JP2023546305A - 確率的帰納マイナを使用するプロセスツリーの発見 - Google Patents

確率的帰納マイナを使用するプロセスツリーの発見 Download PDF

Info

Publication number
JP2023546305A
JP2023546305A JP2021572412A JP2021572412A JP2023546305A JP 2023546305 A JP2023546305 A JP 2023546305A JP 2021572412 A JP2021572412 A JP 2021572412A JP 2021572412 A JP2021572412 A JP 2021572412A JP 2023546305 A JP2023546305 A JP 2023546305A
Authority
JP
Japan
Prior art keywords
event log
event
sub
successor
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2021572412A
Other languages
English (en)
Inventor
ヨハナス スチープンス,ローランド
ブロンズ,デニス
ファーランド,ダーク
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
UiPath Inc
Original Assignee
UiPath Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by UiPath Inc filed Critical UiPath Inc
Publication of JP2023546305A publication Critical patent/JP2023546305A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/34Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3466Performance evaluation by tracing or monitoring
    • G06F11/3476Data logging
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/01Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/901Indexing; Data structures therefor; Storage structures
    • G06F16/9024Graphs; Linked lists
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44Arrangements for executing specific programs
    • G06F9/451Execution arrangements for user interfaces
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/86Event-based monitoring
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/30Creation or generation of source code
    • G06F8/34Graphical or visual programming
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/04Inference or reasoning models
    • G06N5/045Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0633Workflow analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067Enterprise or organisation modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Human Computer Interaction (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

プロセスのプロセスツリーを生成するためのシステムおよび方法が提供される。プロセスのイベントログが受信される。基本事例がイベントログに適用されるかどうかが判定され、基本事例がイベントログに適用されると判定することに応答して、1つまたは複数のノードがプロセスツリーに追加される。基本事例がイベントログに適用されないと判定することに応答して、イベントログは、イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいてサブイベントログに分割され、1つまたは複数のノードがプロセスツリーに追加される。基本事例がイベントログに適用されるかどうかを判定し、イベントログを分割するステップは、基本事例がイベントログに適用されると判定されるまで、イベントログとしてそれぞれのサブイベントログを使用して、それぞれのサブイベントログごとに繰り返し実行される。プロセスツリーが出力される。プロセスは、ロボティックプロセスオートメーションプロセスであってもよい。

