Developing process mining algorithms for finding meaningful patterns

İSMAİL YÜREK

Developing process mining algorithms for finding meaningful patterns

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2018

Tezin Dili: İngilizce

Öğrenci: İSMAİL YÜREK

Danışman: DERYA BİRANT

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Süreç madenciliği, bir bilgi sistemi tarafından kaydedilen olay kayıtlarından bilgi çıkarmak için kullanılan bir tekniktir. Süreç madenciliğinin süreç keşfi aşamasında, iş süreçlerini sistematik olarak temsil etmek ve olay günlüğündeki süreçlerin ilerleyişi hakkında genel bir fikir vermek için bir süreç modeli oluşturulur. Devam eden sürecin eğilimlerinin ve farklı özelliklerinin önceden bilinmesi önemlidir. Özellikle zaman yönetimi, iş süreçlerinin tasarlanmasında ve yürütülmesinde çok önemlidir. Her gün bilgi sistemleri bir iş akışının farklı süreç örneklerini toplar. Zaman geçtikçe, toplanan verilerin boyutu hızla artar ve büyük miktarda veri oluşturur. Bu kadar büyük hacimli verilerden, süreçlerin değerli bilgilerini ve özelliklerini elde etmek çok zor bir görevdir. Bu tez, olay günlüklerine dayalı süreç modeli oluşturmak için Etkileşimli Süreç Madenciliği (ESM) adında yeni bir algoritma önermektedir ve mevcut süreç modelinde aktivite silme, birleştirme ve ekleme işlemlerinden oluşan üç farklı özelliği barındıran yeni bir yaklaşım önermektedir. Önerilen algoritma (ESM), zaman perspektifi dahil edilerek genişletilmiştir. Zaman odaklı ESM algoritması (Z-ESM), bir iş akışındaki her bir sürecin kalan ve tamamlanma zamanını tahmin edebilmektedir Bu tez aynı zamanda, büyük hacimli olay günlüklerinde çalışmak ve devam eden süreç örneklerinin yürütme kayıtlarını işlemek için yeni bir süreç madenciliği aracının (ProLab) geliştirilmesini de içermektedir. Deneysel çalışmalar, ESM ve Z-ESM algoritmalarının ve ayrıca ProLab aracının hem gerçek yaşam hem de deneysel veri setlerinde düşük bellek kullanımı, modifikasyon fırsatı ve mevcut algoritmalara göre performansta iyileştirme gibi yeteneklerinin olduğunu göstermektedir.