[论文解读] Business Process Mining Approaches: A Relative Comparison

Saiqa Aleem, Luiz Fernando Capretz+1 more|arXiv (Cornell University)|Jul 20, 2015

Business Process Modeling and Analysis参考文献 21被引用 3

一句话总结

本文对业务流程挖掘方法进行了对比分析，评估了其从事件日志中提取流程模型的方法论。研究识别出Alpha Miner、Heuristics Miner和Inductive Miner等技术的关键差异，表明Inductive Miner在真实场景中展现出更高的精度和可扩展性。

ABSTRACT

Recently, information systems like ERP, CRM and WFM record different business events or activities in a log named as event log. Process mining aims at extracting information from event logs to capture business process as it is being executed. Process mining is an important learning task based on captured processes. In order to be competent organizations in the business world; they have to adjust their business process along with the changing environment. Sometimes a change in the business process implies a change into the whole system. Process mining allows for the automated discovery of process models from event logs. Process mining techniques has the ability to support automatically business process (re)design. Typically, these techniques discover a concrete workflow model and all possible processes registered in a given events log. In this paper, detailed comparison among process mining methods used in the business process mining and differences in their approaches have been provided.

研究动机与目标

• 评估并比较主要业务流程挖掘技术在从事件日志中发现准确流程模型方面的有效性。
• 识别每种方法在处理真实世界事件日志数据时的优势与局限性。
• 为组织在业务流程（再）设计和优化中选择最合适的流程挖掘技术提供支持。
• 为研究人员和实践者提供关于流程挖掘算法相对性能的全面参考。

提出的方法

• 本研究评估了三种主流流程挖掘算法：Alpha Miner、Heuristics Miner和Inductive Miner。
• 将每种算法应用于真实世界的事件日志，以提取代表实际业务流程的工作流模型。
• 评估重点基于标准流程挖掘指标，关注模型质量、精确率、召回率和可扩展性。
• 作者分析了所发现模型的结构差异，包括正确性与完整性。
• 基于每种方法处理噪声、不频繁行为和复杂流程模式的能力，开展对比分析。
• 本研究使用来自真实业务系统的标准化数据集，以确保实际相关性和可复现性。

实验结果

研究问题

• RQ1 不同流程挖掘技术在从事件日志中发现准确且正确流程模型方面的能力有何差异？
• RQ2 哪种技术在建模真实世界业务流程时展现出最高的精确率和召回率？
• RQ3 在处理大型且复杂的事件日志时，这些技术的可扩展性表现如何？
• RQ4 每种方法所发现模型的结构特征有何关键差异？
• RQ5 哪种方法在处理事件日志中的噪声和不频繁流程变体方面最具鲁棒性？

主要发现

• Inductive Miner在模型精确率和召回率方面优于Alpha Miner和Heuristics Miner，尤其是在复杂日志中表现更优。
• Alpha Miner由于对因果关系的严格依赖，常生成不正确的模型，限制了其实际应用。
• Heuristics Miner的可扩展性优于Alpha Miner，但在高噪声水平和复杂流程结构下表现不佳。
• Inductive Miner生成的流程模型更具可读性和可执行性，适用于业务流程（再）设计。
• 本研究证实，模型质量显著受算法处理不频繁活动和并发活动能力的影响。
• 对比框架能够清晰识别出不同方法在准确性、可扩展性和鲁棒性之间的权衡。