Fundamental Data Mining Techniques for Declarative Process Mining by Grohmann (ISBN 978-3-487-16155-6)

Grohmann

Data and Declarative Process Mining

Olms, 2022, 246 Pages

ISBN 978-3-487-16155-6

Our continuation service: You will receive new series titles or new editions automatically and without obligation to purchase. If you wish to do so, you can mark it in the shopping cart.

The work is part of the series Wissenschaftliche Schriften der WWU Münster, Reihe IV: Wirtschaftswissenschaften (Volume 21)

32,00 € incl. VAT

Available

Note on shipping costs

Further options for registered users

Description
Abstract
Keywords

Process mining is a business process management technique that uses business process execution data for analysis. By providing the data in so-called event logs, process mining tools generate process models that describe the executions as precisely as possible. This can result in either graph-based notations such as Petri nets or BPMN or declarative notations such as Declare. One hypothesis of the thesis is that declarative constraints can increase the comprehensibility of models when process mining produces large, confusing "spaghetti diagrams". This paper presents an approach, including a prototype implementation, to apply association and sequence pattern analysis to event logs with the aim of producing declarative process models. Preprocessing steps and the translation of rules and patterns to declare constraints are explicitly addressed. This provides analysts with transparent insights into the basis of the entire declarative model.

Process Mining ist eine Technik des Geschäftsprozessmanagements, die Ausführungsdaten von Geschäftsprozessen zur Analyse verwendet. Durch eine Bereitstellung der Daten in sogenannten Event-Logs generieren Process Mining-Tools Prozessmodelle, die die Ausführungen möglichst präzise beschreiben. Dies kann entweder in graph-basierte Notationen wie Petri-Netze oder BPMN oder deklarative Notationen wie Declare resultieren. Eine Hypothese der Arbeit ist, dass deklarative Constraints die Verständlichkeit der Modelle erhöhen kann wenn Process Mining große, unübersichtliche „Spaghetti-Diagramme“ produziert. Diese Arbeit präsentiert einen Ansatz inklusive prototypischer Implementierung um Assoziations- und Sequenzmusteranalyse auf Event-Logs anzuwenden, mit dem Ziel, deklarative Prozessmodelle zu erzeugen. Auf Preprocessing-Schritte und die Übersetzung der Regeln und Muster zu Declare-Constraints wird explizit eingegangen. Dadurch erhalten Analysten transparente Einblicke in die Basis des gesamten deklarativen Modells.