Description

(関連出願の相互参照)
本出願は、2020年9月6日に出願された米国実用特許出願第17/013,624号の優先権を主張し、その開示はその全体が参照により本明細書に組み込まれる。
本発明は、一般に、コンピュータプロセスマイニングに関し、より詳細には、使用可能で、理解可能で、かつ正確なコンピュータプロセスのプロセスツリーを生成するための確率的帰納マイナを使用するプロセスツリー発見に関する。
コンピュータプロセスは、様々なサービスを提供するために1つまたは複数のコンピュータによって実行されるアクティビティのシーケンスである。プロセスマイニングでは、プロセスの実行を表すプロセスモデルを生成することにプロセスモデル発見技法が適用される。既存のプロセスモデル発見技法は、並列処理などの複雑な挙動を表現することが可能な形式的なプロセスモデルを生成する。しかしながら、既存のプロセスモデル発見技法は、多くのアプリケーションで利用されるには複雑すぎるプロセスモデルを生成する。
1つまたは複数の実施形態によれば、プロセスのプロセスツリーを生成するためのシステムおよび方法が提供される。プロセスのイベントログが受信される。基本事例がイベントログに適用されるかどうかが判定され、基本事例がイベントログに適用されると判定することに応答して、1つまたは複数のノードがプロセスツリーに追加される。基本事例がイベントログに適用されないと判定することに応答して、イベントログは、イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいてサブイベントログに分割され、1つまたは複数のノードがプロセスツリーに追加される。基本事例がイベントログに適用されるかどうかを判定し、イベントログを分割するステップは、基本事例がイベントログに適用されると判定されるまで、イベントログとしてそれぞれのサブイベントログを使用して、それぞれのサブイベントログごとに繰り返し実行される。プロセスツリーが出力される。プロセスは、ロボティックプロセスオートメーションプロセスであってもよい。
一実施形態では、イベントログは、イベントログの直接後続グラフおよびイベントログの間接後続グラフを生成すること、直接後続グラフおよび間接後続グラフをフィルタリングすること、フィルタリングされた直接後続グラフおよびフィルタリングされた間接後続グラフに基づいてイベントログ内のアクティビティのペア用の関係演算子についてのアクティビティ関係スコアを計算すること、アクティビティ関係スコアに基づいて、1)イベントログ内のカット位置および2)サブイベントログ間の挙動を表す関係演算子ノードを決定すること、ならびにカット位置に基づいてイベントログをサブイベントログに分割することによって分割される。
一実施形態では、直接後続グラフおよび間接後続グラフは、直接後続関係または厳密な間接後続関係にあるイベントログ内のアクティビティのペアをソートすること、フィルタしきい値に基づいてソートされたアクティビティのペアの中のアクティビティのペアを識別すること、直接後続グラフおよび間接後続グラフ内の識別されたアクティビティのペアを接続するエッジを除去することによってフィルタリングされる。フィルタしきい値はユーザ定義されてもよい。
一実施形態では、カット位置および関係演算子ノードは、アクティビティ関係スコアに基づいて潜在的なカット位置についてのカットスコアを計算すること、ならびにカットスコアに基づいて、1)潜在的なカット位置からのカット位置、および2)関係演算子ノードを決定することによって決定される。
一実施形態では、イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいてイベントログをサブイベントログに分割すること、ならびにプロセスツリーに1つまたは複数のノードを追加することは、サブイベントログの各々について、サブイベントログと関係演算子ノードの子ノードとの間の挙動を表す関係演算子ノードを追加することを含む。
一実施形態では、基本事例がイベントログに適用されるかどうかを判定し、基本事例がイベントログに適用されると判定することに応答して、プロセスツリーに1つまたは複数のノードを追加することは、スキップログ事例がイベントログに適用されると判定することを含み、スキップログ事例がイベントログに適用されると判定することに応答して、排他的選択ノードがプロセスツリーに追加され、第1の子ノードはサイレントアクティビティを表し、第2の子ノードはイベントログ用である。
一実施形態では、プロセスツリーに基づいてプロセスモデルが生成されてもよい。
本発明のこれらおよび他の利点は、以下の発明を実施するための形態および添付の図面を参照することによって当業者には明らかになるであろう。
本発明の1つまたは複数の実施形態による、例示的なプロセスを示す図である。
本発明の1つまたは複数の実施形態による、プロセスのプロセスツリーを生成するための方法を示す図である。
本発明の1つまたは複数の実施形態による、図1に示されたプロセスの例示的なイベントログを示す図である。
本発明の1つまたは複数の実施形態による、プロセスの実行を表す例示的なプロセスツリーを示す図である。
本発明の1つまたは複数の実施形態による、プロセスのイベントログをサブイベントログに分割するための方法を示す図である。
本発明の1つまたは複数の実施形態による、図1に示されたプロセスの例示的な直接後続グラフを示す図である。
本発明の1つまたは複数の実施形態による、図6に示された直接後続グラフのフィルタリングされたグラフを示す図である。
本発明の1つまたは複数の実施形態による、フィルタリングされたエッジが除去された図7Aに示されたフィルタリングされたグラフを表す結果のグラフを示す図である。
本発明の1つまたは複数の実施形態による、アクティビティのペア用の関係演算子を推測するための頻度情報の寄与を示す図である。
本発明の一実施形態による、コンピューティングシステムのブロック図である。
