An End-to-End Approach for Online Decision Mining and Decision Drift Analysis in Process-Aware Information Systems: Extended Version

要約

デシジョン マイニングは、イベント ログまたはストリームからのデシジョン ルールの発見を可能にし、ビジネス プロセスの詳細な分析と最適化の重要な部分を構成します。
これまでのところ、デシジョン マイニングは単に事後的な方法で適用され、特定のログ データ チャンクのデシジョン ルールのスナップショットが得られました。
対照的に、オンライン意思決定マイニングでは、意思決定ルールの進化と意思決定のドリフトを継続的に監視できます。
したがって、このホワイトペーパーでは、実行時の決定ポイントと対応する決定ルールの発見と監視のためのエンドツーエンドのアプローチを提示し、オンライン制御フローの発見と決定マイニングの間のギャップを埋めます。
このアプローチは、効率的な意思決定ドリフトの発見と監視により、プロセス認識情報システムの自動意思決定サポートを提供します。
モニタリングでは、精度に関する決定ルールのパフォーマンスだけでなく、データ要素の発生や分岐頻度の変化も考慮されます。
この論文では、4 つの合成データ セットと 1 つの実際のデータ セットで評価される 2 つのアルゴリズムを提供し、アプローチの実現可能性と適用可能性を示しています。
全体として、このアプローチはビジネス プロセスにおける意思決定の理解を促進し、人間とプロセスの相互作用の改善に貢献します。

要約(オリジナル)

Decision mining enables the discovery of decision rules from event logs or streams, and constitutes an important part of in-depth analysis and optimisation of business processes. So far, decision mining has been merely applied in an ex-post way resulting in a snapshot of decision rules for the given chunk of log data. Online decision mining, by contrast, enables continuous monitoring of decision rule evolution and decision drift. Hence this paper presents an end-to-end approach for the discovery as well as monitoring of decision points and the corresponding decision rules during runtime, bridging the gap between online control flow discovery and decision mining. The approach provides automatic decision support for process-aware information systems with efficient decision drift discovery and monitoring. For monitoring, not only the performance, in terms of accuracy, of decision rules is taken into account, but also the occurrence of data elements and changes in branching frequency. The paper provides two algorithms, which are evaluated on four synthetic and one real-life data set, showing feasibility and applicability of the approach. Overall, the approach fosters the understanding of decisions in business processes and hence contributes to an improved human-process interaction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google