실행 구분을 통한 모델의 정확성 향상.
◦
해석 가능한 차별 규칙 학습을 통한 모델 이해도 증가.
◦
실제 이벤트 로그에 대한 평가를 통해 실용성 입증.
◦
공개적으로 사용 가능한 도구 제공.
•
한계점:
◦
구체적인 한계점은 논문 내용에 명시되지 않음. (논문 요약본에서는 언급되지 않음)