コンピュータプロセスは、例えば、管理用途(例えば、新しい従業員の新人研修)、支払い手続用途(例えば、購入、請求書管理、および支払いの円滑化)、ならびに情報技術用途(例えば、発券システム)などのいくつかの異なるアプリケーションについてのサービスを提供するために、1つまたは複数のコンピュータによって実行されてもよい。例示的なプロセス100が図1に示されている。一実施形態では、プロセス100は、1つまたは複数のRPAロボットを使用してタスクを自動的に実行するためのロボティックプロセスオートメーション(RPA)ワークフローとして実装されてもよい。
プロセス100は、プロセス100の中のステップの所定のシーケンスを表すアクティビティA102、アクティビティB104、アクティビティC106、およびアクティビティD108を含む。図1に示されたように、プロセス100は、各アクティビティ102~108がノードとして表され、アクティビティ102~108間の各遷移がノードを接続するエッジとして表される有向グラフとしてモデル化される。アクティビティ間の遷移は、送信元アクティビティから宛先アクティビティへのプロセス100の実行を表す。プロセス100の実行はイベントログの形態で記録される。
本明細書に記載された実施形態は、イベントログに基づいて、例えば、プロセス100などのプロセスの実行を表すプロセスツリーを再帰的に生成するための確率的帰納マイナシステムを提供する。一実施形態では、イベントログは、サブイベントログに繰り返し再帰的に分割される。分割ごとに、サブイベントログ間の、例えば、排他的選択、順序、並列、またはループなどの挙動を表す関係演算子ノードがプロセスツリーに追加される。アクティビティノードは、関係演算子ノードに子として、両方のサブイベントログについて再帰的に追加される。イベントログ内の分割を見つけるように試みる前に、最初に基本事例が適用されるかどうかが判定され、その場合、プロセスのアクティビティまたはサイレントアクティビティのいずれかを表すリーフノードが追加される。このプロセスは、プロセスツリーへのノードの再帰的な追加を実現し、それによってプロセスの実行を表すプロセスツリーを生成するために、サブイベントログごとに再帰的に実行される。有利なことに、本明細書に記載された実施形態に従って生成されたそのようなプロセスツリーは、使用可能で、理解可能で、かつ正確なプロセスのプロセスモデル(例えば、BPMN(ビジネスプロセスモデルおよび表記法)様のモデル)を生成するために利用されてもよい。
図2は、1つまたは複数の実施形態による、プロセスのプロセスツリーを生成するための方法200を示す。方法200の様々なステップは、プロセスツリーにノードを繰り返し追加し、それによってプロセスツリーを生成するために再帰的に実行される。方法200は、引き続き図1のプロセス100を参照して記載される。一実施形態では、方法200のステップは、図1のプロセス100のプロセスツリーを生成するために実行される。方法200は、例えば、図9のコンピューティングシステム900などの1つまたは複数の適切なコンピューティングデバイスによって実行されてもよい。
ステップ202において、プロセスのイベントログが受信される。Lと表記されたイベントログは、プロセスの実行の1つまたは複数のインスタンスの間に発生するイベントを記録することにより、プロセスの実行の1つまたは複数のインスタンスの間で維持されてもよい。イベントは、特定の時間における、かつ特定の事例についてのアクティビティの実行を指す。事例は、プロセスの実行の特定のインスタンスに対応し、事例識別子(ID)によって識別される。トレースは、事例に対して実行されたアクティビティの順序付きシーケンスを指す。バリアントは、特定のトレースの発生頻度を指す。
図3は、1つまたは複数の実施形態による、図1のプロセス100の例示的なイベントログ300を示す。イベントログ300は、イベントログ300内の事例ID1から事例ID6に対応する、プロセス100の実行の6つのインスタンス中に発生したイベントを記録する。図3に示されたように、イベントログ300は、行302と列304が交差するセルにおいて、各々がイベントに対応する行302と、各々がヘッダ行306内で識別されるイベントの属性を識別する列304とを有するテーブルとしてフォーマットされる。詳細には、各行302は、(列304-Bで識別される)アクティビティ102~108の実行を表すイベント、(列304-Cで識別される)アクティビティ102~108の実行のタイムスタンプ、および(列304-Aで識別される)実行されたアクティビティ102~108の実行インスタンスを識別する事例IDに関連付けられる。一実施形態では、列304-Cで識別されるアクティビティ102-108の実行のタイムスタンプは、アクティビティ102-108の実行が完了した時間を指すが、代替として、アクティビティ104-108の実行が始まった時間を指してもよい。イベントログ300は、任意の適切なフォーマットであってもよく、イベントの他の属性を識別する追加の列304を含んでもよいことを理解されたい。
ステップ204において、基本事例がイベントログに適用されるかどうかが判定される。基本事例は条件であり、例えば、単一アクティビティ事例、非アクティビティ事例、またはスキップログ事例が含まれてもよい。単一アクティビティ事例は、イベントログが単一のアクティビティのみを含むときにイベントログに適用される。非アクティビティ事例は、イベントログがいかなるアクティビティも含まないときにイベントログに適用される。スキップログ事例は、発生したはずのイベントログの空のトレースの数がイベントログのトレースの数を超えたときにイベントログに適用され、イベントログが実行されたよりも頻繁にスキップされたことを示す。発生したはずのイベントログ内の空きトレースの数は、空き挙動カウンタによって追跡され、イベントログのトレースの数には含まれない。基本事例は、単一アクティビティ事例、非アクティビティ事例、またはスキップログ事例に限定されないことを理解されたい。他の基本事例も考えられる。
基本事例がイベントログに適用されると判定することに応答して、1つまたは複数のノードがプロセスツリーに追加される。例えば、単一アクティビティ事例がイベントログに適用されると判定することに応答して、そのアクティビティを表すノードがプロセスツリーに追加される。非アクティビティ事例がイベントログに適用されると判定することに応答して、サイレントアクティビティを表すリーフノードがプロセスツリーに追加される。サイレントアクティビティは「何も発生しない」ことを示す。スキップログ事例がイベントログに適用されると判定することに応答して、排他的選択演算子ノードが2つの子ノードとともにプロセスツリーに追加される。第1の子ノードはサイレントアクティビティを表すリーフノードである。第2の子ノードは、空き挙動カウンタをリセットし、ステップ204に戻ってイベントログに基本事例が適用されるかどうかを判定することによって追加されたイベントログ用のノードである。
プロセスツリーは、ステップ204および206を再帰的に繰り返し実行することによってノードごとにノードの再帰的追加を可能にするために、方法200の間に生成されながらメモリに(例えば、図9のコンピューティングシステム900のメモリ906に)記憶される。
ステップ206において、基本事例がイベントログに適用されないと判定することに応答して、イベントログが、イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいてサブイベントログに分割され、1つまたは複数のノードがプロセスツリーに追加される。ノードは、1)サブイベントログ間の挙動(例えば、排他的選択、順序、並列、またはループ)を表す関係演算子ノード、および2)サブイベントログごとの子ノードを含むプロセスツリーに追加される。子ノードのうちの特定のノードは、(ステップ208で)ステップ204に再帰的に戻り、それぞれのサブイベントログごとにステップ204および206を繰り返すことによって決定される。一実施形態では、イベントログはサブイベントログに分割され、関係演算子ノードは、以下で詳細に記載される図5の方法500のステップに従って決定される。
ステップ208において、方法200はステップ204に戻り、(ステップ204において)基本事例がイベントログに適用されると判定されるまで、イベントログとしてそれぞれのサブイベントログを使用して、それぞれのサブイベントログごとにステップ204およびステップ206が繰り返される。このようにして、方法200は、サブイベントログごとにプロセスツリーに1つまたは複数のノードを再帰的に追加し、それによってプロセスツリーを生成する。
ステップ210において、プロセスのプロセスツリーが出力される。すべてのサブイベントログに対してステップ204および206が実行されると、プロセスツリーが出力される。一実施形態では、プロセスツリーは、例えば、プロセスツリーをコンピュータシステムのディスプレイデバイスに表示すること、プロセスツリーをコンピュータシステムのメモリもしくはストレージに記憶すること、またはプロセスツリーをリモートコンピュータシステムに送信することによって出力されてもよい。図4は、1つまたは複数の実施形態による、プロセスの実行を表す例示的なプロセスツリー400を示す。
いくつかの実施形態では、プロセスツリーは、例えば、既知の技法を使用してプロセスモデルに変換されてもよい。プロセスモデルは、例えば、BPMNモデルまたはBPMN様モデルであってもよい。
図5は、1つまたは複数の実施形態による、プロセスのイベントログをサブイベントログに分割するための方法500を示す。一実施形態では、方法500のステップは図2のステップ206で実行されて、例えば、図1のプロセス100のイベントログなどのイベントログをサブイベントログに分割し、サブイベントログ間の挙動を表す関係演算子ノードを決定する。方法500は、例えば、図9のコンピューティングシステム900などの1つまたは複数の適切なコンピューティングデバイスによって実行されてもよい。
ステップ502において、イベントログの直接後続グラフおよびイベントログの間接後続グラフが生成される。直接後続グラフは、アクティビティを表記するノード、および直接後続関係にあるアクティビティのノードを接続するエッジを含む有向グラフである。間接後続グラフは、アクティビティを表記するノード、および厳密な間接後続関係にあるアクティビティのノードを接続するエッジを含む有向グラフである。本明細書で使用される直接後続関係は、互いに直接的に後続するアクティビティを指し、厳密な間接後続関係は、互いに間接的に後続するが、互いに直接的に後続しないアクティビティを指す。
図6は、1つまたは複数の実施形態による、図1のプロセス100の例示的な直接後続グラフ600を示す。直接後続グラフ400は、アクティビティA102、アクティビティB104、アクティビティC106、およびアクティビティD108用のノード、ならびに互いに直接後続するアクティビティのノードを接続するエッジを描写する。各エッジには、発生頻度を示す値が注釈付けされている。
ステップ504において、直接後続グラフおよび間接後続グラフがフィルタリングされる。直接後続グラフおよび間接後続グラフから頻度の低いエッジおよびノードを除去すると、より頻繁なデータを維持しながら、あまり複雑でないプロセスツリーの生成がもたらされる。さらに、直接後続グラフおよび間接後続グラフをフィルタリングすることにより、イベントログが直接フィルタリングされた場合に発生するはずの頻繁なアクティビティを含むまれなバリアントの除去が回避される。
図7Aは、1つまたは複数の実施形態による、図6の直接後続グラフ600のフィルタリングされたグラフ700を示す。フィルタリングされたグラフ700の破線のエッジは、直接後続グラフ600からフィルタリングされたエッジを表す。フィルタリングは、93のフィルタしきい値fを使用して実行された。図7Bは、1つまたは複数の実施形態による、フィルタリングされたエッジが除去された、フィルタリングされたグラフ700を表す結果のグラフ710を示す。
アクティビティ関係スコアは、関係演算子がaとbとの間に存在する確率を表す。アクティビティ関係スコアは、フィルタリングされた直接後続グラフおよび/またはフィルタリングされた間接後続グラフを使用して決定されたaとbとの間の直接後続関係および/または間接後続関係の発生頻度に基づいて計算される。図8に関して説明されるように、発生頻度は、関係演算子の存在を推測するために使用されてもよい。
ブロック814に示されたように、aとbとの間の排他的選択関係演算子は、aとbとの間の直接後続関係および厳密な間接後続関係の頻度が比較的小さい(例えば、ゼロに近い)ときに推測することができ、bとaとの間の排他的選択関係演算子について逆もまた同様である。ブロック810に示されたように、aからbへの順序関係演算子は、aからbへの直接後続関係および厳密な間接後続関係の頻度が、bからaへのそれらの関係の頻度よりもかなり大きいときに推測することができ、ブロック812に示されたように、bからaへの順序関係演算子について逆もまた同様である。ブロック802に示されたように、aとbとの間の並列関係演算子は、aからbへの直接後続関係の頻度がbからaへの直接後続関係の頻度とほぼ同じであるときに推測することができる。ブロック804に示されたように、aからbへのループ入口およびループ出口関係演算子は、aからbへの直接後続関係の頻度がbからaへの厳密な間接後続関係の頻度とほぼ同じであるときに推測することができ、ブロック806に示されたように、bからaへのループ入口およびループ出口関係演算子について逆もまた同様である。ブロック808に示されたように、aとbとの間の間接ループ関係演算子は、aからbへの厳密な間接後続関係の頻度がbからaへの厳密な間接後続関係の頻度とほぼ同じであるときに推測することができる。
図5に戻ると、ステップ508において、イベントログ内のカット位置および関係演算子ノードが、アクティビティ関係スコアに基づいて決定される。カット位置は、イベントログΣをサブイベントログΣおよびΣに分割する。関係演算子ノードは、サブイベントログ間の挙動を表し、例えば、排他的選択、順序、並列、またはループが含まれてもよい。カット位置は、関係演算子(すなわち、排他的選択関係演算子、順序関係演算子、並列関係演算子、ループ入口およびループ出口関係演算子、ならびに間接ループ関係演算子)ごとに累積されたアクティビティ関係スコアに基づいて、イベントログΣ内のすべての潜在的なカット位置を評価することによって決定される。一実施形態では、カットスコアは、関係演算子ごと、およびイベントログΣ内の潜在的なカット位置ごとに計算される。潜在的なカット位置は、イベントログ内のアクティビティの各ペアの間の遷移を含む。カット位置および関係演算子ノードは、カットスコアに基づいて決定される。
累積スコアは、正しい関係演算子を常に正確に識別するとは限らない。したがって、一実施形態では、累積スコアはカットスコアを決定するために修正される。
累積スコアがすべて[0,1]の範囲内であることにより、修正された累積スコア間の比較が可能になる。累積スコアが修正されると、この特性はもはや持続しない。しかしながら、修正された累積スコアに対してさらなる計算または修正が実行されないので、[0,1]の範囲を超える修正された累積スコアは影響を及ぼさない。
カット位置および関係演算子ノードは、カットスコアに基づいて潜在的なカット位置から決定される。一実施形態では、カット位置および関係演算子ノードは、最も高いカットスコアを有する特定の関係演算子用の潜在的なカット位置として決定される。
ステップ510において、カット位置に基づいてイベントログがサブイベントログに分割される。イベントログを分割するために、イベントログのトレースはカット位置に従って分割される。一実施形態では、カット位置に適合しないトレースは、空のトレースと見なされる。空のトレースの数は、空の挙動カウンタによって追跡される。空の挙動カウンタはログ分割中に増分され、(図2のステップ204において)スキップログ基本事例中にイベントログが再帰されるとリセットされる。
図9は、本発明の一実施形態による、図2および図5を含む本明細書に記載された方法、ワークフロー、およびプロセスを実行するように構成されたコンピューティングシステム900を示すブロック図である。いくつかの実施形態では、コンピューティングシステム900は、本明細書に描写および/または記載されたコンピューティングシステムのうちの1つまたは複数であってもよい。コンピューティングシステム900は、情報を通信するためのバス902または他の通信機構と、情報を処理するためにバス902に結合されたプロセッサ904とを含む。プロセッサ904は、中央処理装置(CPU)、特定用途集積回路(ASIC)、フィールドプログラマブルゲートアレイ(FPGA)、グラフィックスプロセッシングユニット(GPU)、それらの複数のインスタンス、および/またはそれらの任意の組み合わせを含む、任意のタイプの汎用プロセッサまたは専用プロセッサであってもよい。プロセッサ904はまた、複数の処理コアを有してもよく、コアのうちの少なくともいくつかは、固有の機能を実行するように構成されてもよい。いくつかの実施形態では、マルチ並列処理が使用されてもよい。
コンピューティングシステム900は、プロセッサ904によって実行されるべき情報および命令を記憶するためのメモリ906をさらに含む。メモリ906は、ランダムアクセスメモリ(RAM)、読み出し専用メモリ(ROM)、フラッシュメモリ、キャッシュ、磁気ディスクもしくは光ディスクなどの静的記憶装置、または任意の他のタイプの非一時的コンピュータ可読媒体もしくはそれらの組み合わせの任意の組み合わせから構成することができる。非一時的コンピュータ可読媒体は、プロセッサ904によってアクセスされ得る任意の利用可能な媒体であってもよく、揮発性媒体、不揮発性媒体、またはその両方を含んでもよい。媒体はまた、リムーバブル、非リムーバブル、またはその両方であってもよい。
さらに、コンピューティングシステム900は、任意の現在存在するか、または将来実現される通信規格および/またはプロトコルに従って、ワイヤレス接続および/または有線接続を介して通信ネットワークへのアクセスを提供するために、トランシーバなどの通信デバイス908を含む。
プロセッサ904は、バス902を介して、ユーザに情報を表示するのに適したディスプレイ910にさらに結合される。ディスプレイ910はまた、タッチディスプレイおよび/または任意の適切な触覚I/Oデバイスとして構成されてもよい。
キーボード912、およびコンピュータマウス、タッチパッドなどのカーソル制御デバイス914は、ユーザがコンピューティングシステムとインターフェースすることを可能にするためにバス902にさらに結合される。しかしながら、特定の実施形態では、物理的なキーボードおよびマウスが存在しなくてもよく、ユーザは、ディスプレイ910および/またはタッチパッド(図示せず)のみを介してデバイスと対話することができる。入力デバイスの任意のタイプおよび組み合わせが、設計上の選択事項として使用されてもよい。特定の実施形態では、物理的な入力デバイスおよび/またはディスプレイは存在しない。例えば、ユーザは、それと通信している別のコンピューティングシステムを介してコンピューティングシステム900とリモートで対話することができるか、またはコンピューティングシステム900は自律的に動作することができる。
メモリ906は、プロセッサ904によって実行されるときに機能を提供するソフトウェアモジュールを記憶する。モジュールは、コンピューティングシステム900のためのオペレーティングシステム916と、本明細書に記載されたプロセスまたはその派生物の全部または一部を実行するように構成された1つまたは複数の追加の機能モジュール918とを含む。
当業者なら、「システム」が、本発明の範囲から逸脱することなく、サーバ、組込みコンピューティングシステム、パーソナルコンピュータ、コンソール、携帯情報端末(PDA)、携帯電話、タブレットコンピューティングデバイス、量子コンピューティングシステム、もしくは任意の他の適切なコンピューティングデバイス、またはデバイスの組み合わせとして具現化され得ることを諒解されよう。上述された機能を「システム」によって実行されるものと提示することは、決して本発明の範囲を限定するものではなく、本発明の多くの実施形態の一例を提供するものである。実際、本明細書に開示された方法、システム、および装置は、クラウドコンピューティングシステムを含むコンピューティング技術と一致する局所化された形態および分散された形態で実装されてもよい。
本明細書に記載されたシステムの特徴のうちのいくつかは、それらの実装の独立性をより詳細に強調するために、モジュールとして提示されていることに留意されたい。例えば、モジュールは、カスタムの超大規模集積(VLSI)回路もしくはゲートアレイ、ロジックチップ、トランジスタ、または他のディスクリートコンポーネントなどの既製の半導体を備えるハードウェア回路として実装されてもよい。モジュールはまた、フィールドプログラマブルゲートアレイ、プログラマブルアレイロジック、プログラマブルロジックデバイス、グラフィックスプロセッシングユニットなどのプログラマブルハードウェアデバイスに実装されてもよい。モジュールはまた、様々なタイプのプロセッサによって実行するためのソフトウェアに少なくとも部分的に実装されてもよい。遂行可能コードの識別されたユニットは、例えば、オブジェクト、手順、または機能として編成されてもよいコンピュータ命令の1つまたは複数の物理ブロックまたは論理ブロックを含んでもよい。それにもかかわらず、識別されたモジュールの遂行可能ファイルは、物理的に一緒に配置される必要はないが、論理的に一緒に結合されたときにモジュールを備え、モジュールのための記載された目的を達成する異なる場所に記憶された異なる命令を含んでもよい。さらに、モジュールは、例えば、ハードディスクドライブ、フラッシュデバイス、RAM、テープ、および/または本発明の範囲から逸脱することなくデータを記憶するために使用される任意の他のそのような非一時的コンピュータ可読媒体であってもよいコンピュータ可読媒体に記憶されてもよい。実際、遂行可能コードのモジュールは、単一の命令、または多くの命令であり得、いくつかの異なるコードセグメントにわたって、異なるプログラムの間で、かついくつかのメモリデバイスにわたって分散さえされてもよい。同様に、動作データは、本明細書ではモジュール内で識別および図示されてもよく、任意の適切な形態で具現化され、任意の適切なタイプのデータ構造内で編成されてもよい。動作データは、単一のデータセットとして収集されてもよく、異なるストレージデバイスを含む異なる場所にわたって分散されてもよく、少なくとも部分的に、システムまたはネットワーク上の単に電子信号として存在してもよい。
上記は、本開示の原理を例示しているにすぎない。したがって、当業者は、本明細書に明示的に記載または図示されていないが、本開示の原理を具現化し、その趣旨および範囲内に含まれる様々な構成を考案することができることが理解されよう。さらに、本明細書に列挙されたすべての例および条件付き言語は、主に、読者が本開示の原理および本技術を促進するために本発明者によって寄与された概念を理解するのを助ける教育目的のためのものにすぎず、そのような具体的に列挙された例および条件に限定されないと解釈されるべきである。その上、本開示の原理、態様、および実施形態、ならびにその具体例を列挙する本明細書のすべての記述は、その構造的および機能的の両方の均等物を包含するものである。さらに、そのような均等物は、現在知られている均等物ならびに将来開発される均等物の両方を含むことが意図される。

