비즈니스 프로세스 검색

Business process discovery

비즈니스 프로세스 관리 및 프로세스 마이닝과 관련된 BPD(Business Process Discovery, BPD)는 조직의 현재 비즈니스 프로세스와 주요 프로세스 변동의 표현을 수동 또는 자동으로 구성하는 일련의 기법이다. 이러한 기법은 조직 내에서 비즈니스 프로세스를 운영하는 기존의 조직적 작업 방법, 문서화 및 기술 시스템에 기록된 데이터를 사용한다. 프로세스 검색에 필요한 데이터의 유형을 이벤트 로그라고 한다. 사례 ID(동일한 사례에 속하는 활동을 그룹화하는 데 유용한 고유 식별자), 활동 이름(수행 중인 활동에 대한 설명) 및 타임스탬프가 포함된 모든 데이터 기록. 이러한 기록은 이벤트 로그에 적합하며 기본 프로세스 모델을 발견하는 데 사용될 수 있다. 이벤트 로그에는 활동을 실행하는 리소스, 이벤트의 유형 또는 특성 또는 기타 관련 세부 정보와 같은 프로세스와 관련된 추가 정보가 포함될 수 있다. 프로세스 검색은 이벤트 로그를 가능한 가깝게 설명하는 프로세스 모델을 얻는 것을 목표로 한다. 프로세스 모델은 프로세스를 그래픽으로 표현하는 역할을 한다(Petri nets, BPMN, 활동도, 상태도 등). 검색에 사용되는 이벤트 로그에는 노이즈, 불규칙한 정보 및 일치하지 않는/잘못된 타임스탬프가 포함될 수 있다. 이러한 소음이 많은 이벤트 로그와 시스템 뒤에 숨겨진 실제 프로세스의 일부만 이벤트 로그에 포함되기 때문에 프로세스 검색이 어렵다. 발견 알고리즘은 실제 행동에 가장 가까운 모델을 개발하기 위해 이벤트 로그가 제공하는 데이터의 일부분에만 의존해야 한다.

프로세스 검색 기술

이벤트 로그를 사용하여 프로세스 모델을 발견하기 위한 다양한 알고리즘이 수년에 걸쳐 개발되었다.

  • α-162 - α-162는 동시성을 적절하게 다룰 수 있는 첫 번째 프로세스 발견 알고리즘이었다. 이벤트 로그를 입력으로 하여, α-알고리즘은 이벤트 로그에서 발생하는 활동 사이의 다양한 "관계"를 도출한다. 이러한 관계는 통나무를 나타내는 페트리 그물을 생산하는 데 사용된다. α-알고리즘은 실전에 활용할 수 있는 채굴 기법으로 간주되어서는 안 되지만, 주제에 대한 좋은 소개를 제공한다. α-알고리즘은 많은 다른 프로세스 발견 기법의 기초를 제공했다.[1]
  • 휴리스틱 광산 – 휴리스틱 채굴 알고리즘은 인과망과 유사한 표현을 사용한다. 더욱이 이러한 알고리즘은 프로세스 모델을 구성할 때 사건 및 시퀀스의 빈도를 고려한다. 이 모델에 간헐적인 경로를 통합해서는 안 된다는 것이 기본 생각이다.[2]
  • 유전적 공정 마이닝 - α-알고리즘과 경험적 및 퍼지 마이닝에 대한 기술은 직접적이고 결정론적인 방식으로 프로세스 모델을 제공한다. 유전 알고리즘은 생물학적 시스템에서 진화의 자연스러운 과정을 모방한 검색 기법이다. 이러한 알고리즘은 기존 포인트를 테스트하거나 돌연변이 과정이나 기존 포인트의 조합을 통해 검색 공간에서 해결책을 찾으려고 한다. 그러한 접근법은 결정론적이지 않으며 새로운 대안을 찾기 위해 무작위화에 의존한다.[3]
  • 지역 기반 채굴 - 페트리 그물 맥락에서, 연구원들은 소위 합성 문제, 즉 그 행동에 대한 설명으로부터 시스템 모델을 구축하는 것을 보아왔다. 국가 기반 지역은 전환 시스템에서 페트리 그물을 건설하는 데 사용될 수 있다. 이 기법은 '일반 흥분 지역'을 찾아 이를 이용해 페트리망을 구축한다. 언어 기반 영역은 접두사 닫힘 언어로 페트리망을 구성하는 데 사용될 수 있다. 언어 기반 영역 기법은 이벤트 로그에서 모델링한 대수적 제약조건을 사용하여 이벤트 로그에서 관찰된 동작을 허용하는 장소를 결정한다.[4]
  • 유도 광부 - 다양한 유도 공정 발견 기술이 공정 트리를 위해 존재하며, 이는 시공으로부터 건전성을 보장한다. 그러므로 귀납적 채굴 프레임워크는 확장성이 높으며 기본 접근법의 많은 변형을 허용한다. 유연성, 형식적 보증, 확장성 등으로 대표적인 프로세스 발굴 접근방식 중 하나로 꼽힌다.[5]

