プロセス発見における専門知識の統合

プロセス発見は、イベントログのデータに基づいてプロセスがどう機能するかのモデルを作る方法だよ。このモデルは、実際にプロセスがどのように実行されているかを示してる。実際に起こることが意図したことと一致しているか確認したり、プロセスのパフォーマンスを分析したり、他にも色々と使えるから重要なんだ。

通常、現行のプロセス発見の方法は、これらのモデルを作るために主に一つのイベントログに依存してるけど、他にも役に立つ情報源がたくさんあるのにあんまり活用されてないんだ。プロセスのドキュメントからのガイダンスや、プロセスをよく理解している専門家の洞察なんかがそれにあたる。この余分な知識を取り入れれば、作るモデルの質を向上させることができるんだ。

#追加の知識を取り入れる理由

多くの現行の方法は主にイベントログのデータに焦点を当ててる。それは大事だけど、もっと貴重な情報があることが多いよ。例えば、プロセスの専門家は、そのプロセスがどうあるべきかを知ってたり、フローチャートのような説明文書を持ってたりする。この種の情報は、二つのアクティビティが同時に起こられないとか、一つのアクティビティは他のアクティビティの後で行われなきゃならないってシンプルなルールで表現できるんだ。

私たちの新しいアプローチは、専門家の余分な知識をプロセス発見の方法に直接組み入れることを目指してる。そうすることで、プロセスが実際にどう動いてるかを本当に反映した、もっと正確なモデルを作れるようになるんだ。

#新しい方法の仕組み

私たちは、ユーザーが定義したルールや自動的に発見したルールを含むプロセス発見のための新しいフレームワークを提案するよ。このアプローチは、帰納的マイニング（Inductive Mining）と呼ばれる技術に基づいてる。主な革新点は、このルールを発見プロセス中にイベントログと一緒に入力できることだ。

この方法を通じて、プロセスの真の構造をよりよく表すモデルを作れる。これは、明快さを提供して、モデルを使う人たちがそれを簡単に理解できるようにするために重要なんだ。

#帰納的マイニング技術

帰納的マイニングの技術を使うと、理解しやすくて信頼性のあるモデルを構築できる。これらの技術は、イベントログから直接後続グラフ（DFG）を導出して、それがプロセス構造を構築する基盤となる。ただし、ドメイン知識のような他の情報を見落とすと、貴重な洞察を失うかもしれない。

イベントログをDFGに変換するプロセスは、情報を減少させる可能性がある。一部の方法は、あまり頻繁でない行動をフィルターアウトするから、さらに情報を失うことにつながるかも。発見プロセスで問題を避けるために、モデルの質を維持するためのいくつかの戦略を使って、妥協をすることがあったとしてもそれを助けるよ。

#ルールを使ったプロセスモデルの改善

新しいフレームワークでは、ルールを表現するためにDeclare言語を使用する。この言語は、プロセスの専門家の知識を表現するのを簡単にしてくれる。余分な情報は、改善されたプロセスモデルの発見を助ける。

また、自動化された方法を使って、より良いプロセス発見のために必要なルールを見つけるのも可能だ。私たちのフレームワークは、フォールバックオプションに頼るわけじゃなくて、完璧な解決が見つからない場合は、指定された基準に基づいて最良の利用可能なオプションを選ぶよ。

#プロセス発見の以前の取り組み

過去には、プロセス発見に追加の知識を取り入れようという試みがいくつかあった。この知識は、文書や専門家の洞察など、さまざまなソースから来てる。しかし、これらの方法は、発見プロセス中にこの知識を効果的に使えなかったことが多かったんだ。

例えば、ある研究者たちは、イベントログから知識を導き出してプロセスについてもっと学ぶ方法を提案した。他の人たちは、以前の知識を使ってプロセスの流れを表現するモデルを作ることに焦点を当てた。でも、ユーザー定義のルールをコアな発見方法に直接統合したのはごくわずかだった。

#私たちのアプローチを動機づける例

私たちの研究の必要性を示すために、いくつかの実例を見てみよう。標準の発見アルゴリズムを使って作成された既存のプロセスモデルを調べて、出力が実際のプロセスを正確に反映していないギャップを特定したんだ。

一例では、イベントログがプロセス中に一つの最終状態にしか到達すべきでないことを示してた。でも、発見されたモデルは複数の最終状態を許可していて、混乱や不正確さを引き起こしたよ。別の例では、プロセスがアクティビティが意味のない順序で発生することを許可するようにモデル化されていて、実際の実行とは合ってなかった。

