[논문 리뷰] Advances in Process Optimization: A Comprehensive Survey of Process Mining, Predictive Process Monitoring, and Process-Aware Recommender Systems

Anzalee Khan, Aditya Ghose외 2명|arXiv (Cornell University)|2023. 01. 25.

Big Data and Business IntelligenceBusiness, Management and Accounting인용 수 3

한 줄 요약

이 종합 검토는 비즈니스 프로세스 관리(BPM)를 지원하기 위해 프로세스 중심 데이터 과학, 특히 프로세스 마이닝, 예측 프로세스 모니터링, 프로세스 인식 추천 시스템에 중점을 두고 포괄적인 개요를 제시한다. 역사적 로그, 실시간 데이터 및 머신러닝을 통합하여 프로세스 최적화 및 자동화를 위한 예측 인사이트, 진단 분석 및 정책 권고를 가능하게 한다.

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.

연구 동기 및 목표

• 비즈니스 프로세스 관리(BPM) 및 지속적인 개선을 지원하는 프로세스 중심 데이터 과학 기법에 대한 통합적 개요를 제공하기 위해.
• 특히 예측 모니터링 및 의사결정 지원 분야에서 미흡하게 다뤄진 영역을 식별하고 분석하기 위해.
• 다양한 데이터 소스와 지능형 의사결정 기능을 통합함으로써 전통적 프로세스 마이닝과 고급 분석 간 격차를 메우기 위해.
• 자동화, 특히 RPA와 검색 기반 최적화를 통한 사전적 프로세스 개선의 역할을 부각하기 위해.
• 성과 향상, 비용 절감 및 데이터 기반 의사결정을 가능하게 하기 위해 프로세스 분석을 조직의 전략적 역량으로 위치시키기 위해.

제안 방법

• 이벤트 로그에서 프로세스 모델을 역공학적으로 복원하기 위해 프로세스 발견, 적합성 검사 및 향상 기법을 포함한 프로세스 마이닝 기법을 활용한다.
• 역사적 및 실시간 프로세스 데이터(예: 사이클 타임, 비용, 사례 완료 확률 포함)를 사용하여 프로세스 결과를 예측하기 위해 예측 분석을 적용한다.
• 작업 재정렬, 자원 할당, 의사결정 규칙 최적화와 같은 최적의 조치를 제안하기 위해 추천 시스템을 활용한다.
• 사용자와 소프트웨어 시스템 간의 반복적이고 규칙 기반 상호작용을 자동화하기 위해 로봇 프로세스 자동화(RPA)를 통합한다.
• 사이클 타임 및 비용과 같은 KPI 기반으로 개선 기회를 식별하기 위해 검색 기반 최적화 및 머신러닝(요인 인과 추론 포함)을 활용한다.
• 도메인 지식과 역사적 프로세스 데이터를 융합하여 프로세스 재설계 및 실시간 운영 의사결정을 위한 정책 권고를 생성한다.

실험 결과

연구 질문

• RQ1 프로세스 분석 기법은 프로세스 실행 로그에서 실행 가능한 인사이트를 어떻게 추출하여 프로세스 개선 및 의사결정 지원에 기여할 수 있는가?
• RQ2 예측 프로세스 모니터링의 핵심 기능은 프로세스 결과를 예측하고 실행 중 위험을 식별하는 데 어떻게 기여하는가?
• RQ3 프로세스 인식 추천 시스템은 어떻게 동적이고 지식 집약적인 프로세스에서 운영 의사결정을 향상시킬 수 있는가?
• RQ4 자동화된 프로세스 개선(예: RPA 및 최적화 기법 포함)은 프로세스 성능을 사전에 향상시키는 데 어떤 방식으로 기여할 수 있는가?
• RQ5 통합된 데이터 소스(예: 이벤트 로그, 의사결정 로그, 자원 할당 로그)는 더 포괄적인 프로세스 이해 및 최적화에 어떻게 기여하는가?

주요 결과

• 프로세스 분석은 전통적 프로세스 마이닝을 넘어서 의사결정 로그 및 맥락 데이터와 같은 다양한 데이터 유형을 통합하여 예측, 진단 및 정책 권고 인사이트를 제공한다.
• 예측 프로세스 모니터링은 실행 중인 프로세스 인스턴스에서 잠재적 지연 또는 실패를 조기에 탐지하여 적시의 관리자 간섭을 가능하게 한다.
• 프로세스 인식 추천 시스템은 이전의 최고 실천 기반으로 최적의 작업 순서, 자원 할당 또는 의사결정 규칙을 제안함으로써 프로세스 결과를 향상시킬 수 있다.
• 검색 기반 최적화 및 머신러닝을 활용한 자동화된 프로세스 개선은 사이클 타임 단축, 비용 절감 및 자원 활용도 향상 기회를 식별할 수 있다.
• RPA 통합은 전통적 자동화가 비용 효율적이지 않은 영역에서 사용자 중심 반복 작업의 자동화를 가능하게 한다.
• 프로세스 실행 중 적용된 인과 기반 머신러닝 모델은 증거 기반 치료 또는 라우팅 결정을 권고함으로써 결과를 향상시킬 수 있다.