적용

Business Process Discovery는 다른 많은 분야의 작업을 보완하고 기반으로 한다.

  • 프로세스 발견은 세 가지 주요 프로세스 마이닝 유형 중 하나이다. 다른 두 가지 유형의 프로세스 마이닝은 적합성 검사 및 모델 확장/향상이다.[6] 이러한 모든 기술은 이벤트 로그에서 프로세스 관련 지식을 추출하는 것을 목표로 한다. 프로세스 검색의 경우 사전 프로세스 모델이 없으며, 이벤트 로그를 기반으로 모델을 검색한다. 적합성 점검은 주어진 프로세스 모델과 이벤트 로그 사이의 차이를 찾는 것을 목표로 한다. 이러한 방법으로 컴플라이언스를 정량화하고 불일치를 분석할 수 있다. 개선은 선행 모델을 취하고 이벤트 로그의 정보를 사용하여 개선하거나 확장한다(예: 병목 현상 표시).
  • 비즈니스 프로세스 검색은 기업이 일상적인 운영에 들어가는 기본 구조와 프로세스를 보고 분석하며 조정할 수 있도록 하는 새로운 비즈니스 분석 분야에서 다음 단계의 이해다. 이 발견은 기술, 인력, 부서 절차 및 프로토콜을 포함한 비즈니스 프로세스의 모든 구성요소에 대한 정보 수집을 포함한다.
  • 비즈니스 프로세스 검색은 BPA(Business Process Analysis)를 보완하는 프로세스 마스터를 생성한다. BPA 도구와 방법론은 하향식 계층적 프로세스 분해 및 예정 프로세스의 분석에 매우 적합하다. BPD는 BPA에 의해 계층적으로 조직된 완전한 비즈니스 프로세스를 제공하기 위해 하향식 분석을 제공한다.
  • 비즈니스 인텔리전스는 조직의 데이터에 대한 보고 및 분석을 제공한다. 그러나 BI에는 프로세스 모델, 인식 또는 분석이 없다. BPD는 현재 운영에 대한 명확한 프로세스 뷰를 제공하고, 그 프로세스 모델에 대한 분석을 제공하여 조직이 비즈니스 프로세스 비효율성 또는 이상 징후를 식별하고 이에 대처하도록 지원함으로써 BI를 보완한다.
  • 웹 분석은 웹 사이트와 상호작용하면서 웹 사용자의 프로세스를 재구성한다는 점에서 BPD의 제한된 예다. 그러나 이러한 분석은 세션에 포함된 프로세스, 사용자 관점 및 웹 기반 시스템과 프로세스에 한정된다.
  • 비즈니스 부문은 명시되고 측정 가능한 목표 또는 결과 달성에 대한 상대적 중요도에 따라 비즈니스 프로세스 분석(BPA)으로 식별된 프로세스를 분류하기 위한 프레임워크를 제공한다. 군 의료 및 재난 의료 서비스에 고용된 동일한 범주를 활용하여 비즈니스 프로세스를 다음과 같이 분류한다.
    • 필수/중요(적색 프로세스) - 결과/목표를 달성하기 위해 필수적인 프로세스
    • 중요/긴급(노란색 프로세스) - 결과/목표 달성 속도를 높이는 프로세스
    • 선택적/지원적(친환경적 프로세스) - 결과/목표를 달성하기 위해 프로세스가 필요하지 않음

