From Internet of Things Data to Business Processes: Challenges and a Framework

要約

IoT およびビジネス プロセス管理 (BPM) コミュニティは、製造やヘルスケアなどの多くの共有アプリケーション ドメインで共存します。
IoT コミュニティは、ハードウェア、接続、データに重点​​を置いています。
BPM コミュニティは主に、プロセス内の IoT デバイス間の構造化された相互作用の検出、制御、強化に焦点を当てています。
プロセス マイニングの分野では、プロセス イベント ログからのプロセス モデルの抽出とプロセス分析を扱いますが、IoT センサーによって生成されるデータは、多くの場合、これらのプロセス レベルのイベントよりも粒度が低くなります。
IoT センサー値のストリームからプロセス関連データを抽出および抽象化することに関する基本的な質問は次のとおりです: (1) どのセンサー値がプロセス イベントの一部としてクラスター化できるか?、(2) どのセンサー値がそのようなイベントの開始と終了を示すか
?、(3) 関連しているが必須ではないセンサー値はどれですか?
この研究では、低レベルの IoT センサー データをプロセス マイニングに適した高レベルのプロセス イベントに変換する一連の構造化されたステップを半自動的に実行するフレームワークを提案します。
このフレームワークは、イベントの抽出、抽象化、相関付けをガイドする抽象的なステップの一般的なシーケンスを提供することを目的としており、各ステップに特定の分析手法とアルゴリズムを組み込むためのバリエーション ポイントを備えています。
フレームワークの完全性を評価するために、一連の課題、フレームワークを通じてそれらに取り組む方法、およびスマート製造分野からの実世界のデモンストレーションでフレームワークをインスタンス化する方法の例を示します。
この枠組みに基づいて、各ステップを洗練・改善することで、今後の研究を体系的に進めることができます。

要約(オリジナル)

The IoT and Business Process Management (BPM) communities co-exist in many shared application domains, such as manufacturing and healthcare. The IoT community has a strong focus on hardware, connectivity and data; the BPM community focuses mainly on finding, controlling, and enhancing the structured interactions among the IoT devices in processes. While the field of Process Mining deals with the extraction of process models and process analytics from process event logs, the data produced by IoT sensors often is at a lower granularity than these process-level events. The fundamental questions about extracting and abstracting process-related data from streams of IoT sensor values are: (1) Which sensor values can be clustered together as part of process events?, (2) Which sensor values signify the start and end of such events?, (3) Which sensor values are related but not essential? This work proposes a framework to semi-automatically perform a set of structured steps to convert low-level IoT sensor data into higher-level process events that are suitable for process mining. The framework is meant to provide a generic sequence of abstract steps to guide the event extraction, abstraction, and correlation, with variation points for plugging in specific analysis techniques and algorithms for each step. To assess the completeness of the framework, we present a set of challenges, how they can be tackled through the framework, and an example on how to instantiate the framework in a real-world demonstration from the field of smart manufacturing. Based on this framework, future research can be conducted in a structured manner through refining and improving individual steps.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google