Markov-basiertes Process Mining

Trabajo de Seminario , 2011 , 37 Páginas , Calificación: 1,7

Informática - Informatica de negocios

Seit Anfang der 1990er Jahre hält die modellbasierte Ausführung von Prozessen immer mehr Einzug in Unternehmen und deren Informationssysteme. Beispielsweise werden im Bereich der Software-Entwicklung vor der Implementierung Modelle, der zu unterstützenden Prozesse, erstellt, sodass Missverständnisse im Vorfeld beseitigt werden und somit die Erfolgsaussichten eines Projektes gesteigert werden. Gleiches gilt im betrieblichen Kontext – idealerweise werden hier Prozessmodelle entworfen, welche später in die Ausführung durch menschliche oder maschinelle Ressourcen überführt werden. Geschäfts-prozessmanagement- oder Workflowmanagementsysteme sind heute sogar in der Lage die grafisch visualisierten Modelle direkt und ohne Umwege auszuführen.

Alle an einem solchen Prozess beteiligten Informationssysteme, beispielsweise ERP, CRM oder SCM, stellen Informationen zu den einzelnen Prozessschritten bereit, wodurch das Monitoring und die Analyse der Prozesse ermöglicht wird. Die Technologien dazu fallen unter die Schlagwörter BPA (Business Process Analysis) und BAM (Business Activity Monitoring). Die Existenz dieser und anderer Schlagwörter kennzeichnen die Notwendigkeit entsprechender Software, wobei Process Mining einen entscheidenden Beitrag liefert.

Das Ziel des Process Mining besteht in der Extraktion explizit vorhandenen Prozesswissens anhand der protokollierten Prozessinformationen, welche im Allgemeinen in Log-Dateien abgelegt werden. Dabei sollen nicht nur die Prozessabläufe analysiert, sondern auch kausale Zusammenhänge zwischen den einzelnen Aktivitäten hergestellt werden.

In der vorliegenden Arbeit wird deshalb zunächst auf das Process Mining im Allgemeinen eingegangen. Hier werden die Grundlagen vermittelt, die für das korrekte Verständnis der Problemstellung notwendig sind, sowie ein Ordnungsrahmen entworfen, um die verschiedenen Themenfacetten korrekt einordnen zu können. Anschließend wird kurz auf Markov-Modelle eingegangen und schließlich das Markov-basierte Process Mining erörtert. Abschließend werden die gewonnenen Kenntnisse zusam-mengefasst und in einem Fazit konkretisiert.

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1. Einleitung und Motivation

2. Process Mining
2.1 Begriffsklärung
2.2 Sichten des Process Mining
2.3 Einsatzmöglichkeiten
2.4 Grundkonzepte
2.4.1 Einführung
2.4.2 Annahmen
2.4.3 Log-basierte Ordnungsrelationen
2.4.4 Mining-Prozess
2.4.5 Herausforderungen
2.5 Methoden
2.7 Ordnungsrahmen

3. Markov Modelle
3.1 Einführung
3.2 Markov-Ketten
3.3 Markov Modelle

4. Markov-basiertes Process Mining
4.1 Einführung
4.2 Endlicher Zustandsautomat (FSM)
4.3 Parametrisierung
4.4 Beispiel
4.5 Processing
4.5.1 Erstellung von Wahrscheinlichkeitstabellen
4.5.2 Konstruktion eines gerichteten Graphen
4.5.3 Auflösung überladener Knoten
4.5.4 Konvertierung in einen endlichen Zustandsautomaten
4.5.5 Zusammenführung nichtdeterministischer Transitionen
4.6 Metriken zur Erkennung paralleler Abläufe
4.6.1 Vorbemerkung
4.6.2 Entropy
4.6.3 Event Type Counts
4.6.4 Periodicy
4.6.5 Deciding Causality
4.7 Evaluation
4.8 „Related Work“

5. Zusammenfassung und Fazit

Literaturverzeichnis

• Universidad: Saarland University (Institut für Wirtschaftsinformatik)
• Calificación: 1,7
• Autor: Tom Thaler (Autor)
• Año de publicación: 2011
• Páginas: 37
• No. de catálogo: V168019
• ISBN (Ebook): 9783640848829
• ISBN (Libro): 9783640849215
• Idioma: Alemán
• Etiqueta: Process Mining, Workflow Mining, Mining, BPM, Geschäftsprozessmanagement, Business Process Management, Markov, Markov Modell, Markov Kette, Entropy, Data Mining, GPM, PM