論文の概要: Resolution limits for process comparison from event data

• arxiv url: http://arxiv.org/abs/2609.20489v1
• Date: Thu, 17 Sep 2026 14:39:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.326155
• Title: Resolution limits for process comparison from event data
• Title（参考訳）: イベントデータからのプロセス比較のための解像度制限
• Abstract要約: 実際に何が起きたのか、どのようにデータに記録されているのかを知ることは、すべての運用マネージャにとって重要なことです。 プロセスマイニングにおいて、標準的なアプローチは、イベントログを構築し、データ駆動方式で並列およびシーケンシャルなプロセスを発見しようとすることである。 イベントログの言語に基づいて構築されたこの標準的なアプローチは、検出アルゴリズムの仮定のみを報告します。
• 参考スコア（独自算出の注目度）: 0.5235058013103361
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One hospital runs bloods and imaging at the same time. Another runs them one after the other, in either order, equally often. Knowing which actually happened, and how it is recorded in data, is critical for all operational managers. In process mining, the standard approach is to construct an event log, and attempt to discover concurrent and sequential processes in a data-driven way. We show this standard approach, built on the stochastic language of an event log, reports only the assumptions of its discovery algorithm, because every such log is explained equally well by a model with no concurrency at all. Further, before any data is acquired, we characterise when data can and cannot distinguish concurrent behaviour. Where it cannot, the distinction is recoverable from evidence the stochastic language discards, such as the times at which activities start and end, or object-centric records that fix an order within an execution. The remedy is therefore a choice of what is recorded, rather than a larger sample. This impacts decision making, as planning resource for truly concurrent services is very different from sequential services.
• Abstract（参考訳）: 1つの病院が同時に血液と画像の撮影を行っている。 どちらかの順序で、同じ頻度で、次々に次々に実行します。 実際に何が起きたのか、どのようにデータに記録されているのかを知ることは、すべての運用マネージャにとって重要なことです。 プロセスマイニングにおいて、標準的なアプローチは、イベントログを構築し、データ駆動方式で並列およびシーケンシャルなプロセスを発見しようとすることである。 イベントログの確率的言語に基づいて構築されたこの標準的なアプローチは、その発見アルゴリズムの仮定のみを報告します。 さらに、データが取得される前に、データの同時動作を識別できない場合に特徴付けます。 不可能なところでは、アクティビティの開始と終了のタイミングや、実行中の順序を固定するオブジェクト中心のレコードなど、確率的な言語が破棄される証拠から区別が回復できる。 したがって、この治療法は、より大きなサンプルではなく、記録されているものを選択する。 これは、真の並行サービスの計画リソースがシーケンシャルサービスと非常に異なるため、意思決定に影響を与える。

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)
• Data is Moody: Discovering Data Modification Rules from Process Event Logs [31.187669045960085]
  本稿では, 正確で簡潔なif-thenが, プロセスのデータの修正方法を規定するアルゴリズムを提案する。 Moodyは、コンパクトで解釈可能なルールを見つけ、正確な発見のためのデータはほとんど必要とせず、ノイズに対して堅牢である。
  論文  参考訳（メタデータ） (2023-12-22T10:00:50Z)
• Graph-based Asynchronous Event Processing for Rapid Object Recognition [59.112755601918074]
  イベントカメラは、各イベントがピクセル位置、トリガ時間、明るさの極性が変化するような非同期イベントストリームをキャプチャする。 イベントカメラのための新しいグラフベースのフレームワーク、SlideGCNを紹介した。 当社のアプローチでは、データをイベント単位で効率的に処理し、内部でグラフの構造を維持しながら、イベントデータの低レイテンシ特性を解放することが可能です。
  論文  参考訳（メタデータ） (2023-08-28T08:59:57Z)
• Continuous-time convolutions model of event sequences [46.3471121117337]
  イベントシーケンスは不均一でスパースであり、従来のモデルは不適当である。 我々は、時間とともに一様でない事象の発生を処理するために設計された効率的な畳み込みニューラルネットワークに基づくCOTICを提案する。 COTICは、次のイベント時間とタイプを予測する際に既存のモデルよりも優れており、最も近いライバルの3.714と比較して平均1.5のランクに達している。
  論文  参考訳（メタデータ） (2023-02-13T10:34:51Z)
• Sequential Kernelized Independence Testing [77.237958592189]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• Defining Cases and Variants for Object-Centric Event Data [0.36748639131154304]
  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。
  論文  参考訳（メタデータ） (2022-08-05T15:33:03Z)
• 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)
• Inferring Unobserved Events in Systems With Shared Resources and Queues [0.8602553195689513]
  実生活システムは、しばしば起こる全ての出来事のサブセットのみを記録する。 共有リソースを持つプロセスの動作を理解し,分析するために,発生したに違いないが記録されていないイベントのタイムスタンプの境界を再構築することを目的としている。 我々は、非観測イベントのタイムスタンプを効率的に導き出すために、エンティティトレース上の線形プログラミングを使用する。
  論文  参考訳（メタデータ） (2021-02-27T09:34:01Z)
• Partial Order Resolution of Event Logs for Process Conformance Checking [10.58705988536919]
  既存の適合性チェック技術の重要な前提は、すべてのイベントがプロセスインスタンス毎のイベントの順序を推測できるタイムスタンプに関連付けられているということです。 本稿では,動作抽象化の異なる概念を取り入れた,この課題に対するいくつかの推定手法を提案する。 実世界のデータと合成データの実験により、我々の手法は最先端の精度を大幅に向上させることが明らかとなった。
  論文  参考訳（メタデータ） (2020-07-05T18:43:57Z)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

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。