論文の概要: The WHY in Business Processes: Discovery of Causal Execution Dependencies

• arxiv url: http://arxiv.org/abs/2310.14975v1
• Date: Mon, 23 Oct 2023 14:23:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 19:37:54.588027
• Title: The WHY in Business Processes: Discovery of Causal Execution Dependencies
• Title（参考訳）: ビジネスプロセスの理由:因果実行依存性の発見
• Authors: Fabiana Fournier, Lior Limonad, Inna Skarbovsky, and Yuval David
• Abstract要約: 本稿では,既存の因果探索アルゴリズムを活動タイミングよりも活用することで,真の因果ビジネスプロセスを公開するための体系的なアプローチを提案する。 本手法は,3つの因果パターンの文脈における2つのモデル間の相違を探索し,これらの不整合がマイニングプロセスモデル上で注釈付けされるという新たな視点を導出する。
• 参考スコア（独自算出の注目度）: 2.0811729303868005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A crucial element in predicting the outcomes of process interventions and making informed decisions about the process is unraveling the genuine relationships between the execution of process activities. Contemporary process discovery algorithms exploit time precedence as their main source of model derivation. Such reliance can sometimes be deceiving from a causal perspective. This calls for faithful new techniques to discover the true execution dependencies among the tasks in the process. To this end, our work offers a systematic approach to the unveiling of the true causal business process by leveraging an existing causal discovery algorithm over activity timing. In addition, this work delves into a set of conditions under which process mining discovery algorithms generate a model that is incongruent with the causal business process model, and shows how the latter model can be methodologically employed for a sound analysis of the process. Our methodology searches for such discrepancies between the two models in the context of three causal patterns, and derives a new view in which these inconsistencies are annotated over the mined process model. We demonstrate our methodology employing two open process mining algorithms, the IBM Process Mining tool, and the LiNGAM causal discovery technique. We apply it on a synthesized dataset and on two open benchmark data sets.
• Abstract（参考訳）: プロセス介入の結果を予測し、プロセスに関するインフォームドな意思決定を行う上で重要な要素は、プロセスアクティビティの実行間の真の関係を解き放つことです。 現代のプロセス発見アルゴリズムは、時間優先をモデル導出の主源とする。 このような依存は因果的視点から判断されることがある。 これにより、プロセス内のタスク間の真の実行依存性を発見するための忠実な新しいテクニックが要求される。 この目的のために本研究は,既存の因果発見アルゴリズムを活動タイミングよりも活用し,真の因果ビジネスプロセスの公開に向けた体系的アプローチを提供する。 さらに、この研究は、プロセスマイニング発見アルゴリズムが因果的ビジネスプロセスモデルに合致するモデルを生成する一連の条件に分解され、後者のモデルがプロセスの健全な分析にいかに方法論的に用いられるかを示す。 提案手法は,3つの因果パターンの文脈における2つのモデル間の不一致を探索し,これらの不整合をマイニングしたプロセスモデル上で注釈付ける新しい視点を導出する。 我々は,2つのオープンプロセスマイニングアルゴリズム,IBM Process Miningツール,LiNGAM因果発見技術を用いた手法を実証する。 合成データセットと2つのオープンベンチマークデータセットに適用する。

関連論文リスト

• A Systematic Review of Business Process Improvement: Achievements and Potentials in Combining Concepts from Operations Research and Business Process Management [0.0]
  ビジネスプロセスマネジメントと運用リサーチは、組織における価値創造を強化することを目的としています。 この体系的な文献レビューは、両方の分野から組み合わせた概念を用いた作品を特定し分析する。 その結果,資源配分とスケジューリングの問題に強い焦点が当てられている。
  論文  参考訳（メタデータ） (2024-09-02T14:13:14Z)
• Extracting Process-Aware Decision Models from Object-Centric Process Data [54.04724730771216]
  本稿では,ODDA(Integrated Object-centric Decision Discovery Algorithm)と呼ばれる,オブジェクト中心決定マイニングアルゴリズムを提案する。 IODDAは意思決定の仕組みや意思決定の仕方を知ることができる。
  論文  参考訳（メタデータ） (2024-01-26T13:27:35Z)
• Discovering Hierarchical Process Models: an Approach Based on Events Clustering [0.0]
  本稿では,2段階のワークフローネットとして表現される階層的プロセスモデルを発見するアルゴリズムを提案する。 既存のソリューションとは異なり、我々のアルゴリズムはプロセス制御フローに制限を課さず、反復を可能にする。
  論文  参考訳（メタデータ） (2023-03-12T11:05:40Z)
• Learning to Agree on Vision Attention for Visual Commonsense Reasoning [50.904275811951614]
  VCRモデルは、画像に関する質問に答えることを目的としており、続いて、前の回答プロセスの合理性予測が続く。 既存の手法は2つのプロセス間の重要な関係を無視し、最適化されたモデルの性能をもたらす。 本稿では,これら2つのプロセスを統一的な枠組みで効果的に処理する新しい視覚的アライメント手法を提案する。
  論文  参考訳（メタデータ） (2023-02-04T07:02:29Z)
• Prescriptive Process Monitoring: Quo Vadis? [64.39761523935613]
  本論文はシステム文献レビュー(SLR)を通して,本分野における既存手法について考察する。 SLRは今後の研究の課題や分野に関する洞察を提供し、規範的なプロセス監視手法の有用性と適用性を高めることができる。
  論文  参考訳（メタデータ） (2021-12-03T08:06:24Z)
• Process discovery on deviant traces and other stranger things [6.974048370610024]
  我々は、宣言的プロセスに焦点をあて、プロセス発見のあまり人気のない視点をバイナリ教師付き学習タスクとして受け入れる。 これら2つのセットから得られる価値情報を抽出し,ユーザ定義の目標に従って最適なモデルにフォーマル化する方法について,より深く検討する。
  論文  参考訳（メタデータ） (2021-09-30T06:58:34Z)
• Feature Recommendation for Structural Equation Model Discovery in Process Mining [0.0]
  本稿では,問題に影響を及ぼす可能性のある(集約された)特徴の集合を見つける方法を提案する。 提案手法をProMのプラグインとして実装し、2つの実・合成イベントログを用いて評価した。
  論文  参考訳（メタデータ） (2021-08-13T12:23:01Z)
• Cross-Supervised Joint-Event-Extraction with Heterogeneous Information Networks [61.950353376870154]
  Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。 トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。 我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-10-13T11:51:17Z)
• Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
  本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。 常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。 我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-28T10:28:40Z)
• Process Discovery for Structured Program Synthesis [70.29027202357385]
  プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。 本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。 我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
  論文  参考訳（メタデータ） (2020-08-13T10:33:10Z)
• A Technique for Determining Relevance Scores of Process Activities using Graph-based Neural Networks [0.0]
  本研究では,プロセス活動の関連点を評価指標として評価する手法を開発した。 このような関連性スコアでプロセスモデルに注釈を付けることは、ビジネスプロセスの問題に焦点を当てた分析を促進する。 異なる領域の4つのデータセットを用いて,本手法の予測品質を定量的に評価し,妥当性スコアの忠実性を示す。
  論文  参考訳（メタデータ） (2020-08-07T12:15:30Z)

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。