論文の概要: Defining Cases and Variants for Object-Centric Event Data

• arxiv url: http://arxiv.org/abs/2208.03235v1
• Date: Fri, 5 Aug 2022 15:33:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-08 12:58:24.274559
• Title: Defining Cases and Variants for Object-Centric Event Data
• Title（参考訳）: オブジェクト中心イベントデータのケースと変種を定義する
• Authors: Jan Niklas Adams, Daniel Schuster, Seth Schmitz, G\"unther Schuh, Wil M.P. van der Aalst
• Abstract要約: オブジェクト中心のプロセスマイニングのケースコンセプト:プロセス実行を紹介します。 プロセス実行を抽出する技術を提供します。 実生活のイベントログの最も頻繁なオブジェクト中心の変種を示す。
• 参考スコア（独自算出の注目度）: 0.36748639131154304
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The execution of processes leaves traces of event data in information systems. These event data can be analyzed through process mining techniques. For traditional process mining techniques, one has to associate each event with exactly one object, e.g., the company's customer. Events related to one object form an event sequence called a case. A case describes an end-to-end run through a process. The cases contained in event data can be used to discover a process model, detect frequent bottlenecks, or learn predictive models. However, events encountered in real-life information systems, e.g., ERP systems, can often be associated with multiple objects. The traditional sequential case concept falls short of these object-centric event data as these data exhibit a graph structure. One might force object-centric event data into the traditional case concept by flattening it. However, flattening manipulates the data and removes information. Therefore, a concept analogous to the case concept of traditional event logs is necessary to enable the application of different process mining tasks on object-centric event data. In this paper, we introduce the case concept for object-centric process mining: process executions. These are graph-based generalizations of cases as considered in traditional process mining. Furthermore, we provide techniques to extract process executions. Based on these executions, we determine equivalent process behavior with respect to an attribute using graph isomorphism. Equivalent process executions with respect to the event's activity are object-centric variants, i.e., a generalization of variants in traditional process mining. We provide a visualization technique for object-centric variants. The contribution's scalability and efficiency are extensively evaluated. Furthermore, we provide a case study showing the most frequent object-centric variants of a real-life event log.
• Abstract（参考訳）: プロセスの実行は、情報システムにおけるイベントデータの痕跡を残す。 これらのイベントデータはプロセスマイニング技術によって分析できる。 従来のプロセスマイニング技術では、各イベントを単にひとつのオブジェクト、例えば企業の顧客と関連付ける必要があります。 あるオブジェクトに関連するイベントはcaseと呼ばれるイベントシーケンスを形成する。 ケースでは、プロセス内のエンドツーエンドの実行を記述します。 イベントデータに含まれるケースは、プロセスモデルの検出、頻繁なボトルネックの検出、予測モデル学習に使用することができる。 しかし、実生活の情報システム、例えばERPシステムで発生する事象は、しばしば複数のオブジェクトに関連付けられる。 従来のシーケンシャルなケースの概念は、これらのデータがグラフ構造を示すため、オブジェクト中心のイベントデータには及ばない。 オブジェクト中心のイベントデータをフラット化することで、従来のケースコンセプトに強制するかも知れません。 しかし、フラット化はデータを操作し、情報を削除する。 したがって、オブジェクト中心のイベントデータに異なるプロセスマイニングタスクを適用できるようにするためには、従来のイベントログの概念に類似した概念が必要である。 本稿では,オブジェクト指向プロセスマイニングのケースコンセプトであるプロセス実行について紹介する。 これらは、伝統的なプロセスマイニングで考慮されたケースのグラフベースの一般化である。 さらに,プロセス実行を抽出する技術も提供する。 これらの実行に基づいて、グラフ同型を用いた属性に対する等価なプロセス挙動を決定する。 イベントのアクティビティに関する等価なプロセス実行は、オブジェクト中心の変種、すなわち、伝統的なプロセスマイニングにおける変種を一般化するものである。 オブジェクト中心の変形の可視化技術を提供する。 貢献のスケーラビリティと効率は広く評価されている。 さらに,実生活イベントログの最も頻度の高いオブジェクト中心型を示すケーススタディを提供する。

