Anasayfa / Genel bir bakış / Süreç Madenciliği için Örnek Kayıt Analizi

Süreç Madenciliği için Örnek Kayıt Analizi

 

Yazıya başlamadan önce, Süreç Madenciliği ile ilgili bütün yazılarımı tek bir kategori altında toplama kararı aldım. Merak ettiğiniz konuları bahsi geçen kategori altından bulabilirsiniz 🙂

 

 

 

 

Örnek Kayıt Analizi

Süreç madenciliğinin BPM içindeki yeri hakkında bir genel bakış sağladığımıza göre örnek bir olay-kayıt günlüğü tablosunu inceleyebiliriz.

Tablo 1.1

 

Süreç madenciliğinde kullanılan algoritmalar, süreç keşfini aşağıda verilen tablo 1.2’deki gibi bilgiye dönüştürebilir.

[1]

Tablo 1.2 (Wil M.P. van der Aalst, Process Mining – Discovery, Conformance and Enhancement of Business Processes p.14)

 

Örnek olarak alfa – algoritması, tablo 1.2’deki gibi bir girdi verisi sağlandığında bir Petri ağı[2] keşfeder.  Şekil 1.5’te ortaya çıkan modeli yeni bir etiketle belirtir.

 

[3]

Görsel 1.5

[4]

Görsel 1.6

 

 

Süreç madenciliği algoritmalarının, bir sonraki gözlem kümesi tarafından geçersiz kılınmayan en olası temel modeli göstermek için kayıt günlüğünde bulunan davranışı genelleştirmesi gerekir. Bir diğer konu ise süreç madenciliğinin en zorlu uğraşlarından biri olan “Aşırı Uyum ve Yetersiz Uyumluluk” sorunudur.

  • Aşırı uyum: Model çok fazla özelleştirilmiş ve yalnızca gözlenen” kazara davranış”lara izin verir.
  • Yetersiz Uyum: Model çok genel ve alakasız davranışsal gözlemlere izin verir.

Sonuç olarak olay kayıt günlükleri ile modeli karşılaştırdığınızda “Aşırı uyum ile yetersiz uyum” arasında bir denge sağlanmalıdır.

 

Genel olarak bütün olaylar “a” ile başlar. Şekil 1.6’ da gördüğünüz gibi “a” ile başlangıç verilmiştir. Şekilde “g” veya “h” ile sonlanır. Bütün “e”ler “d”den ya da incelem aktivitelerinden birinden gelmiştir. (b veya c)

Dahası “e”, “f,g veya h”yi takip eder. “b” veya “c,d,e”nin tekrarlanması bir döngünün varlığını göstermektedir. Bu karakteristik yapı, şekil 1.5’te layıkıyla yakalanıp gösterilmiştir.

 

Şimdi bir olay kaydının sadece iki izlence barındırıldığı halini düşünelim ve bu izlenceler <a,b,d,e,h>,<a,d,b,e,h> olsun. 1. Ve 4. Olaylarının orijinal kaydı ve bu kayıda göre alfa-algoritması şekil 1.6’daki Petri ağı ile gösterilmiştir. Bu modelde sadece iki tane iz takibine izin veriliyor ve bunlar en küçük olay günlüklerinden oluşuyor. “b” veya “d” herhangi bir sırada yapılabiliyor. Çünkü, eş zamanlı modellenmiştir.

 

Büyük ve karmaşık modellemeler için eş zamanlılığın keşfi önemlidir.  Eş zamanlılığın modellenmesi genellikle aynı etkinliğin çoğaltılmasıyla “Sphagetti”ye benzer bir modelleme üretir. Yani karmaşıktır. Ayrıca süreç madenciliği elbette sadece süreç keşfinden oluşmamaktadır. Olay günlükleri uygunluğun kontrolü ve mevcut modelin geliştirilmesi için kullanılabilir.

 

Daha farklı perspektiflerde hesaba katılabilir. Bunu görselleştirirken ilk önce tablo 1.3’teki olay kayıtlarını aklımıza getirelim.

