کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6923597 1448362 2018 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Belief network discovery from event logs for business process analysis
ترجمه فارسی عنوان
کشف شبکه اعتقاد از گزارش رویداد برای تجزیه و تحلیل روند کسب و کار
کلمات کلیدی
تجزیه و تحلیل روند کار، پیش بینی اجرای فرآیند، معدن فرایند، ورود رویداد، شبکه اعتقاد مدل احتمالی
ترجمه چکیده
فرآیندهای کسب و کار بخشی اصلی هر سازمان است، بنابراین ضروری است که اجرای آنها را بهبود بخشد. تجزیه و تحلیل داده های پردازش واقعی می تواند بینش های مفید ارائه دهد. تکنیک های استخراج فرایندها می تواند به ثبت رویدادها حاوی اطلاعات مرتبط با اجرای فرآیند کسب و کار برای کشف فرآیندهای کسب و کار و رفتار آنها به منظور بهبود پشتیبانی تصمیم گیری اعمال شود. این مقاله یک رویکرد برای کشف شبکه احتمالاتی را از گزارشهای رویداد ارائه می دهد که بر اطلاعات مربوط به دامنه ای که در سیاهه ها برای تحلیل رفتار فرایند کسب و کار وجود دارد، تمرکز دارد. برای اهداف ارزیابی، رویکرد برای پیش بینی اجرای فرآیند کسب و کار استفاده می شود. آزمایشات ارائه شده در این مقاله نشان می دهد کاربرد عملی روشی برای سیاهههای مربوط به مصنوعی و زندگی واقعی. نتایج به دست آمده ثابت می کنند که این روش برای پیش بینی فعالیت پیگیری مناسب است و ماهیت روش آن را می توان برای موارد دیگر استفاده، مانند تشخیص ناهنجاری یا شبیه سازی روند کسب و کار گسترش داد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Business processes are a main part of any organization therefore it is essential to improve their execution. Analysis of real process data can provide useful insights. Process mining techniques can be applied to event logs containing data related to business process execution to discover business processes and their behaviour therefore improving decision support. This paper presents an approach to discover probabilistic belief network from event logs, which focuses on domain-specific data contained in the logs for the analysis of business process behaviour. For evaluation purposes, the approach is applied to predict the business process execution. Experiments presented in the paper showcase practical application of the approach for synthetic and real-life logs. Obtained results prove that the approach is suitable for follow-up activity prediction and the nature of the approach allows for it to be extended for other use cases, such as anomaly detection or business process simulation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Industry - Volume 100, September 2018, Pages 258-266
نویسندگان
, ,