프로세스 마이닝 심화

1모듈과 답하는 질문

모듈은 순서대로 듣는 것을 전제로 한다. C2의 표류 점검과 선언적 제약 비교는 C3의 결정 마이닝과 시뮬레이션 검증에서, C3의 “리뷰 대기는 응답 지연에서 왔다”는 결론과 C1의 사람 객체는 C4의 예측과 감시 우려에서 다시 쓴다.

2설치와 환경

트랙 C의 스크립트는 Python으로 쓰였다. 실습 24에서 PM4Py를 설치했으면 SimPy와 scikit-learn만 더한다.

python3 -m pip install pm4py==2.7.23.8 simpy scikit-learn

교안의 출력은 위 판으로 실행한 결과다. 시뮬레이션과 예측 스크립트는 씨앗값을 고정하므로 같은 판에서는 같은 숫자가 나온다. PM4Py 설치가 cvxopt 빌드에서 실패하면 실습 24의 막히면 표대로 --no-deps로 설치한 뒤 의존 패키지를 따로 설치한다. PM4Py는 AGPL-3.0 라이선스이고, 불러올 때 표준 오류로 라이선스 안내문을 낸다. 교안의 출력에서는 그 안내문을 뺐다.

3다시 쓰는 Level 1 결과

실습 저장소가 없어도 모든 실습을 할 수 있다. 계산은 모두 키트의 Orbit 로그로 하고, GitHub에 접속하는 명령(event-log.sh, gh pr list, gh issue comment)은 실습 저장소가 있을 때 따라 한다. 그 명령은 출력 없이 명령만 실었다.

4데이터

5키트 파일

모두 실습 키트의 github-pm-starter-kit/ 폴더에 있다. GitHub에 접속하지 않고, 입력 파일을 인자로 받는다. ocel-notebook.py를 뺀 스크립트는 -h로 사용법을 본다.

6수업 운영과 읽을 것

모듈마다 수업 전에 논문 하나 이상의 서론과 방법 부분을 읽는다. 수업은 설명, 시연, 개별 실습 순서로 진행하고, 실습마다 페이지 끝의 완료 확인 항목을 채운다. 숫자를 해석하는 문제(어느 모델을 고르는가, 시뮬레이션 검증이 실패한 이유는 무엇인가)는 두세 명씩 토론한 뒤 발표한다.

7참고 자료

교재와 도구

• van der Aalst, Process Mining: Data Science in Action 2판, Springer(2016). van der Aalst & Carmona 편, Process Mining Handbook, LNBIP 448, Springer(2022, 공개 접근) link.springer.com
• PM4Py 문서 processintelligence.solutions/pm4py. SimPy 문서 simpy.readthedocs.io. scikit-learn 문서 scikit-learn.org

객체 중심 이벤트 데이터 (C1)

• van der Aalst, “Object-Centric Process Mining: Dealing with Divergence and Convergence in Event Data”, SEFM 2019, LNCS 11724(2019)
• OCEL 2.0 명세(2023) ocel-standard.org. Berti 외, “OCEL (Object-Centric Event Log) 2.0 Specification”, arXiv:2403.01975(2024)
• Suriadi, Andrews, ter Hofstede, Wynn, “Event log imperfection patterns for process mining: Towards a systematic approach to cleaning event logs”, Information Systems 64(2017)
• 개인정보 보호법 제2조 제1호의2(가명처리), 제28조의2~제28조의5(가명정보의 처리)

발견과 적합성 (C2)

