[논문 리뷰] A Python Extension to Simulate Petri nets in Process Mining

Mahsa Pourbafrani, Sandhya Vasudevan외 4명|arXiv (Cornell University)|2021. 01. 01.

Business Process Modeling and Analysis참고 문헌 11인용 수 4

한 줄 요약

이 논문은 실시간 프로세스 이벤트 로그에서 이산적 사건 시뮬레이션(DES)을 사용하여 자동으로 시뮬레이션된 이벤트 로그를 생성하는 PM4Py 기반의 오픈소스 파이썬 확장 기능을 제시한다. 프로세스 모델(Petri 네트워크)과 성능 데이터(지속 시간, 도착률)를 추출함으로써, 사용자가 정의한 파rameter를 사용해 '만약에' 분석을 가능하게 하며, 원본 프로세스의 흐름과 시간 행동을 유지하는 현실적인 타임스탬프가 부여된 이벤트 로그를 생성한다.

ABSTRACT

The capability of process mining techniques in providing extensive knowledge and insights into business processes has been widely acknowledged. Process mining techniques support discovering process models as well as analyzing process performance and bottlenecks in the past executions of processes. However, process mining tends to be "backward-looking" rather than "forward-looking" techniques like simulation. For example, process improvement also requires "what-if" analyses. In this paper, we present a Python library that uses an event log to directly generate a simulated event log, with additional options for end-users to specify the duration of activities and the arrival rate. Since the generated simulation model is supported by historical data (event data)and it is based on the Discrete Event Simulation (DES) technique, the generated event data is similar to the behavior of the real process.

연구 동기 및 목표

• 기존 프로세스 마이닝 도구에서의 전방향 시뮬레이션 기능 부족 문제를 해결하기 위해.
• 심층적인 시뮬레이션 전문 지식이 필요 없이 자동화되고 데이터 기반의 비즈니스 프로세스 시뮬레이션을 가능하게 하기 위해.
• 실제 프로세스 데이터로부터 활동 흐름과 시간 특성을 모두 유지하는 현실적인 시뮬레이션된 이벤트 로그를 생성하기 위해.
• 사용자가 활동 지속 시간과 도착률을 조정할 수 있도록 유연한 '만약에' 시나리오 분석을 지원하기 위해.

제안 방법

• 도구는 원본 이벤트 로그를 기반으로 하여 프로세스 마이닝을 적용해 Petri 네트워크 모델을 발견한다.
• 통계 분석과 분포 피팅을 사용해 이벤트 로그에서 활동 지속 시간과 도착률을 추출한다.
• 파이썬 기반의 이산적 사건 시뮬레이션(DES) 엔진(SimPy)을 사용해 Petri 네트워크와 사용자 정의 파rameter를 기반으로 프로세스 실행을 시뮬레이션한다.
• 시뮬레이션은 케이스가 활동을 통해 진행되는 것을 추적하며, 용량 제한에 도달했을 경우 대기 상태를 포함한다.
• 시뮬레이션 시계는 실제 타임스탬프로 변환되며, 이벤트는 새로운 이벤트 로그 형식에 기록된다.
• 최종 출력은 케이스 ID, 활동, 타임스탬프 속성을 포함하는 시뮬레이션된 이벤트 로그로, 향후 프로세스 마이닝 분석에 적합하다.

실험 결과

연구 질문

• RQ1 기존 프로세스 마이닝 도구는 수동 모델 생성 없이도 실제 이벤트 로그에서 자동으로 시뮬레이션된 이벤트 로그를 생성할 수 있는가?
• RQ2 과거 데이터와 사용자 정의 파rameter만을 사용해 시뮬레이션된 이벤트 로그가 원본 프로세스의 시간 및 흐름 행동을 얼마나 정확하게 재현할 수 있는가?
• RQ3 사용자 정의 파arameter인 활동 지속 시간과 도착률이 시뮬레이션된 이벤트 로그의 현실성과 유용성에 얼마나 큰 영향을 미치는가?
• RQ4 시뮬레이션된 이벤트 로그를 사용해 원본 프로세스 모델을 높은 정밀도로 재발견할 수 있는가? 이는 시뮬레이션의 타당성을 시사한다.

주요 결과

• 도구는 원본 프로세스의 구조적 및 시간적 특성을 유지하는 시뮬레이션된 이벤트 로그를 성공적으로 생성하였으며, 이는 시뮬레이션된 로그에서 동일한 Petri 네트워크 모델을 재발견함으로써 확인되었다.
• 용량 제약으로 인한 현실적인 대기 행동이 시뮬레이션된 로그에 포함되어 있어, 실제 세계의 병목 현상을 암묵적으로 반영하고 있다.
• 사용자가 활동 지속 시간과 도착률를 수정할 수 있도록 유연한 '만약에' 분석이 가능해져, 시나리오 기반 성능 평가가 수월해졌다.
• 표준 프로세스 마이닝 도구와의 호환성으로 인해, 원본 로그와 시뮬레이션된 로그 간의 일관된 모델 발견 결과를 통해 검증되었다.
• 도구는 오픈소스이며 학술적 사용 사례에서 검증되었으며, 다양한 시뮬레이션 시나리오에서 뛰어난 안정성과 사용성 확보를 보였다.