[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被引用数 117

ひとこと要約

PM4Pyは、カスタマイズ可能なプロセスマイニングアルゴリズムとデータサイエンスツールとのシームレスな統合を可能にするPythonライブラリであり、プロセスマイニングとデータサイエンスのワークフロー間のギャップに対処します。

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

• 既存のツールと比べて、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ハードルを下げる。
• プロセスマイニングアルゴリズムをPythonの他のデータサイエンスライブラリと容易に統合できるようにする。
• プロセスマイニングにおけるコードと結果を共有する協力的なエコシステムを育成する。
• アルゴリズムの安定性を確保するために、徹底的なドキュメントと厳格なテストを提供する。
• プロセスマイニングにおける大規模実験と再現性の高い研究をサポートする。

提案手法

• PM4Pyの専用パッケージ全体で、オブジェクト、アルゴリズム、可視化の厳密な分離を採用する。
• アルゴリズムのバリアント（例：Alpha Miner classicおよびplus）の統一アクセス手段としてファクトリメソッドを提供する。
• 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データフレーム）とフォーマット間の変換をサポートする。
• 発見、適合性検証、強化といったコアのプロセスマイニング手法と、適合度、精度、一般化、単純性といった品質指標を実装する。
• プロセスモデルとソーシャルネットワークの可視化を、Plot、GraphViz、NetworkX、Pyvisの統合を通じて提供する。

実験結果

リサーチクエスチョン

• RQ1 Pythonでプロセスマイニングアルゴリズムをいかに容易に拡張・カスタマイズ可能にするか？
• RQ2 PM4Pyはプロセスマイニングを既存のPythonデータサイエンスライブラリとどう統合できるか？
• RQ3 PM4Pyはプロセスマイニングコミュニティ内で大規模実験と協働をサポートできるか？
• RQ4 学術的および実務的な環境におけるPM4Pyの成熟度と普及度はどの程度か？

主な発見

• PM4PyはAlpha MinerとInductive Minerの実装を提供し、適合性検証と性能測定と整合する。
• PM4Pyはイベントログ、イベントストリーム、pandasデータフレームをサポートし、スケーラブルなデータ処理を実現する。
• PM4Pyはファクトリメソッドを用いてアルゴリズムのバリアントを管理し、後方互換性を確保する。
• PM4PyはPetriネット、直接後続グラフ、およびソーシャルネットワークの可視化をGraphViz、NetworkX、Pyvisを使用して可能にする。
• PM4Py 1.0は2018年にリリースされ、PM4Py 1.1は2019年にリリースされ、コースでの利用や他プロジェクトとの統合が拡大している。