자원은 프로세스 범주에 기초하여 할당되며, 먼저 빨간색 프로세스에 전용된 자원과 노란색 프로세스, 마지막으로 녹색 프로세스에 전용되는 자원이 있다. 자원이 제한되는 경우, 자원은 먼저 녹색 프로세스에서 보류된 다음 황색 프로세스에서 보류된다. 결과/목표를 달성하지 못하는 것이 허용되는 경우에만 자원들은 적색 프로세스로부터 보류된다.

목적과 예

오늘날 필요한 비즈니스 프로세스 검색 기술을 설명하는 작은 예가 될 수 있다. 자동화된 비즈니스 프로세스 검색 도구는 필요한 데이터를 캡처하여 실제 진단을 위한 구조화된 데이터 세트로 변환하며, 중요한 과제는 사용자의 반복 작업을 의미 있는 이벤트로 그룹화하는 것이다. 다음으로, 이러한 비즈니스 프로세스 검색 도구는 확률적 프로세스 모델을 제안한다. 공정의 분석과 진단을 위해서는 확률적 행동이 필수적이다. 다음은 확률론적 수리 프로세스가 사용자 조치에서 복구되는 예를 보여준다. "있는 그대로"의 프로세스 모델은 이 사업의 고통이 정확히 어디에 있는지 보여준다. 수리 불량률이 5%에 이르는 것은 나쁜 징조지만, 더 나쁜 것은 수리를 완료하는 데 필요한 반복적인 수리가 번거롭다는 것이다.

Business Process Discovery Example

"있는 그대로" 공정 데이터에 대한 심층 분석은 이 예에서 전반적인 동작을 담당하는 결함 부품이 무엇인지 밝혀낼 수 있다. 실제로 개선을 위해 관리 초점을 필요로 하는 수리 부분군의 발견으로 이어질 수 있다.

Business Process Comprehend

이 경우, 결함이 있는 부품도 반복적인 수정에 책임이 있다는 것이 명백해질 것이다. 4개월 이내에 비즈니스 프로세스 분석의 ROI가 보험금 청구 처리 프로세스를 정밀하게 이해하고 결함 부품을 발견함으로써 획득된 의료 보험 제공자의 사례와 같이 유사한 애플리케이션이 문서화되었다.

역사

  • 비즈니스 인텔리전스(BI)는 20여 년 전에 등장했으며 조직의 시스템 내에서 일어나는 일을 보고하는 데 매우 중요하다. 그러나 현재의 BI 애플리케이션과 데이터 마이닝 기술은 항상 비정형 데이터를 분석하는 데 필요한 세부사항의 수준과 비즈니스 프로세스의 인적 역학을 평가하는 데 적합하지 않다.
  • 비즈니스 프로세스 개선에 대한 Six Sigma 및 기타 양적 접근법은 10년 이상 다양한 성공 수준으로 채택되어 왔다. 이러한 접근법의 성공에 대한 주요 제한사항은 분석의 기초를 형성하기 위한 정확한 데이터의 가용성이다. BPD를 통해 많은 6-sigma 조직들이 분석을 주요 비즈니스 프로세스로 효과적으로 확장할 수 있는 능력을 발견하고 있다.
  • 공정 채굴 에인트호번 공대 연구진에 따르면, 1990년경 알파 알고리즘과 같은 기법으로 인해 이벤트 로그에서 공정 모델(일반적으로 페트리 네트로 표현됨)을 추출할 수 있게 되면서(PM)이 과학 분야로 떠올랐다. 프로세스 마이닝은 비즈니스 프로세스 발굴과 보조 평가 방법 등 구체적이고 단순한 비즈니스 문제를 해결하는 알고리즘 집합에 불과하다는 지적이 나왔다[citation needed]. 오늘날, 유전적 프로세스 발견 기술, 휴리스틱 마이닝 알고리즘, 지역 기반 마이닝 알고리즘, 퍼지 마이닝 알고리즘과 같은 동시성을 포함하는 프로세스 모델을 발견할 수 있는 100개 이상의 프로세스 마이닝 알고리즘이 있다.

