Classification and selection of process discovery algorithms framework
| Autor: | Rezende, Caio Appelt |
|---|---|
| Přispěvatelé: | Federson, Fernando Marques, Soares, Anderson da Silva, Lima, Eliomar Araújo de |
| Jazyk: | portugalština |
| Rok vydání: | 2017 |
| Předmět: | |
| Zdroj: | Biblioteca Digital de Teses e Dissertações da UFG Universidade Federal de Goiás (UFG) instacron:UFG |
| Popis: | A Mineração de Processos (Process Mining) é uma área de pesquisa recente e é composta por técnicas que permitem a análise e a extração de conhecimento a partir dos registros de eventos (logs) dos processos de negócios obtidos de Sistemas de Informação Gerenciais (SIG). As análises podem ser classificadas em três tipos: Descoberta de Processos, Checagem da Conformidade e Melhoria de Processos. Com o atual crescimento não apenas da quantidade, mas também dos tipos de algoritmos que procuram cumprir os objetivos da Mineração de Processos, uma classificação que leve em consideração a performance do algoritmo nas diversas situações reais de sua aplicação se torna importante. A Avaliação e a Comparação dos algoritmos a partir dos dados do repositório poderiam ser feitas através da aplicação de Métricas de Qualidade ou Técnicas de Aprendizado de Máquina. Este trabalho apresenta uma proposta de um conjunto de Métricas de Qualidade que tem como objetivo permitir a classificação, avaliação e comparação de algoritmos de Descoberta de Processos. A proposta foi construída com base na revisão dos algoritmos e suas famílias; no levantamento das possíveis características de performance, que podem ser aplicadas a qualquer tipo de algoritmo sendo testado; e em simulações de registros de eventos de padrões de processos de negócio. Os resultados obtidos pelo trabalho são promissores no sentido de criar a base conceitual e uma metodologia para que futuras pesquisas permitam a construção de um arcabouço (framework) de Avaliação e Comparação de novos algoritmos. Process Mining is a recent area of research and is composed of techniques that allow the analysis and extraction of knowledge from the logs of the business processes obtained from Management Information Systems (MIS). The analyzes can be classified into three types: Process Discovery, Conformance Check and Process Improvement. With the current growth not only of quantity, but also of the types of algorithms that seek to fulfill the objectives of Process Mining, a classification that takes into account the performance of the algorithm in the various real situations of its application becomes important. The Evaluation and Comparison of the algorithms from the repository data could be done through the application of Quality Metrics or Machine Learning Techniques. This work presents a proposal of a set of Quality Metrics to allow the classification, evaluation and comparison of Process Discovery algorithms. The proposal is based on the review of algorithms and their families; the possible performance characteristics, that can be applied to any type of algorithm being tested; and in simulations of business process patterns. The results obtained by the work are promising in the sense of creating the conceptual basis and a methodology for future research to allow the construction of a framework for Evaluation and Comparison of new algorithms. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|