[논문 리뷰] Process Mining for Python (PM4Py): Bridging the Gap Between Process- and Data Science

Alessandro Berti, Sebastiaan J. van Zelst외 1명|arXiv (Cornell University)|2019. 05. 15.

Business Process Modeling and Analysis인용 수 117

한 줄 요약

PM4Py는 프로세스 마이닝 알고리즘의 맞춤화와 데이터 사이언스 도구와의 원활한 통합을 가능하게 하는 Python 라이브러리로, 프로세스 마이닝과 데이터 사이언스 워크플로 간의 격차를 해소합니다.

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.

연구 동기 및 목표

• 기존 도구에 비해 프로세스 마이닝에서 알고리즘 개발 및 맞춤화를 위한 진입 장벽을 낮춘다.
• Python의 다른 데이터 사이언스 라이브러리와 프로세스 마이닝 알고리즘의 쉬운 통합을 가능하게 한다.
• 프로세스 마이닝에서 코드와 결과를 공유하는 협업 생태계를 촉진한다.
• 알고리즘의 안정성을 보장하기 위한 철저한 문서화와 엄격한 테스트를 제공한다.
• 프로세스 마이닝에서 대규모 실험과 재현 가능한 연구를 지원한다.

제안 방법

• 전용 PM4Py 패키지들 간에 객체, 알고리즘, 시각화의 엄격한 분리를 사용한다.
• 알고리즘 변형에 대한 통합 접근점으로 팩토리 메서드를 제공한다(예: Alpha Miner classic and plus).
• 다중 이벤트 데이터 구조(이벤트 로그, 이벤트 스트림, pandas 데이터 프레임)와 형식 간 변환을 지원한다.
• 주요 프로세스 마이닝 기법(발견, 적합성 검사, 향상)과 품질 지표(적합도, 정밀도, 일반화, 단순성)를 구현한다.
• 프로세스 모델과 사회적 네트워크 시각화를 위해 Plot, GraphViz, NetworkX, Pyvis 통합을 제공한다.

실험 결과

연구 질문

• RQ1 프로세스 마이닝 알고리즘을 Python에서 쉽게 확장 가능하고 맞춤화되도록 만드는 방법은?
• RQ2 PM4Py가 프로세스 마이닝을 기존의 Python 데이터 사이언스 라이브러리와 어떻게 통합할 수 있는가?
• RQ3 PM4Py가 프로세스 마이닝 커뮤니티 내에서 대규모 실험과 협업을 지원할 수 있는가?
• RQ4 학계 및 실무 환경에서 PM4Py의 성숙도와 채택 수준은 어느 정도인가?

주요 결과

• PM4Py는 Alpha Miner 및 Inductive Miner 구현을 제공하고 적합성 검사 및 성능 측정과 일치한다.
• PM4Py는 확장 가능한 데이터 처리를 위해 이벤트 로그, 이벤트 스트림, pandas 데이터 프레임을 지원한다.
• PM4Py는 알고리즘 변형을 관리하고 하위 호환성을 보장하기 위해 팩토리 메서드를 사용한다.
• PM4Py는 GraphViz, NetworkX, Pyvis를 사용하여 Petri 네트, 직접후속 그래프, 사회적 네트워크의 시각화를 가능하게 한다.
• PM4Py 1.0은 2018년에, PM4Py 1.1은 2019년에 출시되었고, 강의에서의 사용과 다른 프로젝트와의 통합이 증가하고 있다.