[论文解读] Causal Process Mining from Relational Databases with Domain Knowledge

Philipp Waibel, Lukas Pfahlsberger+2 more|arXiv (Cornell University)|Feb 16, 2022

Business Process Modeling and Analysis被引用 8

一句话总结

本文提出因果流程挖掘（CPM），一种新颖方法，通过利用外键关系中的领域知识，将关系型数据库事件数据转换为因果事件图（CEG），避免了传统直接后继图中常见的虚假关系。该方法通过建模因果依赖关系减少噪声并提高模型准确性，在一家欧洲食品生产商的案例研究中，CPM在捕捉有效流程方面优于基于DFG的方法。

ABSTRACT

The plethora of algorithms in the research field of process mining builds on directly-follows relations. Even though various improvements have been made in the last decade, there are serious weaknesses of these relationships. Once events associated with different objects that relate with a cardinality of 1:N and N:M to each other, techniques based on directly-follows relations produce spurious relations, self-loops, and back-jumps. This is due to the fact that event sequence as described in classical event logs differs from event causation. In this paper, we address the research problem of representing the causal structure of process-related event data. To this end, we develop a new approach called Causal Process Mining. This approach renounces the use of flat event logs and considers relational databases of event data as an input. More specifically, we transform the relational data structures based on the Causal Process Template into what we call Causal Event Graph. We evaluate our approach and compare its outputs with techniques based on directly-follows relations in a case study with an European food production company. Our results demonstrate the benefits for enriching process mining with additional knowledge from the domain.

研究动机与目标

• 解决传统流程挖掘中因使用扁平事件日志和直接后继关系而产生的表示偏差，特别是在1:N和N:M基数场景下。
• 克服直接后继图（DFG）在建模多个交互对象的流程时产生虚假关系、自环和回跳的局限性。
• 将关系型数据库中的因果领域知识（尤其是外键关系）整合到流程挖掘中，以提高模型保真度。
• 开发一种新的建模范式——因果流程挖掘（CPM），利用关系型数据结构和因果模板生成更精确的流程模型。
• 通过与基于DFG的方法在真实世界食品生产环境中的对比案例研究，证明CPM的有效性。

提出的方法

• 使用因果流程模板（CPT）将关系型数据库事件数据转换为因果事件图（CEG），其中CPT从外键约束中编码特定领域的因果关系。
• 将流程实例建模为以对象为中心的轨迹，保留事件与其关联业务对象之间的关系，而非将其扁平化为单例日志。
• 通过在不同抽象层次上对CEG进行分组，构建聚合因果事件图（ACEG），以支持多级流程分析。
• 使用图数据库存储和查询CEG与ACEG，实现对跨流程实例因果依赖关系的高效探索。
• 应用Pearl层级中的因果推断原则，确保所建模的关系反映实际因果依赖，而不仅仅是时间序列。
• 通过比较CPM输出与基于DFG的模型，使用出乎意料关系比率和时间违规次数等指标验证该方法。

实验结果

研究问题

• RQ1 在具有复杂对象基数的关系型数据库中，因果流程挖掘相较于传统直接后继图技术，在多大程度上减少了虚假关系？
• RQ2 在从关系型事件数据派生流程模型时，因果领域知识（特别是外键关系）能多大程度上被有效利用以提高模型准确性？
• RQ3 在真实世界工业场景中，因果流程挖掘能否生成比基于DFG的方法更具可解释性和精确性的流程模型？
• RQ4 在聚合因果事件图（ACEG）中，不同聚合层级如何影响流程模型的清晰度和保真度？
• RQ5 时间一致性（如时间违规）对CPM与基于DFG的方法生成的模型质量有何影响？

主要发现

• CPM显著减少了虚假关系：在案例研究中，第三级聚合层级下，出乎意料关系与预期关系的比率从DFG的950.36%降至CPM的0.00%。
• Noreja方法（一种基于DFG的方法）在“准备订单发货 → 计划订单项目拣货”转换中产生了427,634个出乎意料的关系，而CPM产生的出乎意料关系为零。
• 在CPM模型中，大多数转换的无时间违规关系与有时间违规关系的比率为100%，表明具有高度的时间一致性。
• 与基于DFG的Noreja方法相比，CPM在“创建发货单 → 生成组发货单”转换中消除了100%的出乎意料关系，而后者该比率为195,604.17%。
• CPM中的时间违规数量大幅减少——例如，“创建发货单 → 生成组发货单”路径中仅13次违规，而基于DFG的方法有35,465次违规。
• 在11个转换中的8个，CPM生成的模型虚假关系比例为0%，表明其在精度和因果有效性方面显著优于基于DFG的模型。