CoSMo: a Framework for Implementing Conditioned Process Simulation Models

要約

タイトル：CoSMo：条件つきプロセスシミュレーションモデルの実装のためのフレームワーク

要約：

– プロセスシミュレーションは、プロセスマイニングにおける分析ツールであり、変更の影響を測定し、損失を防止し、リスクやコストなしにプロセスを更新することができます。
– プロセスシミュレーションには、多くの手法が存在しますが、イベントログから発見されたプロセスモデルに基づく手法やディープラーニングによって学習された手法などがあります。
– ディープラーニングに基づく手法は、大規模なイベントログに対して一般化能力が高いが、確率性を制御することが難しいため、実際のシナリオに適用することが難しいという課題がある。
– この問題に対処するために、CoSMoフレームワークを提案している。このフレームワークは、ディープニューラルネットワークの学習フェーズを条件付けることで、制約を満たすイベントログのシミュレーションを可能にする。
– 実験により、提案されたフレームワークが、制約を満たすケースのシミュレーションをコントロールフローとデータフローの両方から検証することができることが示された。

要約(オリジナル)

Process simulation is an analysis tool in process mining that allows users to measure the impact of changes, prevent losses, and update the process without risks or costs. In the literature, several process simulation techniques are available and they are usually built upon process models discovered from a given event log or learned via deep learning. Each group of approaches has its own strengths and limitations. The former is usually restricted to the control-flow but it is more interpretable, whereas the latter is not interpretable by nature but has a greater generalization capability on large event logs. Despite the great performance achieved by deep learning approaches, they are still not suitable to be applied to real scenarios and generate value for users. This issue is mainly due to fact their stochasticity is hard to control. To address this problem, we propose the CoSMo framework for implementing process simulation models fully based on deep learning. This framework enables simulating event logs that satisfy a constraint by conditioning the learning phase of a deep neural network. Throughout experiments, the simulation is validated from both control-flow and data-flow perspectives, demonstrating the proposed framework’s capability of simulating cases while satisfying imposed conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI