[論文レビュー] Artifact Lifecycle Discovery

Viara Popova, Dirk Fahland+1 more|arXiv (Cornell University)|Mar 11, 2013

Business Process Modeling and Analysis参考文献 20被引用数 8

ひとこと要約

本論文は、生のイベントログからGuard-Stage-Milestone (GSM)表記法を用いたアーティファクトライフサイクルモデルを発見するための柔軟でモジュラーなツールチェーンを提案する。これにより、従来の非アーティファクト中心のプロセスマイニング技術の再利用が可能になる。ログをアーティファクト中心のトレースに分解し、発見されたペトリネットモデルをデータ依存性を持つゲートを備えたGSMに変換することで、ビジネスプロセスにおける複雑なn対m関係や動的制約をサポートする。

ABSTRACT

Artifact-centric modeling is a promising approach for modeling business processes based on the so-called business artifacts - key entities driving the company's operations and whose lifecycles define the overall business process. While artifact-centric modeling shows significant advantages, the overwhelming majority of existing process mining methods cannot be applied (directly) as they are tailored to discover monolithic process models. This paper addresses the problem by proposing a chain of methods that can be applied to discover artifact lifecycle models in Guard-Stage-Milestone notation. We decompose the problem in such a way that a wide range of existing (non-artifact-centric) process discovery and analysis methods can be reused in a flexible manner. The methods presented in this paper are implemented as software plug-ins for ProM, a generic open-source framework and architecture for implementing process mining tools.

研究の動機と目的

• 従来のプロセスマイニング技術を、複雑なデータ依存性やn対m関係を有するアーティファクト中心のシステムに適用する課題に対処すること。
• 事前にプロセス境界が定義されていない、ケースに依存しない生のイベントログから、実行可能で人間が読みやすいGSMモデルを発見すること。
• 既存の非アーティファクト中心のプロセスマイニングツールを活用できるように、アーティファクトライフサイクル発見問題を再利用可能な段階に分解すること。
• イベントログ解析とペトリネット意味論に基づいて、GSMモデルにおけるデータ依存性を持つゲートの自動生成を支援すること。
• 複数のアーティファクトインスタンス間の複雑な相互作用、特に同期化や条件付き遷移のモデリングを可能にすること。

提案手法

• 生のイベントログ（非構造的かつケースに依存しない）を処理し、アーティファクトインスタンスを抽出し、各アーティファクトインスタンスごとにイベントをグループ化してアーティファクト中心のトレースを構築する。
• 各アーティファクト中心ログに対して、標準的なプロセス発見手法（例：アルファマイナー、ヒューリスティクスマイナー）を適用し、ペトリネットとしての低レベルプロセスモデルを生成する。
• イベントの順序とデータ属性に基づいて、マイルストーン、ステージ、ゲート条件を特定することで、得られたペトリネットモデルをGSM表記法に変換する。
• 時間的およびデータ依存性を持つ条件（例：executedAfter、hasBeenAchieved、lastToggledの比較）を用いてゲートを表現し、因果関係および順序制約を符号化する。
• 時間的条件の論理積（例：tokenAvailable(t_p, t_o) = ⋀_{t_s ∈ Alt(t_p,t_o)} executedAfter(t_p, t_s)）を用いて、トークンの可用性および有効化論理をモデル化する。
• 制御フローとデータフローのダイナミクスを反映する明示的なゲートを備えたGSMモデルを生成し、属性値（例：answer = accept/reject、quality = acceptable）に基づく条件付き遷移を含める。

実験結果

リサーチクエスチョン

• RQ1 既存の非アーティファクト中心のプロセスマイニング手法を、GSM表記法におけるアーティファクトライフサイクルモデルの発見にどのように適合させられるか？
• RQ2 生で非構造的なイベントログを、プロセス発見に適したアーティファクト中心のトレースに変換するための分解戦略は何か？
• RQ3 イベントログから導出されたペトリネットモデルを、正しいゲート条件を備えたGSMモデルに意味論的にマッピングする方法は何か？
• RQ4 イベントログデータに基づいて、GSMモデルにおける正しいトークンの可用性および遷移の発火を保証する形式的条件は何か？
• RQ5 属性値や時間的順序などのデータ依存性制約を、GSMモデルのゲートとして自動的に抽出・符号化する方法は何か？

主な発見

• 提案されたツールチェーンは、ログをアーティファクト中心のトレースに分解し、標準的なプロセスマイニングアルゴリズムを再利用することで、生のイベントログから実行可能なGSMモデルへの変換に成功している。
• 本手法は、1つの顧客注文が複数の材料注文を引き起こすなど、古典的なモノリシックプロセスモデルでは実現不可能な、複雑なn対m関係のアーティファクト間関係をサポートする。
• 得られたGSMモデルにおけるゲートは、executedAfter や hasBeenAchieved などの時間的およびデータ依存性条件を用いて自動生成されており、正しい因果関係の順序付けが保証されている。
• 本アプローチにより、属性値（例：answer = accept/reject）に基づく条件付き遷移のモデリングが可能となり、柔軟で現実的かつ現実に即したプロセス行動を再現できる。
• ツールチェーンはProMプラグインとして実装されており、既存のプロセスマイニングエコシステムへの統合と、今後の拡張のための拡張性を提供している。
• 本手法は、階層的および並列構造を有するライフサイクルモデルの発見をサポートしており、GSMの直感的でモジュラーな性質を反映するとともに、実行可能意味論を保持している。