بهبود کشف فرآیند مبتنی بر الگوریتم آلفا با استفاده از مدل نگاشت- کاهش

چکیده:

امروزه فرآیندکاوی یکی از نیازهای هر سازمان است. با کمک فرآیندکاوی سازمان¬ها می¬توانند به جای اینکه تحت فرضیات عمل کنند، آنچه را که واقعاً در فرآیندهایشان اتفاق می¬افتد را نشان دهند. کشف فرآیند نوعی از فرآیندکاوی است که هدف آن ساختن مدل‌هایی از فرآیندهای کسب‌وکار است؛ اطلاعات این فرآیندها در فایل تاریخچه رخداد تولید شده از سیستم‌های اطلاعات سازمانی جمع‌آوری شده است. از رایج‌ترین الگوریتم¬ها که با آن می‌توان از تاریخچه رخداد به مدل فرآیند دست یافت الگوریتم آلفا و بهبودهای آن است. اما نکته بسیار مهم، توجه به ماهیت توزیع‌شدگی تاریخچه رخدادها در بین ماشین‌های فیزیکی مختلف در سازمان‌های بزرگ است. از این رو، روش¬های گذشته برای تاریخچه رخدادهای بزرگ قابل استفاده نیست. پیاده‌سازی الگوریتم‌ها با مدل نگاشت-کاهش یک رویکرد مقیاس¬پذیر برای محاسبات کارآمد بر روی داده های توزیع¬شده فراهم می¬کند.
در این پایان¬نامه، الگوریتم¬های آلفا به¬صورت مقیاس‌پذیر برای کشف فرآیند از تاریخچه رخدادهای بزرگ ارائه می¬شود؛ برای این مهم از مدل نگاشت-کاهش در طراحی دوباره این الگوریتم¬ها استفاده شده است. روش پیشنهادی شامل سه گام اصلی است: 1) ساخت تاریخچه رخداد مناسب متنی و تشخیص حلقه¬های کوتاه، 2) کشف روابط میان فعالیت‌ها با استفاده از مدل نگاشت-کاهش و 3) ترسیم شبکه پتری به عنوان مدل خروجی. ارزیابی¬های لازم باتوجه به معیارهای زمان، تناسب و دقت انجام شده در پایان‌نامه نشان می‌دهد که روش پیشنهادی برای الگوریتم آلفا، با حفظ تناسب و دقت، امکان کشف فرآیند از تاریخچه رخدادهای بزرگ را فراهم می¬کند. سپس این الگوریتم، برای شناسایی حلقه بهبود داده می¬شود این بهبود با نام آلفاپلاس شناخته می¬شود. ارزیابی¬ها نشان می¬دهد که پیاده¬سازی الگوریتم آلفاپلاس به روش نگاشت-کاهش، علاوه بر کشف سریع حلقه در تاریخچه رخدادهای بزرگ، دقت مدل را حدود ده درصد نسب به روش آلفا، بهبود می¬دهد.