프로세스 모델

이벤트 로그에 적용된 프로세스 검색 기술은 프로세스를 그래픽으로 표현한다. 프로세스 검색 알고리즘의 결과는 일반적으로 프로세스 모델과 이벤트 로그의 일부인 사례의 통계량이다. 발견된 모델의 표현과 정확도는 발견에 사용되는 기법과 선택한 시각화 유형에 따라 달라진다.

  • 직접 추적 그래프: 직접 추적 그래프(DFG)는 프로세스 모델을 가장 간단하게 나타낸다. 직접 추종 그래프에서, 각 노드는 활동을 나타내고 호는 다양한 활동 사이의 관계를 설명한다. 일반적으로 프로세스 모델에서 직접 추종 그래프는 시작 및 종료 활동을 나타내는 출처와 싱크(sink)를 가지고 있다. 두 활동 사이의 직접 추종 그래프의 호는 소스 활동이 이벤트 로그의 싱크 활동 뒤에 직접 뒤따른다는 것을 나타낸다.[7]
  • 페트리 그물: 페트리 그물은 프로세스 모델을 보다 높은 수준으로 표현하고 프로세스에서 동시 행동을 콤팩트하게 표현할 수 있도록 한다. 페트리 네트는 활동들 사이의 다른 종류의 변형을 보여줄 수 있다. 페트리 그물은 프로세스에서 다양한 활동들 사이의 순차, 병렬, 선택, 루프 실행을 설명할 수 있다. 토큰 흐름의 개념은 대부분의 그래픽 프로세스 모델링 언어(BPMN, UML 활동도 등)[8]에 의해 채택되었다.
  • BPMN: BPMN 2.0(Business Process Model and Motoration) 표준은 널리 사용되고 있으며, 이를 통해 작고 이해하기 쉬운 프로세스 모델을 구축할 수 있다. 평평한 제어 흐름의 관점 외에도, 하위 프로세스, 데이터 흐름, 자원을 하나의 BPMN 도표 안에 통합할 수 있다. 제어 흐름 관점이 이벤트 로그에서 발견된 데이터 및 리소스 관점과 통합될 수 있기 때문에 BPMN은 프로세스 광부와 비즈니스 사용자 모두에게 매우 매력적이다.[9]

