[Ingediend op 7 mei 2020]

PDF downloaden

Abstract: Bedrijfsprocessen zijn vatbaar voor onverwachte veranderingen, zoals procesmedewerkers dat ook kunnen
plotseling of geleidelijk een proces anders gaan uitvoeren om zich aan te passen
veranderingen in werkdruk, seizoen of andere externe factoren. Vroege detectie van
veranderingen in bedrijfsprocessen stellen managers in staat veranderingen die dat zijn te identificeren en ernaar te handelen
kan anders de procesprestaties beïnvloeden. Driftdetectie van bedrijfsprocessen
verwijst naar een familie van methoden om veranderingen in een bedrijfsproces te detecteren door
het analyseren van gebeurtenislogboeken die zijn geëxtraheerd uit de systemen die de uitvoering van ondersteunen
het proces. Bestaande methoden voor detectie van bedrijfsprocesdrift zijn gebaseerd op
een exploratieve analyse van een potentieel grote speelruimte en in sommige gevallen
ze vereisen dat gebruikers handmatig specifieke kenmerken identificeren die de
drift. Afhankelijk van de onderzochte feature-ruimte missen deze methoden verschillende
soorten veranderingen. Bovendien zijn ze ontworpen om plotselinge afwijkingen op te sporen of
geleidelijke afwijkingen, maar niet beide. Deze paper stelt een geautomatiseerd en statistisch voorstel voor
geaarde methode voor het detecteren van plotselinge en geleidelijke drift van bedrijfsprocessen
een verenigd kader. Een empirische evaluatie laat zien dat de methode detecteert
typische veranderingspatronen met aanzienlijk hogere nauwkeurigheid en lagere detectie
vertraging dan bestaande methoden, terwijl nauwkeurig onderscheid wordt gemaakt tussen plotselinge en
geleidelijke afwijkingen.