The WHY in Business Processes: Discovery of Causal Execution Dependencies

要約

プロセス介入の結果を予測し、プロセスに関する情報に基づいた意思決定を行う上で重要な要素は、プロセス アクティビティの実行間の真の関係を解明することです。
最新のプロセス検出アルゴリズムは、モデル導出の主なソースとして時間の優先順位を利用します。
このような依存は、因果関係の観点から見ると、時には欺瞞となる可能性があります。
これには、プロセス内のタスク間の真の実行依存関係を発見するための忠実な新しい技術が必要です。
この目的を達成するために、私たちの研究は、アクティビティのタイミングに対する既存の因果関係発見アルゴリズムを活用することにより、真の因果関係を明らかにするための体系的なアプローチを提供します。
さらに、この研究では、プロセス マイニング検出アルゴリズムが因果ビジネス プロセス モデルと一致しないモデルを生成する一連の条件を詳しく調べ、プロセスの健全な分析に後者のモデルを方法論的にどのように使用できるかを示します。
私たちの方法論は、3 つの因果パターンのコンテキストで 2 つのモデル間のそのような不一致を検索し、これらの不一致がマイニングされたプロセス モデルに注釈を付けられる新しいビューを導き出します。
2 つのオープン プロセス マイニング アルゴリズム、IBM プロセス マイニング ツール、および LiNGAM 因果関係発見手法を使用した方法論を示します。
これを合成データセットと 2 つのオープン ベンチマーク データセットに適用します。

要約(オリジナル)

A crucial element in predicting the outcomes of process interventions and making informed decisions about the process is unraveling the genuine relationships between the execution of process activities. Contemporary process discovery algorithms exploit time precedence as their main source of model derivation. Such reliance can sometimes be deceiving from a causal perspective. This calls for faithful new techniques to discover the true execution dependencies among the tasks in the process. To this end, our work offers a systematic approach to the unveiling of the true causal business process by leveraging an existing causal discovery algorithm over activity timing. In addition, this work delves into a set of conditions under which process mining discovery algorithms generate a model that is incongruent with the causal business process model, and shows how the latter model can be methodologically employed for a sound analysis of the process. Our methodology searches for such discrepancies between the two models in the context of three causal patterns, and derives a new view in which these inconsistencies are annotated over the mined process model. We demonstrate our methodology employing two open process mining algorithms, the IBM Process Mining tool, and the LiNGAM causal discovery technique. We apply it on a synthesized dataset and on two open benchmark data sets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google