참고 항목

참조

  1. ^ van der Aalst, W.; Weijters, T.; Maruster, L. (September 2004). "Workflow mining: discovering process models from event logs". IEEE Transactions on Knowledge and Data Engineering. 16 (9): 1128–1142. doi:10.1109/TKDE.2004.47. ISSN 1558-2191. S2CID 5282914.
  2. ^ A.J.M.M., Weijters (2006). Process mining with the HeuristicsMiner algorithm. Technische Universiteit Eindhoven. OCLC 1028695309.
  3. ^ de Medeiros, A. K. A.; Weijters, A. J. M. M.; van der Aalst, W. M. P. (2007-04-01). "Genetic process mining: an experimental evaluation". Data Mining and Knowledge Discovery. 14 (2): 245–304. doi:10.1007/s10618-006-0061-7. ISSN 1573-756X. S2CID 17840407.
  4. ^ Carmona, Josep; Cortadella, Jordi; Kishinevsky, Michael (2008). Dumas, Marlon; Reichert, Manfred; Shan, Ming-Chien (eds.). "A Region-Based Algorithm for Discovering Petri Nets from Event Logs". Business Process Management. Lecture Notes in Computer Science. Berlin, Heidelberg: Springer. 5240: 358–373. doi:10.1007/978-3-540-85758-7_26. hdl:2117/130975. ISBN 978-3-540-85758-7.
  5. ^ Leemans, Sander J. J.; Fahland, Dirk; van der Aalst, Wil M. P. (2013). Colom, José-Manuel; Desel, Jörg (eds.). "Discovering Block-Structured Process Models from Event Logs - A Constructive Approach". Application and Theory of Petri Nets and Concurrency. Lecture Notes in Computer Science. Berlin, Heidelberg: Springer. 7927: 311–329. doi:10.1007/978-3-642-38697-8_17. ISBN 978-3-642-38697-8.
  6. ^ 프로세스 마이닝
  7. ^ van der Aalst, Wil M.P. (2019). "A practitioner's guide to process mining: Limitations of the directly-follows graph". Procedia Computer Science. 164: 321–328. doi:10.1016/j.procs.2019.12.189. ISSN 1877-0509.
  8. ^ Van Der Aalst, Wil M. P. (2013). "Decomposing Petri Nets for Process Mining: A Generic Approach". Distributed and Parallel Databases. 31 (4): 471–507. doi:10.1007/s10619-013-7127-5. S2CID 3364469.
  9. ^ Kalenkova, Anna A.; van der Aalst, Wil M. P.; Lomazova, Irina A.; Rubin, Vladimir A. (2015-10-20). "Process mining using BPMN: relating event logs and process models". Software & Systems Modeling. 16 (4): 1019–1048. doi:10.1007/s10270-015-0502-0. ISSN 1619-1366. S2CID 5459379.

추가 읽기

  • W.M.P. 반데르 알스트 "프로세스 마이닝: 비즈니스 프로세스의 검색, 적합성 및 향상". 2011년 베를린 스프링거 베를라크(ISBN 978-3-642-19344-6)
  • 쿡 J. E., Wolf A. L. "이벤트-데이터 분석을 통한 프로세스 자동 발견", 1995년 미국 시애틀, 소프트웨어 엔지니어링에 관한 제17차 국제 회의의 절차.
  • 이란어 Z, 훌루픽 V, 지아글리스 G, "비즈니스-프로세스 리엔지니어링: A 디자인 관점", 국제 플렉시블 제조 시스템 저널, 12, 페이지 247 – 252(2000)
  • J.D. 린튼 "서비스 자동화의 당면 과제: "전통적인 서비스의 전자상거래 및 생산성 향상을 위한 지원자", IEE의 엔지니어링 관리 거래, 54, 4번, 2003년 11월 4일.
  • 린튼, J. "프로세스 매핑 및 설계: 자세한 프로세스 맵은 사이클 시간부터 결함, 프로세스 단계까지 모든 것을 줄이는 데 도움이 될 수 있다.", 회로 조립체: 2007년 2월, Surface Mount and Electronics Assembly for Surface Mount and Electronics
  • 버너, L, "공정 발견의 도전", BPM Trends, 2004년 5월.
  • W.M.P. 반 데어 알스트, B.F. 반 동겐, J. 허브스트, L. 마스터스터, G. 킴, A.J.M. 바이저스. 워크플로우 마이닝: 문제 및 접근 방식 조사. 데이터 및 지식 엔지니어링, 47(2):237-267, 2003.
  • W.M.P. 판 데어 알스트, A.J.M. 바이저스, L.마스터. 워크플로 마이닝: 이벤트 로그에서 프로세스 모델 검색. IEEE 지식 및 데이터 엔지니어링 거래, 16(9):1128-1142, 2004.
  • W.M.P. 판 데어 알스트, H.A. 레이저스, A.J.M. 바이저스, B.F. 반 동겐, A.K. 알베스 드 메데이로스, M. 송, H.M.W. 베르베크. 비즈니스 프로세스 마이닝: 산업 응용 프로그램. 정보 시스템, 32(5):713-732, 2007.
  • W. van der Aalst, T. Weijters and L. Maruster, IEEE Transactions on Knowledge and Data Engineering, vol. 16, no. 9, 페이지 1128-1142, 9월호에 실린 "Workflow mining: 이벤트 로그에서 프로세스 모델을 발견". 2004, doi: 10.1109/TKDE.2004.47.