論文の概要: Data-Related Challenges and Requirements for Event Log Generation in Process Mining: A Systematic Literature Review

• arxiv url: http://arxiv.org/abs/2609.04211v1
• Date: Tue, 16 Jun 2026 00:32:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.458644
• Title: Data-Related Challenges and Requirements for Event Log Generation in Process Mining: A Systematic Literature Review
• Title（参考訳）: データ関連課題とプロセスマイニングにおけるイベントログ生成の必要性:システム文献レビュー
• Abstract要約: イベントログ生成におけるデータ関連課題,要件,ソリューションの体系的な文献レビューを行う。 以上の結果から,29の課題を5つの基本的な要件カテゴリで解決できることが示唆された。 このレビューは、プロセスマイニングのためのイベントログ生成の現在のトレンドを理解する研究者や実践者を支援する。
• 参考スコア（独自算出の注目度）: 13.839852906168787
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Process mining is becoming an essential technology that not only supports the improvement of business processes but also enables the software technologies underlying the future digital economy. Among the multiple challenges discussed by the process mining community, data quality is emerging as the most pressing one. However, insufficient attention has been paid to event log generation as the very first phase of process mining and to its relationship with data engineering and requirements engineering. To address this gap, we conducted a systematic literature review of data-related challenges, requirements, and solutions in event log generation. Our results show that a wide range of 29 challenges can be addressed with 5 basic categories of requirements. Existing solutions already embed some form of data engineering and domain knowledge engineering techniques for event log generation. This review can support researchers and practitioners in understanding current trends in event log generation for process mining and in leveraging data and requirements engineering techniques to improve log generation and, ultimately, process mining outcomes.
• Abstract（参考訳）: プロセスマイニングは、ビジネスプロセスの改善をサポートするだけでなく、将来のデジタル経済を支えるソフトウェア技術を可能にする重要な技術になりつつある。 プロセスマイニングコミュニティが議論している複数の課題の中で、データ品質が最も重要視されている。 しかし、プロセスマイニングの第1段階としてイベントログの生成や、データエンジニアリングや要求エンジニアリングとの関係に十分な注意が払われている。 このギャップに対処するため,イベントログ生成におけるデータ関連課題,要件,ソリューションの体系的な文献レビューを行った。 以上の結果から,29の課題を5つの基本的な要件カテゴリで解決できることが示唆された。 既存のソリューションには、イベントログ生成のためのデータエンジニアリングとドメイン知識エンジニアリングのテクニックがすでに組み込まれています。 このレビューは、研究者や実践者がプロセスマイニングにおけるイベントログ生成の現在のトレンドを理解し、データと要求エンジニアリング技術を活用してログ生成を改善し、最終的にはプロセスマイニングの結果を理解するのを支援する。

関連論文リスト

• Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
  課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。 SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。 本稿では,この新興領域を体系的に調査する。
  論文  参考訳（メタデータ） (2026-01-15T18:55:03Z)
• Dealing with Data for RE: Mitigating Challenges while using NLP and Generative AI [2.9189409618561966]
  本章では、ソフトウェア工学全般の進化する展望、特に要件工学(RE)について論じている。 自然言語処理(NLP)と生成AIをエンタープライズクリティカルなソフトウェアシステムに統合する際に生じる課題について論じる。 本は、読者に必要な知識とツールを提供するために、実践的な洞察、解決策、例を提供する。
  論文  参考訳（メタデータ） (2024-02-26T19:19:47Z)
• Integration of Domain Expert-Centric Ontology Design into the CRISP-DM for Cyber-Physical Production Systems [45.05372822216111]
  機械学習(ML)とデータマイニング(DM)の手法は、収集されたデータから複雑で隠れたパターンを抽出する上で有望であることが証明されている。 しかし、このようなデータ駆動プロジェクトは、通常、CRISPDM(Cross-Industry Standard Process for Data Mining)で実行され、データの理解と準備に要する時間の不均等さのために失敗することが多い。 このコントリビューションは、データサイエンティストがCPPSの課題に対してより迅速かつ確実に洞察を得ることができるように、統合されたアプローチを提供することを目的としている。
  論文  参考訳（メタデータ） (2023-07-21T15:04:00Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• Probabilistic and Non-Deterministic Event Data in Process Mining: Embedding Uncertainty in Process Analysis Techniques [0.0]
  プロセスマイニング分析の幅広い産業応用により,新しいタイプのイベントデータが注目されている。 本稿では,不確実な事象データの例として,プロセスマイニングにおける不確実性に関する技術の現状を示すとともに,この研究の方向性に関するオープンな課題を示す。
  論文  参考訳（メタデータ） (2022-05-10T12:00:02Z)
• Maximizing information from chemical engineering data sets: Applications to machine learning [61.442473332320176]
  化学工学の応用において、古典的な人工知能のアプローチを適用するのが難しくなる4つの特徴を同定する。 それぞれのデータ特性について、これらのデータ特性が生じるアプリケーションについて論じ、現在の化学工学研究が、これらの課題を組み込むために、データサイエンスと機械学習の分野をどのように拡張しているかを示す。
  論文  参考訳（メタデータ） (2022-01-25T01:25:45Z)
• Process Extraction from Text: Benchmarking the State of the Art and Paving the Way for Future Challenges [18.485565445940175]
  既存のソリューションが、モデル抽出問題をどの程度解決できるか、どのように互いに比較できるかは、不明である。 定性的側面と定量的側面の両方を網羅した,モデル抽出のための10の最先端手法を体系的に比較した。 その結果,パフォーマンス面では3つの異なるツール群が示され,優れたスコアと重大な制限が得られなかった。
  論文  参考訳（メタデータ） (2021-10-07T19:12:24Z)
• Removing Operational Friction Using Process Mining: Challenges Provided by the Internet of Production (IoP) [0.0]
  今日の運用プロセスによって生成されたイベントデータは、プロセスマイニングの機会と課題を提供します。 プロセスマイニングは、様々な運用プロセスを改善するために"デジタルシャドー"を作成するために使用されます。 我々は、運用上の摩擦を取り除くために使用できる価値ある「デジタル影」を開発することを目指している。
  論文  参考訳（メタデータ） (2021-07-27T20:04:25Z)
• Data-Driven Aerospace Engineering: Reframing the Industry with Machine Learning [49.367020832638794]
  航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。 最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
  論文  参考訳（メタデータ） (2020-08-24T22:40:26Z)
• Graph signal processing for machine learning: A review and new perspectives [57.285378618394624]
  本稿では,GSPの概念とツール,例えばグラフフィルタや変換による新しい機械学習アルゴリズム開発への重要な貢献について概説する。 本稿では,データ構造とリレーショナル事前の活用,データと計算効率の向上,モデル解釈可能性の向上について論じる。 我々は,応用数学と信号処理の橋渡しとなるGSP技術と,他方の機械学習とネットワーク科学の橋渡しとなる新たな視点を提供する。
  論文  参考訳（メタデータ） (2020-07-31T13:21:33Z)

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。