[5]

Tablo 1.3

İlk altı olay önceden incelendiğindeki gibi sürmektedir. Bir değişiklik olmamıştır. 7.numaralı olay ise şekil 1.3teki gibi olmasının ihtimali yok. <a,b,e,g> Ancak model “d”’nin “e”den önce çalıştırılması gerekiyor lakin “d” yok. Bu demek oluyor ki, bir karar vermeden ve tazminat ödenmeden önce bilet kontrol edilmemiştir. Burada bir uyumsuzluk vardır.

 

Uygunluk/Uyumsuzluk kontrol teknikleri uyumsuzlukları bulmayı hedeflemektedir. Olay günlüğünün geri kalanının uygunluğu kontrol edilirken 8. ve 10. Olayların uygun olmadığı belirlenebilir. Olay 9 için konuşacak olursak eğer önceki izlencelerden biriyle aynı olmamasına rağmen izlence <a,b,d,e>(yani 8 numaralı olay) hiçbir sonucun olmadığı (reddedilme veya ödeme) sorunu mevcuttur. İzlence <a,bc,d,e,f,d,g> (10. Olay) havayolu nihai bir karara varamadan tazminat ödendiği ortaya çıkmıştır.

 

Uygunluğu iki açıdan inceleyebiliriz:

  • Modelin “gerçek davranış”ı yakalaması.(Model yanlış)
  • Gerçekliğin istenen modelden sapması. (Olay günlüğü yanlış)

Modelin tanımlayıcı olması için ilk bakış açısı (Gerçek Davranışın Yakalanması) ele alınır. Gerçekliği yakalamak veya tahmin yürütmek için kullanılır. İkinci bakış açısı modelin normatif olması, yani gerçekliği etkilemek ya da kontrol etmek için kullanılır.

 

 

Tablo 1.1’de gösterilen orijinal olay kayıt günlüğü hani şu uzun bir tablomuz vardı. İşte o tablo kaynaklar, zaman damgaları ve maliyet hakkında bilgi içermektedir. Bu tür bilgiler diğer bakış açılarını keşfetmek özgün kontrol akışına sahip olmayan modellerin uygunluğunu kontrol etmek ve ek bilgi içeren modelleri genişletmek için kullanılabilir. Örnek vermek gerekirse bireyler arasındaki etkileşim kalıplarına dayalı bir sosyal ağ üretilebilir.

 

Sosyal ağ “işin devri” metriğine dayanabilir. Yani x veya y arasındaki ilişki ne kadar güçlü olursa nedensel olarak bireysel “y” tarafından gerçekleştirilen bir faaliyetin daha sık bireysel “x” gerçekleşmektedir.

 

[1] Wil M.P. van der Aalst, Process Mining – Discovery, Conformance and Enhancement of Business Processes p.16

[2] Bilgisayar bilimlerinde özellikle birbiri ile eş zamanda çalışan işlerin (concurrent jobs) modellenmesi ve çözülmesinde kullanılan özel grafiklerdir. (http://bilgisayarkavramlari.sadievrenseker.com/2009/05/01/petri-aglari-petri-nets/ (Erişim tarihi: 12/08/2018)

[3] Wil M.P. van der Aalst, Process Mining – Discovery, Conformance and Enhancement of Business Processes, p. 28

[4] Wil M.P. van der Aalst, Process Mining – Discovery, Conformance and Enhancement of Business Processes, p.29

[5] Wil M.P. van der Aalst, Process Mining – Discovery, Conformance and Enhancement of Business Processes p.16

Hakkında Ata ERDEMİR

GÖZ ATMAK İSTEYEBİLİRSİNİZ

Uygulamalı İstatistik – Merkezi Eğilim Ölçüleri

Giriş Herkese merhaba, bir önceki yazıda verileri gruplandırmıştık. Bu yazıda ise sizlere tanımlayıcı istatistiklerde en …

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir