[論文レビュー] Advances in Process Optimization: A Comprehensive Survey of Process Mining, Predictive Process Monitoring, and Process-Aware Recommender Systems

Anzalee Khan, Aditya Ghose+2 more|arXiv (Cornell University)|Jan 25, 2023

Big Data and Business IntelligenceBusiness, Management and Accounting被引用数 3

ひとこと要約

本サーベイは、プロセス指向型データサイエンスの包括的概要を提示し、プロセスマッピング、予測プロセスモニタリング、プロセス対応レコメンデーションシステムを焦点として、ビジネスプロセス管理を支援する。履歴ログ、リアルタイムデータ、機械学習を統合することで、プロセス最適化と自動化のための予測的インサイト、診断的分析、規定的レコメンデーションを可能にする。

ABSTRACT

Process analytics approaches allow organizations to support the practice of Business Process Management and continuous improvement by leveraging all process-related data to extract knowledge, improve process performance and support decision-making across the organization. Process execution data once collected will contain hidden insights and actionable knowledge that are of considerable business value enabling firms to take a data-driven approach for identifying performance bottlenecks, reducing costs, extracting insights and optimizing the utilization of available resources. Understanding the properties of 'current deployed process' (whose execution trace is often available in these logs), is critical to understanding the variation across the process instances, root-causes of inefficiencies and determining the areas for investing improvement efforts. In this survey, we discuss various methods that allow organizations to understand the behaviour of their processes, monitor currently running process instances, predict the future behavior of those instances and provide better support for operational decision-making across the organization.

研究の動機と目的

• ビジネスプロセス管理（BPM）および継続的改善を支援するプロセス指向型データサイエンス手法の包括的概要を提供すること。
• 特に予測モニタリングと意思決定支援において未だ十分に掘り下げられていない分野を特定・分析すること。
• 多様なデータソースと知能的意思決定能力を統合することで、伝統的なプロセスマッピングと高度な分析の間のギャップを埋めること。
• 自動化（特にRPAと検索ベース最適化を含む）が、能動的なプロセス改善を可能にする役割を強調すること。
• プロセス分析を、パフォーマンス向上、コスト削減、データドリブン意思決定を可能にする戦略的組織的能力として位置づけること。

提案手法

• イベントログからプロセスモデルを逆引きするため、プロセス発見、適合性チェック、強化といったプロセスマッピング技術を活用する。
• 履歴的およびリアルタイムのプロセスデータ（サイクルタイム、コスト、ケース完了確率など）を用いて、プロセスの結果を予測する分析手法を適用する。
• タスクの再順序化、リソース割り当て、意思決定ルール最適化などの最適なアクションを実行中に提案するため、レコメンデーションシステムを活用する。
• ユーザーとソフトウェアシステム間の繰り返しの多いルールベースの対話の自動化を実現するため、ロボティックプロセスオートメーション（RPA）を統合する。
• KPI（サイクルタイム、コストなど）に基づいて改善機会を同定するため、検索ベース最適化および機械学習（因果推論を含む）を活用する。
• ドメイン知識と履歴プロセスデータを統合し、プロセスの再設計およびリアルタイムの運用意思決定のための規定的レコメンデーションを生成する。

実験結果

リサーチクエスチョン

• RQ1 プロセス分析技術は、プロセス実行ログからどのような行動可能なインサイトを抽出し、プロセス改善と意思決定支援に貢献できるか？
• RQ2 予測プロセスモニタリングの主な機能は、プロセスの結果を予測し、実行中にリスクを特定することにどのように寄与するか？
• RQ3 プロセス対応レコメンデーションシステムは、動的で知識集約的なプロセスにおいて、意思決定をどのように向上させることができるか？
• RQ4 RPAおよび最適化技術を含む自動プロセス改善は、どのように能動的にプロセスパフォーマンスを向上させることができるか？
• RQ5 統合されたデータソース（例：イベントログ、意思決定ログ、プロビジョニングログ）は、より包括的なプロセス理解と最適化にどのように寄与するか？

主な発見

• プロセス分析は、意思決定ログやコンテキストデータなど多様なデータタイプを統合することで、従来のプロセスマッピングをはるかに超えて、予測的、診断的、規定的インサイトを提供する。
• 予測プロセスモニタリングにより、実行中のプロセスインスタンスにおける潜在的な遅延や障害を早期に検出でき、適切なマネジメント対応を可能にする。
• プロセス対応レコメンデーションシステムは、履歴的な最良実践に基づいて、最適なタスク順序、リソース割り当て、または意思決定ルールの提案により、プロセスの成果を向上させることができる。
• 検索ベース最適化および機械学習を用いた自動プロセス改善により、サイクルタイムの短縮、コスト削減、リソース活用率の向上といった機会を同定できる。
• RPA統合により、従来の自動化が費用対効果に劣る分野においても、繰り返しの多いユーザー対応タスクの自動化が可能になる。
• プロセス実行中に適用された因果推論を含む機械学習モデルは、証拠に基づく治療法やルーティング意思決定のレコメンデーションにより、結果の改善に寄与する。