論文の概要: Inter-instance Data Impacts in Business Processes: A Model-based
Analysis
- arxiv url: http://arxiv.org/abs/2401.16584v1
- Date: Mon, 29 Jan 2024 21:35:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-31 17:08:27.735948
- Title: Inter-instance Data Impacts in Business Processes: A Model-based
Analysis
- Title（参考訳）: ビジネスプロセスにおけるinstanceデータの影響:モデルに基づく分析
- Authors: Yotam Evron, Arava Tsoury, Anna Zamansky, Iris Reinhartz-Berger, Pnina
Soffer
- Abstract要約: 本稿では、プロセスインスタンス間の共有データを通じて影響を受ける可能性のある影響について述べる。
提案手法はプロセスモデルと(リレーショナルな)データモデルの両方を用いて,潜在的なインスタンス間データインパクトセットを同定する。
本手法の適用性は3つの異なる現実的プロセスを用いて評価した。
- 参考スコア（独自算出の注目度）: 0.39165216307579426
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A business process model represents the expected behavior of a set of process
instances (cases). The process instances may be executed in parallel and may
affect each other through data or resources. In particular, changes in values
of data shared by process instances may affect a set of process instances and
require some operations in response. Such potential effects do not explicitly
appear in the process model. This paper addresses possible impacts that may be
affected through shared data across process instances and suggests how to
analyze them at design time (when the actual process instances do not yet
exist). The suggested method uses both a process model and a (relational) data
model in order to identify potential inter-instance data impact sets. These
sets may guide process users in tracking the impacts of data changes and
supporting their handling at runtime. They can also assist process designers in
exploring possible constraints over data. The applicability of the method was
evaluated using three different realistic processes. Using a process expert, we
further assessed the usefulness of the method, revealing some useful insights
for coping with unexpected data-related changes suggested by our approach.
- Abstract（参考訳）: ビジネスプロセスモデルは、一連のプロセスインスタンス(ケース)の期待された振る舞いを表す。
プロセスインスタンスは並列に実行され、データやリソースを通じて互いに影響を受けます。
特に、プロセスインスタンスが共有するデータの値の変更は、プロセスインスタンスのセットに影響を与え、応答にいくつかの操作を必要とする可能性がある。
このような潜在的な影響はプロセスモデルに明示的に現れない。
本稿では、プロセスインスタンス間の共有データによって影響される可能性のある影響に対処し、設計時にそれらを分析する方法を提案する(実際のプロセスインスタンスが存在しない場合)。
提案手法はプロセスモデルと(リレーショナルな)データモデルの両方を用いて,潜在的なインスタンス間データインパクトセットを同定する。
これらのセットは、データ変更の影響を追跡し、実行時に処理をサポートするプロセスユーザをガイドする。
また、データに対する制約を探索するプロセスデザイナを支援することもできる。
本手法の適用性は3つの異なる現実的プロセスを用いて評価した。
プロセスエキスパートを用いて,提案手法の有用性をさらに評価し,提案手法が示唆する予期せぬデータ関連変化に対処する上で有用な知見を明らかにした。
関連論文リスト
- 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) - Detecting Surprising Situations in Event Data [0.45119235878273]
既存の研究では、望ましくない結果が発生する問題のあるプロセスインスタンスの集合が事前に知られており、容易に検出できると仮定される。
我々は,プロセス拡張領域を文脈に敏感な異常/異常検出問題として定式化する。
プロセスのパフォーマンス/アウトカムが期待と大きく異なる状況の特徴付けを目指しています。
論文 参考訳（メタデータ） (2022-08-29T11:33:58Z) - A Monitoring and Discovery Approach for Declarative Processes Based on
Streams [0.0]
本稿では,イベントストリームから宣言的過程を動的条件応答(DCR)グラフとして抽出する発見アルゴリズムを提案する。
ストリームはプロセスの時間的表現を生成するために監視され、後に宣言的モデルを生成するために処理される。
論文 参考訳（メタデータ） (2022-08-10T14:25:35Z) - 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) - Process-BERT: A Framework for Representation Learning on Educational
Process Data [68.8204255655161]
本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。
我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。
当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
論文 参考訳（メタデータ） (2022-04-28T16:07:28Z) - OPerA: Object-Centric Performance Analysis [0.4014524824655105]
本稿では,ビジネスプロセスの形式表現としてオブジェクト中心のペトリネットを用いたパフォーマンス解析手法を提案する。
提案手法は,新たに導入されたオブジェクト中心のパフォーマンス指標の導出をサポートしながら,既存のパフォーマンス指標を正確に計算する。
我々は,このアプローチをWebアプリケーションとして実装し,実生活ローンアプリケーションプロセスに基づくケーススタディを実施した。
論文 参考訳（メタデータ） (2022-04-22T12:23:06Z) - 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) - Bellamy: Reusing Performance Models for Distributed Dataflow Jobs Across
Contexts [52.9168275057997]
本稿では、スケールアウト、データセットサイズ、ランタイムをデータフロージョブの記述的特性と組み合わせた新しいモデリング手法であるBelamyを提案する。
我々は,異なる環境で実行される各種データフロージョブの実行データからなる2つの公開データセットに対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-07-29T11:57:38Z) - 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) - Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。
提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。
分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文 参考訳（メタデータ） (2020-11-13T10:53:27Z) - Cause vs. Effect in Context-Sensitive Prediction of Business Process
Instances [0.440401067183266]
本稿では、次の事象の原因または影響のコンテキストの問題と、次の事象の予測への影響について論じる。
確率モデルに関する従来の研究を活用し、動的ベイズネットワーク技術を開発した。
本稿では,本手法を2つの実生活データセットを用いて評価し,予測プロセス監視分野の他の手法とベンチマークする。
論文 参考訳（メタデータ） (2020-07-15T08:58:15Z)
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。