• Günther & van der Aalst, “Fuzzy Mining: Adaptive Process Simplification Based on Multi-perspective Metrics”, BPM 2007
• van der Werf, van Dongen, Hurkens, Serebrenik, “Process discovery using integer linear programming”, Fundamenta Informaticae 94(2009). van Zelst, van Dongen, van der Aalst, Verbeek, “Discovering workflow nets using integer linear programming”, Computing 100(2018)
• Leemans, Fahland, van der Aalst, “Discovering Block-Structured Process Models from Event Logs Containing Infrequent Behaviour”, BPM 2013 워크숍, LNBIP 171(2014). 같은 저자, “Scalable process discovery and conformance checking”, Software & Systems Modeling 17(2018)
• Augusto, Conforti, Dumas, La Rosa, Polyvyanyy, “Split miner: automated discovery of accurate and simple business process models from event logs”, Knowledge and Information Systems 59(2019)
• Pesic & van der Aalst, “A Declarative Approach for Flexible Business Processes Management”, BPM 2006 워크숍, LNCS 4103(2006). Di Ciccio & Mecella, “On the Discovery of Declarative Control Flows for Artful Processes”, ACM TMIS 5(4)(2015)
• Adriansyah, van Dongen, van der Aalst, “Conformance Checking using Cost-Based Fitness Analysis”, IEEE EDOC 2011
• Muñoz-Gama & Carmona, “A Fresh Look at Precision in Process Conformance”, BPM 2010. Adriansyah, Muñoz-Gama, Carmona, van Dongen, van der Aalst, “Measuring precision of modeled behavior”, Information Systems and e-Business Management 13(2015)
• Polyvyanyy, Solti, Weidlich, Di Ciccio, Mendling, “Monotone Precision and Recall Measures for Comparing Executions and Specifications of Dynamic Systems”, ACM TOSEM 29(3)(2020)
• Fahland & van der Aalst, “Model repair — aligning process models to reality”, Information Systems 47(2015)
• Bose, van der Aalst, Žliobaitė, Pechenizkiy, “Dealing With Concept Drifts in Process Mining”, IEEE Transactions on Neural Networks and Learning Systems 25(1)(2014)

대기열, 자원, 시뮬레이션 (C3)

• Little, “A Proof for the Queuing Formula: L = λW”, Operations Research 9(3)(1961)
• Senderovich, Weidlich, Gal, Mandelbaum, “Queue mining for delay prediction in multi-class service processes”, Information Systems 53(2015)
• Nakatumba & van der Aalst, “Analyzing Resource Behavior Using Process Mining”, BPM 2009 워크숍, LNBIP 43(2010)
• van der Aalst, Reijers, Song, “Discovering Social Networks from Event Logs”, Computer Supported Cooperative Work 14(6)(2005)
• Rozinat & van der Aalst, “Decision Mining in ProM”, BPM 2006, LNCS 4102(2006)
• Rozinat, Mans, Song, van der Aalst, “Discovering simulation models”, Information Systems 34(3)(2009)

예측 모니터링 (C4)

• Teinemaa, Dumas, La Rosa, Maggi, “Outcome-Oriented Predictive Process Monitoring: Review and Benchmark”, ACM TKDD 13(2)(2019)
• Tax, Verenich, La Rosa, Dumas, “Predictive Business Process Monitoring with LSTM Neural Networks”, CAiSE 2017
• Weytjens & De Weerdt, “Creating Unbiased Public Benchmark Datasets with Data Leakage Prevention for Predictive Process Monitoring”, BPM 2021 워크숍
• Fahrenkrog-Petersen, Tax, Teinemaa, Dumas, de Leoni, Maggi, Weidlich, “Fire now, fire later: alarm-based systems for prescriptive process monitoring”, Knowledge and Information Systems 64(2)(2022)
• Brier, “Verification of forecasts expressed in terms of probability”, Monthly Weather Review 78(1)(1950). Mitchell 외, “Model Cards for Model Reporting”, FAT* 2019

마치며...

트랙 C의 네 모듈은 2단계와 같은 Orbit 기록을 쓰되, 사례 하나로 줄인 로그의 한계에서 시작해 모델의 선택과 검증, 대기의 원인과 정책 비교, 진행 중인 업무의 예측으로 나아간다. 모듈마다 결과물이 pm-lab/에 파일로 남고, 뒤 모듈이 앞 모듈의 결론을 다시 쓴다. C1에서는 Orbit 로그를 업무, PR, 사람을 객체로 나눈 OCEL 2.0 파일로 바꾸고, 사례 하나로 줄일 때 생기는 복제와 누락을 숫자로 잰다.