[论文解读] PMSD: Data-Driven Simulation Using System Dynamics and Process Mining

Mahsa Pourbafrani, Wil M. P. van der Aalst|arXiv (Cornell University)|Jan 1, 2020

Complex Systems and Decision Making参考文献 2被引用 2

一句话总结

PMSD 是一种基于网络的工具，通过将事件日志转换为聚合模拟模型，弥合了流程挖掘与系统动力学之间的差距，支持面向未来的假设分析。它使用户能够生成系统动力学日志（SD-日志），检测流程变量之间的时序关系，并构建因果回路图（CLD）和存量-流量图（SFD），用于模拟与验证，支持通过可视化和交互式建模能力进行基于情景的业务流程预测。

ABSTRACT

Process mining extends far beyond process discovery and conformance checking, and also provides techniques for bottleneck analysis and organizational mining. However, these techniques are mostly backward-looking. PMSD is a web application tool that supports forward-looking simulation techniques. It transforms the event data and process mining results into a simulation model which can be executed and validated. PMSD includes log transformation, time window selection, relation detection, interactive model generation, simulating and validating the models in the form of system dynamics, i.e., a technique for an aggregated simulation. The results of the modules are visualized in the tool for a better interpretation

研究动机与目标

• 弥合业务流程管理中面向过去的过程挖掘与面向未来模拟之间的差距。
• 利用事件数据与系统动力学，实现对业务流程在聚合层面的模拟。
• 通过基于网络的工具支持交互式、可视化且可验证的模拟建模，实现模型优化与外部因素整合。
• 提供一个从事件日志生成并验证系统动力学模型的框架，包括 CLD 与 SFD 的创建。
• 通过将流程度量转换为时间序列数据，支持基于情景的预测。

提出的方法

• 将原始事件日志转换为时间序列流程变量（例如到达率、服务时间），以形成系统动力学日志（SD-日志）。
• 应用时间窗选择与时间序列分析，以稳定并优化 SD-日志的生成，适用于模拟。
• 通过相关性与依赖性分析，在时间步长之间检测流程变量之间的强线性与非线性关系。
• 从检测到的关系中生成因果回路图（CLD）与存量-流量图（SFD），用于概念建模与可执行建模。
• 通过允许用户选择并映射关系到 SFD 元素，支持交互式模型优化。
• 使用 SD-日志数据模拟 SFD 模型，并通过模拟数据与真实数据分布的成对比较验证结果。

实验结果

研究问题

• RQ1 如何将事件数据转换为适用于业务流程建模的聚合模拟准备变量？
• RQ2 从事件日志生成稳定且具代表性的 SD-日志的最优时间窗是什么？
• RQ3 如何在系统动力学模型中检测并表示流程变量之间的有意义关系？
• RQ4 基于流程挖掘结果构建的系统动力学模型在多大程度上能准确模拟真实流程行为？
• RQ5 流程挖掘与系统动力学的整合如何支持业务流程中交互式、可验证且可扩展的假设情景分析？

主要发现

• PMSD 成功地将事件日志转换为 SD-日志，能够捕捉以每日或每小时为单位的流程行为聚合指标。
• 该工具通过稳定性测试识别出 SD-日志生成的最优时间窗，从而最小化模拟中的模型误差。
• 检测并可视化了流程变量之间（如工作负载与服务速度）的强时序关系，用于模型构建。
• 该工具支持 CLD 与 SFD 的交互式生成，输出以标准 .mdl 格式存储，可被 Vensim 等外部工具使用。
• 模拟结果与真实数据分布高度一致，验证了所生成模型的准确性。
• 该工具支持从事件日志到可验证模拟的端到端工作流，通过基于网络的界面实现输入、模型与输出的完整可追溯性。