[論文レビュー] Process Mining for Python (PM4Py): Bridging the Gap Between Process- and Data Science

Alessandro Berti, Sebastiaan J. van Zelst+1 more|arXiv (Cornell University)|May 15, 2019

Business Process Modeling and Analysis参考文献 12被引用数 92

ひとこと要約

PM4Pyは、pandasやscikit-learnなどの標準的なデータサイエンスツールと統合することで、アルゴリズムのカスタマイズと大規模な実験を可能にするPythonベースのプロセスマイニングライブラリです。拡張性のためのアーキテクチャ、複数のプロセスマイニングアルゴリズム、および可視化のサポートを提供します。

ABSTRACT

Process mining, i.e., a sub-field of data science focusing on the analysis of event data generated during the execution of (business) processes, has seen a tremendous change over the past two decades. Starting off in the early 2000's, with limited to no tool support, nowadays, several software tools, i.e., both open-source, e.g., ProM and Apromore, and commercial, e.g., Disco, Celonis, ProcessGold, etc., exist. The commercial process mining tools provide limited support for implementing custom algorithms. Moreover, both commercial and open-source process mining tools are often only accessible through a graphical user interface, which hampers their usage in large-scale experimental settings. Initiatives such as RapidProM provide process mining support in the scientific workflow-based data science suite RapidMiner. However, these offer limited to no support for algorithmic customization. In the light of the aforementioned, in this paper, we present a novel process mining library, i.e. Process Mining for Python (PM4Py) that aims to bridge this gap, providing integration with state-of-the-art data science libraries, e.g., pandas, numpy, scipy and scikit-learn. We provide a global overview of the architecture and functionality of PM4Py, accompanied by some representative examples of its usage.

研究の動機と目的

• 既存ツールと比べて、プロセスマイニングにおけるアルゴリズム開発とカスタマイズの障壁を低くする。
• 他のデータサイエンスアルゴリズムやPythonエコシステムとのプロセスマイニングの容易な統合を実現する。
• プロセスマイニングコミュニティにおけるコードと結果の共有を促進する協働エコシステムを育成する。
• アルゴリズムの安定性と信頼性を確保するため、徹底的なドキュメントと厳密なテストを提供する。

提案手法

• オブジェクト、アルゴリズム、可視化を厳密に分離したモジュール型アーキテクチャを提供する。
• ファクトリメソッドを用いてアルゴリズムとバリアントにアクセスし、後方互換性を確保する（例：Alpha Miner Classic と Plus）。
• 複数のイベントデータ構造（イベントログ、イベントストリーム、pandas DataFrame）と変換ユーティリティをサポートする。
• 主流のプロセスマイニング技術を実装する：プロセスディスカバリ、適合性検証、モデル強化（適合度や精度といった指標を用いたモデル強化）。
• GraphViz、NetworkX、Pyvisを用いたさまざまなプロセス表現やソーシャルネットワークの可視化を提供する。
• pandas、numpy、scipy、scikit-learnなどのPythonデータサイエンスライブラリとの統合を確保し、充実したドキュメントを提供する。

実験結果

リサーチクエスチョン

• RQ1 Pythonライブラリ内でプロセスマイニングアルゴリズムをどのように容易に拡張・カスタマイズ可能にするか？
• RQ2 PM4Pyは既存のデータサイエンスエコシステムとシームレスに統合して大規模な実験を可能にできるか？
• RQ3 研究者間で再現性が高く共有可能なプロセスマイニング実験を実現するためのどのようなアーキテクチャ選択があるか？
• RQ4 サポートされるプロセスマイニング技術のセットは何で、どのようにアクセスされるか（例：ファクトリ経由）？

主な発見

• PM4Pyは再利用と実験を促進するため、オブジェクト、アルゴリズム、可視化を明確に分離したモジュラーアーキテクチャを提供します。
• ファクトリメソッドはアルゴリズムとバリアントへの単一のアクセス手段を提供し、容易な拡張と後方互換性を可能にします。
• PM4Pyはログ、ストリーム、pandas DataFrameを含むさまざまなイベントデータ表現と、変換ユーティリティをサポートします。
• このライブラリには、プロセスディスカバリ（Alpha Miner、Inductive Miner）、適合性検証（トークン再生、アライメント）、およびモデル強化機能が含まれています。
• グラフィカルな可視化はGraphViz、NetworkX、Pyvisを通じてサポートされ、モデルやソーシャルネットワークの解釈を支援します。
• PM4Pyは主要なPythonデータサイエンスライブラリと統合されており、教育・研究プロジェクトでの活用実績があり、GitHubを通じた活発なコミュニティの関与があります。