これらの例を通じて、現在の多くのモデルが、実際のプロセスを効果的に表現するために必要な精度と一貫性を欠いていることが分かる。私たちの目標は、追加の知識を発見プロセスに直接組み込むことで、これらの問題に対処することなんだ。

#私たちのフレームワークの仕組み

私たちは、ルールを使った帰納的マイナー（IMr）という特定の方法を導入する。これは既存の帰納的マイニング技術を基にしていて、発見プロセス中にルールを含めるようにフレームワークを適応させたんだ。

新しいアプローチは、ルールに基づいてイベントログを異なる部分に分割することに焦点を当ててる。各ステップで、DFGを探索して潜在的な分割を返す。ルールがこれらの分割を洗練させ、得られるモデルがルールに埋め込まれた専門家の知識に従うことを保証する方法を説明するよ。

イベントログを処理する際、アルゴリズムは各潜在的な分割のコストを計算する。そして、このコストを最小化しつつ提供されたルールも考慮に入れた最良の分割を選ぶ。このことで、よりガイドされて正確なプロセス発見が実現できるんだ。

#ルールのセットを定義する

私たちの方法と以前の方法との主な違いは、ルールの使用で、それが発見されたプロセスモデルの振る舞いを導く制約になってる。各ルールは、どのアクティビティが発生するか、またその順番を制限または定義できる。

例えば、ルールは特定のアクティビティが一緒に発生できるとか、一つのアクティビティは他のアクティビティの後でしか起こらないって言ったりする。明確なルールを使うことで、生成されたモデルがこれらのルールに従うことを確保すれば、プロセスのより信頼性のある表現を作れるんだ。

#フレームワークの評価

私たちはフレームワークを実装して、いくつかの実際のイベントログを使ってテストした。その結果は期待できるもので、私たちのアプローチを使って作成されたモデルは、以前の方法で生成されたモデルよりも良いパフォーマンスを示してる。

評価は二つの部分に分けられる。一つは公開されているイベントログを調べること、もう一つは、実際のエージェンシーと協力してクレーム処理プロセスを探る特定のケーススタディを行うことだ。

#公開可能なイベントログ

私たちのテストでは、最初のイベントログのセットには、各プロセスを表すフィールドからの有名な例が含まれてる。新しい方法を通じて生成されたモデルは、通常、従来の方法で作成されたモデルと比べて、イベントログで観察された実際の行動とより良い整合性を示してる。

モデルの質を比較することで、主要なパフォーマンスメトリックの改善を確認した。これには、モデルがデータをどれだけ正確に反映しているか（整合性適合性）や、全体的な精度が含まれる。

#実際のエージェンシーとのケーススタディ

実際の応用として、オランダの従業員保険エージェンシーと協力した。彼らのクレーム処理プロセスを調べて、専門家の知識に基づいてモデルを改善するために私たちの方法を活用した。プロセス専門家とのインタビューや議論から導き出された規範は、モデルが実際の期待に沿っていることを保証した。

フレームワークは、データに一致するだけでなく、専門家が定義したルールにも従ったモデルを発見した。このケーススタディは、私たちのアプローチがどのように実行可能な洞察や、組織が効果的に活用できる信頼できるモデルを生成できるかを強調しているんだ。

#課題と限界への対処

私たちのフレームワークは大きな期待が持てるけど、克服すべき課題もまだある。例えば、帰納的マイニングアプローチは、長期的依存関係をうまく捉えられないことがある。これは、アクティビティ間の特定の複雑な関係が見落とされる可能性があるってことだ。

でも、私たちの方法は高い精度を保ちながら発見プロセスを導くように設計されてる。長期的依存関係が重要な場合、アルゴリズムがプロセスの基本構造と対立する場合には、特定のルールを無視する必要があることもある。

#モデルの質の保証

私たちのフレームワークは、生成されたモデルが健全で有効であることを保証してる。つまり、発見されたモデルはプロセスを正確に表現するのに頼れるってこと。ルールのセットは、アクティビティの正しい順序を導くためにアルゴリズムを導くために使われ、最終結果が期待されるものに沿ったものになるようにしているんだ。

#結論

提案したフレームワークは、ユーザー定義または自動化されたルールを発見プロセスに統合することで、プロセス発見において重要な進展を提供している。私たちの結果は、この新しいアプローチがより正確で有用なプロセスモデルを作成し、既存のプロセス知識と密接に結びついていることを示してる。

このフレームワークは、ドメイン専門家が進化する洞察に基づいてモデルを継続的に洗練できる、インタラクティブなプロセス発見のさらなる発展の扉を開く。さらに、複数のイベントログとも使用できるように適応する準備が整っていて、プロセスをよりよく理解し最適化しようとする組織にとって包括的なソリューションを提供するよ。