関連論文リスト

• Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks [55.583478485027]
  本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。 まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。 次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2024-02-14T14:17:56Z)
• Analyzing An After-Sales Service Process Using Object-Centric Process Mining: A Case Study [0.1433758865948252]
  本稿では,オブジェクト中心プロセスマイニングの新たな領域について論じる。 ボルサン・キャットのアフター・セール・サービス・プロセスの詳細なケーススタディを通じて、本研究では、オブジェクト中心のプロセスマイニングの能力を強調した。
  論文  参考訳（メタデータ） (2023-10-16T08:34:41Z)
• Avoiding Post-Processing with Event-Based Detection in Biomedical Signals [69.34035527763916]
  学習対象としてイベントを直接扱うイベントベースのモデリングフレームワークを提案する。 イベントベースのモデリング(後処理なし)は、広範囲な後処理を伴うエポックベースのモデリングと同等以上のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-09-22T13:44:13Z)
• A Framework for Extracting and Encoding Features from Object-Centric Event Data [0.36748639131154304]
  本稿では,オブジェクト中心のイベントデータから特徴を抽出し,符号化するフレームワークを提案する。 オブジェクト中心のイベントデータの特徴を計算し、正確な測定結果を得る。 我々は、予測ユースケースにおいて、オブジェクト中心の特徴とシーケンシャルおよびグラフベースエンコーディングの構造の両方の有用性を示すために、説明可能なAIを使用する。
  論文  参考訳（メタデータ） (2022-09-02T16:49:47Z)
• Accessing and Interpreting OPC UA Event Traces based on Semantic Process Descriptions [69.9674326582747]
  本稿では、イベントデータのコンテキストに基づいて、プロダクションシステムのイベントデータにアクセスするアプローチを提案する。 本手法は,1)生産システムの階層構造の意味モデル,2)形式化されたプロセス記述,3)OPC UA情報モデルを組み合わせることによって,データベースシステムからフィルタリングイベントログを抽出する。
  論文  参考訳（メタデータ） (2022-07-25T15:13:44Z)
• Predictive Object-Centric Process Monitoring [10.219621548854343]
  本稿では,GAN(Generative Adversarial Networks),LSTM(Long Short-Term Memory),Seq2seq(Sequence to Sequence Model)を用いた予測手法をOCELに含まれるリッチデータで拡張可能であることを示す。 この論文は、ユーザの入力から次のアクティビティのシーケンスを予測するWebインターフェースを提供する。
  論文  参考訳（メタデータ） (2022-07-20T16:30:47Z)
• Object-centric Process Predictive Analytics [0.5161531917413706]
  オブジェクト指向プロセスは、あるプロセスのインスタンスが独立して実行されるのではなく、同じまたは他のプロセスの他のインスタンスと相互作用するパラダイムの実装である。 本稿では,オブジェクトの相互作用に関する情報を予測分析に組み込むアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-05T18:46:10Z)
• Process Comparison Using Object-Centric Process Cubes [69.68068088508505]
  実生活のビジネスプロセスでは、プロセス全体を複雑に解釈しがちな振る舞いが存在します。 プロセス比較は、プロセスキューブを使用して、プロセスの異なる動作を互いに分離するプロセスマイニングのブランチです。 オブジェクト中心のイベントログのスライスやダイスなどのプロセスキューブ操作をサポートするプロセスキューブフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T10:08:28Z)
• "What Are You Trying to Do?" Semantic Typing of Event Processes [94.3499255880101]
  本稿では,認知に動機づけられたセマンティックタイピングタスク,多軸イベントプロセスタイピングについて検討する。 我々は60k以上のイベントプロセスを含む大規模なデータセットを開発し、アクションとオブジェクトタイプの軸の両方に極細粒度のタイピングを特徴とする。 本稿では,Glosses1からの間接的監視によるタイピング問題に対処するハイブリッド学習フレームワークP2GTと,共同学習からランクへのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-13T22:37:29Z)
• Discovering Object-Centric Petri Nets [77.79845386439361]
  イベントデータからペトリネットを検出する技術は、イベント毎に正確に1つのケース識別子を仮定する。 ケース識別子はイベントの相関に使用され、結果として発見されたペトリネットは個々のケースのライフサイクルを記述することを目的としている。 本稿では,PM4Pyで実装された新しいプロセス発見手法について述べる。
  論文  参考訳（メタデータ） (2020-10-05T14:25:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。