Claims (20)

  1. プロセスのプロセスツリーを生成するためのコンピュータ実装方法であって、
    前記プロセスのイベントログを受信するステップと、
    基本事例が前記イベントログに適用されるかどうかを判定し、前記基本事例が前記イベントログに適用されると判定することに応答して、前記プロセスツリーに1つまたは複数のノードを追加するステップと、
    前記基本事例が前記イベントログに適用されないと判定することに応答して、前記イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいて、前記イベントログをサブイベントログに分割し、前記プロセスツリーに1つまたは複数のノードを追加するステップと、
    前記基本事例が前記イベントログに適用されると判定されるまで、それぞれのサブイベントログを前記イベントログとして使用して、前記それぞれのサブイベントログごとに前記判定および前記分割を繰り返すステップと、
    前記プロセスツリーを出力するステップと
    を含む、コンピュータ実装方法。
  2. 前記イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいて、前記イベントログをサブイベントログに分割し、前記プロセスツリーに1つまたは複数のノードを追加するステップが、
    前記イベントログの直接後続グラフおよび前記イベントログの間接後続グラフを生成するステップと、
    前記直接後続グラフおよび前記間接後続グラフをフィルタリングするステップと、
    前記フィルタリングされた直接後続グラフおよび前記フィルタリングされた間接後続グラフに基づいて、前記イベントログ内のアクティビティのペア用の関係演算子についてのアクティビティ関係スコアを計算するステップと、
    前記アクティビティ関係スコアに基づいて、1)前記イベントログ内のカット位置および2)前記サブイベントログ間の挙動を表す関係演算子ノードを決定するステップと、
    前記カット位置に基づいて前記イベントログを前記サブイベントログに分割するステップと
    を含む、請求項1に記載のコンピュータ実装方法。
  3. 前記直接後続グラフおよび前記間接後続グラフをフィルタリングするステップが、
    直接後続関係または厳密な間接後続関係にある前記イベントログ内のアクティビティのペアをソートするステップと、
    フィルタしきい値に基づいて前記ソートされたアクティビティのペアの中のアクティビティのペアを識別するステップと、
    前記直接後続グラフおよび前記間接後続グラフ内の前記識別されたアクティビティのペアを接続するエッジを除去するステップと
    を含む、請求項2に記載のコンピュータ実装方法。
  4. 前記フィルタしきい値がユーザ定義される、請求項3に記載のコンピュータ実装方法。
  5. 前記アクティビティ関係スコアに基づいて、1)前記イベントログ内のカット位置および2)前記サブイベントログ間の挙動を表す関係演算子ノードを決定するステップが、
    前記アクティビティ関係スコアに基づいて潜在的なカット位置についてのカットスコアを計算するステップと、
    前記カットスコアに基づいて、1)前記潜在的なカット位置からの前記カット位置および2)前記関係演算子ノードを決定するステップと
    を含む、請求項2に記載のコンピュータ実装方法。
  6. 前記イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいて、前記イベントログをサブイベントログに分割し、前記プロセスツリーに1つまたは複数のノードを追加するステップが、
    前記サブイベントログの各々について、前記サブイベントログと関係演算子ノードの子ノードとの間の挙動を表す前記関係演算子ノードを追加するステップ
    を含む、請求項1に記載のコンピュータ実装方法。
  7. 基本事例が前記イベントログに適用されるかどうかを判定し、前記基本事例が前記イベントログに適用されると判定することに応答して、前記プロセスツリーに1つまたは複数のノードを追加するステップが、
    スキップログ事例が前記イベントログに適用されると判定するステップと、
    前記スキップログ事例が前記イベントログに適用されると判定することに応答して、第1の子ノードがサイレントアクティビティを表し、第2の子ノードが前記イベントログ用である、排他的選択ノードを前記プロセスツリーに追加するステップと
    を含む、請求項1に記載のコンピュータ実装方法。
  8. 前記プロセスツリーに基づいてプロセスモデルを生成するステップ
    をさらに含む、請求項1に記載のコンピュータ実装方法。
  9. 前記プロセスがロボティックプロセスオートメーションプロセスである、請求項1に記載のコンピュータ実装方法。
  10. プロセスのプロセスツリーを生成するためのコンピュータ命令を記憶するメモリと、
    前記コンピュータ命令を実行するように構成された少なくとも1つのプロセッサと
    を備える、装置であって、前記コンピュータ命令が、
    前記プロセスのイベントログを受信する動作と、
    基本事例が前記イベントログに適用されるかどうかを判定し、前記基本事例が前記イベントログに適用されると判定することに応答して、前記プロセスツリーに1つまたは複数のノードを追加する動作と、
    前記基本事例が前記イベントログに適用されないと判定することに応答して、前記イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいて、前記イベントログをサブイベントログに分割し、前記プロセスツリーに1つまたは複数のノードを追加する動作と、
    前記基本事例が前記イベントログに適用されると判定されるまで、それぞれのサブイベントログを前記イベントログとして使用して、前記それぞれのサブイベントログごとに前記判定および前記分割を繰り返す動作と、
    前記プロセスツリーを出力する動作と
    を前記少なくとも1つのプロセッサに実行させるように構成される、
    装置。
  11. 前記イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいて、前記イベントログをサブイベントログに分割し、前記プロセスツリーに1つまたは複数のノードを追加することが、
    前記イベントログの直接後続グラフおよび前記イベントログの間接後続グラフを生成することと、
    前記直接後続グラフおよび前記間接後続グラフをフィルタリングすることと、
    前記フィルタリングされた直接後続グラフおよび前記フィルタリングされた間接後続グラフに基づいて、前記イベントログ内のアクティビティのペア用の関係演算子についてのアクティビティ関係スコアを計算することと、
    前記アクティビティ関係スコアに基づいて、1)前記イベントログ内のカット位置および2)前記サブイベントログ間の挙動を表す関係演算子ノードを決定することと、
    前記カット位置に基づいて前記イベントログを前記サブイベントログに分割することと
    を含む、請求項10に記載の装置。
  12. 前記直接後続グラフおよび前記間接後続グラフをフィルタリングすることが、
    直接後続関係または厳密な間接後続関係にある前記イベントログ内のアクティビティのペアをソートすることと、
    フィルタしきい値に基づいて前記ソートされたアクティビティのペアの中のアクティビティのペアを識別することと、
    前記直接後続グラフおよび前記間接後続グラフ内の前記識別されたアクティビティのペアを接続するエッジを除去することと
    を含む、請求項11に記載の装置。
  13. 前記フィルタしきい値がユーザ定義される、請求項12に記載の装置。
  14. 前記アクティビティ関係スコアに基づいて、1)前記イベントログ内のカット位置および2)前記サブイベントログ間の挙動を表す関係演算子ノードを決定することが、
    前記アクティビティ関係スコアに基づいて潜在的なカット位置についてのカットスコアを計算することと、
    前記カットスコアに基づいて、1)前記潜在的なカット位置からの前記カット位置および2)前記関係演算子ノードを決定することと
    を含む、請求項11に記載の装置。
  15. プロセスのプロセスツリーを生成するための非一時的コンピュータ可読媒体上に具現化されたコンピュータプログラムであって、前記コンピュータプログラムが、
    前記プロセスのイベントログを受信することと、
    基本事例が前記イベントログに適用されるかどうかを判定し、前記基本事例が前記イベントログに適用されると判定することに応答して、前記プロセスツリーに1つまたは複数のノードを追加することと、
    前記基本事例が前記イベントログに適用されないと判定することに応答して、前記イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいて、前記イベントログをサブイベントログに分割し、前記プロセスツリーに1つまたは複数のノードを追加することと、
    前記基本事例が前記イベントログに適用されると判定されるまで、それぞれのサブイベントログを前記イベントログとして使用して、前記それぞれのサブイベントログごとに前記判定および前記分割を繰り返すことと、
    前記プロセスツリーを出力することと
    を含む動作を少なくとも1つのプロセッサに実行させるように構成される、
    コンピュータプログラム。
  16. 前記イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいて、前記イベントログをサブイベントログに分割し、前記プロセスツリーに1つまたは複数のノードを追加することが、
    前記イベントログの直接後続グラフおよび前記イベントログの間接後続グラフを生成することと、
    前記直接後続グラフおよび前記間接後続グラフをフィルタリングすることと、
    前記フィルタリングされた直接後続グラフおよび前記フィルタリングされた間接後続グラフに基づいて、前記イベントログ内のアクティビティのペア用の関係演算子についてのアクティビティ関係スコアを計算することと、
    前記アクティビティ関係スコアに基づいて、1)前記イベントログ内のカット位置および2)前記サブイベントログ間の挙動を表す関係演算子ノードを決定することと、
    前記カット位置に基づいて前記イベントログを前記サブイベントログに分割することと
    を含む、請求項15に記載のコンピュータプログラム。
  17. 前記イベントログ内のアクティビティのペアについての直接後続関係の頻度および厳密な間接後続関係の頻度に基づいて、前記イベントログをサブイベントログに分割し、前記プロセスツリーに1つまたは複数のノードを追加することが、
    前記サブイベントログの各々について、前記サブイベントログと関係演算子ノードの子ノードとの間の挙動を表す前記関係演算子ノードを追加すること
    を含む、請求項15に記載のコンピュータプログラム。
  18. 基本事例が前記イベントログに適用されるかどうかを判定し、前記基本事例が前記イベントログに適用されると判定することに応答して、前記プロセスツリーに1つまたは複数のノードを追加することが、
    スキップログ事例が前記イベントログに適用されると判定することと、
    前記スキップログ事例が前記イベントログに適用されると判定することに応答して、第1の子ノードがサイレントアクティビティを表し、第2の子ノードが前記イベントログ用である、排他的選択ノードを前記プロセスツリーに追加することと
    を含む、請求項15に記載のコンピュータプログラム。
  19. 前記動作が、
    前記プロセスツリーに基づいてプロセスモデルを生成すること
    をさらに含む、請求項15に記載のコンピュータプログラム。
  20. 前記プロセスがロボティックプロセスオートメーションプロセスである、請求項15に記載のコンピュータプログラム。

