Project R-6412

De kwaliteit van procesmodellen evalueren: bevatten ontdekte procesmodellen enkel systeemgedrag en niets meer? (Onderzoek)

'Process mining' betreft de ontdekking van proces modellen gebaseerd op waargenomen proces gedrag. Doorheen de laatste decennia, werden vele proces ontdekkingsalgoritmes ontwikkeld, elk met hun eigen sterktes. Om verdere wetenschappelijke vooruitgang in dit domein te steunen, heeft de gemeenschap een sterk evaluatiekader nodig voor proces ontdekkingstechnieken. Momenteel kunnen vier bouwblokken voor een dergelijk kader geïdentificeerd worden, i.e. een set aan evaluatiemaatregelen, een evaluatiemethodologie, benchmark datasets en een programeeromgeving om algoritme evaluatie en vergelijking te automatiseren. De set evaluatiemaatregelen is het bouwblok dat voor zover de meeste aandacht ontvangen heeft. De vier meest bestudeerde en toegepaste kwaliteitsdimensies zijn replay fitness, precisie, generalisatie en simpliciteit. Tot op heden, vormt kwantificerende generalisatie, dat de alignering van het ontdekte model met het ware proces meet, een persistent probleem binnen 'process mining' De doelstelling van dit onderzoeksvoorstel is hierdoor een recent ontwikkelde metriek te verbeteren die zich richt op het sluiten van deze onderzoekskloof. Deze metriek zal de waarschijnlijkheid onderzoeken dat het ontdekte model het geobserveerde gebeurtenislog produceert. Meer specifiek, zal de metriek zowel academici als beoefenaars toelaten in te schatten of een model niet teveel gedrag bevat, en hierdoor dus leid aan een gebrek aan realisme.

01 oktober 2015 - 30 september 2017