JP2021572412A 2020-09-06 2020-10-15 確率的帰納マイナを使用するプロセスツリーの発見 Pending JP2023546305A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/013,624 US11500756B2 (en) 2020-09-06 2020-09-06 Process tree discovery using a probabilistic inductive miner
US17/013,624 2020-09-06
PCT/US2020/055646 WO2022050968A1 (en) 2020-09-06 2020-10-15 Process tree discovery using a probabilistic inductive miner

Publications (1)

Publication Number Publication Date
JP2023546305A true JP2023546305A (ja) 2023-11-02

Family

ID=80491391

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021572412A Pending JP2023546305A (ja) 2020-09-06 2020-10-15 確率的帰納マイナを使用するプロセスツリーの発見

Country Status (6)

Country Link
US (1) US11500756B2 (ja)
EP (1) EP4208827A1 (ja)
JP (1) JP2023546305A (ja)
KR (1) KR20230062318A (ja)
CN (1) CN114730408A (ja)
WO (1) WO2022050968A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220114508A1 (en) * 2020-10-09 2022-04-14 International Business Machines Corporation Enriching process models from unstructured data and identify inefficiencies in enriched process models

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7251787B2 (en) 2002-08-28 2007-07-31 Siebel Systems, Inc. Method and apparatus for an integrated process modeller
US8265979B2 (en) 2003-06-17 2012-09-11 International Business Machines Corporation Automatic generation of process models
US20090112667A1 (en) 2007-10-31 2009-04-30 Ken Blackwell Automated Business Process Model Discovery
US9239887B2 (en) * 2012-12-18 2016-01-19 Cisco Technology, Inc. Automatic correlation of dynamic system events within computing devices
US20190050317A1 (en) 2013-10-01 2019-02-14 Google Inc. Systems and methods for determining event processing delays
US9697100B2 (en) 2014-03-10 2017-07-04 Accenture Global Services Limited Event correlation
US20170111245A1 (en) 2015-10-14 2017-04-20 International Business Machines Corporation Process traces clustering: a heterogeneous information network approach
US10656979B2 (en) 2016-03-31 2020-05-19 International Business Machines Corporation Structural and temporal semantics heterogeneous information network (HIN) for process trace clustering
US20210216925A1 (en) 2017-01-25 2021-07-15 Koninklijke Philips N.V. Generating a process model
US10467083B2 (en) * 2017-06-08 2019-11-05 International Business Machines Corporation Event relationship analysis in fault management
US20190286504A1 (en) 2018-03-15 2019-09-19 Ca, Inc. Graph-based root cause analysis
CN109033368A (zh) 2018-07-27 2018-12-18 安徽理工大学 一种基于活动划分和日志划分的块结构过程挖掘方法
CN109460391A (zh) 2018-09-04 2019-03-12 安徽理工大学 一种基于流程切的过程模型挖掘新方法
KR102175326B1 (ko) 2018-11-19 2020-11-06 주식회사 아이오코드 모듈 프로세스 모델의 버전 관리로 전반적인 프로세스 모델 운영 개선
US11080395B1 (en) * 2018-11-30 2021-08-03 Capsule8, Inc. Interactive shell event detection
US11361163B2 (en) 2018-12-17 2022-06-14 MuyVentive, LLC System and method to represent conversational flows as graph embeddings and to conduct classification and clustering based on such embeddings
WO2020124240A1 (en) 2018-12-21 2020-06-25 Odaia Intelligence Inc. Accurate and transparent path prediction using process mining
US11281520B2 (en) 2020-06-05 2022-03-22 Vmware, Inc. Methods and systems for determining potential root causes of problems in a data center using log streams

Also Published As

Publication number Publication date
EP4208827A1 (en) 2023-07-12
CN114730408A (zh) 2022-07-08
WO2022050968A1 (en) 2022-03-10
US20220075705A1 (en) 2022-03-10
KR20230062318A (ko) 2023-05-09
US11500756B2 (en) 2022-11-15

Similar Documents

Publication Publication Date Title
US11308092B2 (en) Stream processing diagnostics
US20130268251A1 (en) Measuring process model performance and enforcing process performance policy
CN111367786B (zh) 一种符号执行方法、电子设备以及存储介质
US20180121271A1 (en) Systems and methods for correlating errors to processing steps and data records to facilitate understanding of errors
KR20150118963A (ko) 큐 모니터링 및 시각화
JP2023553220A (ja) マルチインスタンスプロセスのためのプロセスマイニング
JP2023554201A (ja) プロセスグラフ用の視覚的複雑さスライダ
JP2023546305A (ja) 確率的帰納マイナを使用するプロセスツリーの発見
JP2023507688A (ja) プロセスのエッジテーブル表現
Lallchandani et al. Slicing UML architectural models
US20210312365A1 (en) Analysis of resources utilized during execution of a process
US20230054774A1 (en) User constrained process mining
US20230057746A1 (en) User constrained process mining
WO2022164578A1 (en) Process tree discovery using a probabilistic inductive miner
WO2022164577A1 (en) Process tree discovery using a probabilistic inductive miner
US11521088B2 (en) Process tree discovery using a probabilistic inductive miner
US11892934B2 (en) Process tree discovery using a probabilistic inductive miner
US20120233224A1 (en) Data processing
US11257264B2 (en) Maintaining data transformation graphs
US20230306349A1 (en) Benchmarking processes of an organization to standardized processes
US20230168656A1 (en) Automatically assigning natural language labels to non-conforming behavior of processes
JP2023520952A (ja) 望ましくない挙動を低減するためのプロセスの影響解析
WO2022107346A1 (ja) データ処理装置、プログラム、システム、及びデータ処理方法
KR20220152916A (ko) 프로세스들에 대한 병목 검출
JP2023543096A (ja) Rpaワークフローのプロセスグラフ用のフィルタのインスタンス化