プロセスマイニング

プロセスマイニングは、運用プロセスを理解し、改善するためにイベントデータを分析するために使用される一連の技術です。データサイエンスとプロセス管理の分野の一部であるプロセスマイニングは、通常、ケースID（特定のプロセスインスタンスの一意の識別子）、アクティビティ（発生しているイベントの説明）、タイムスタンプ、および場合によってはリソース、コストなどのその他の情報を含むログに基づいて構築されます。^[1]^[2]

プロセスマイニング技術には、プロセス発見、適合性チェック、プロセス強化の3つの主要なクラスがあります。過去には、ワークフローマイニングや自動化ビジネスプロセス発見（ABPD）^[3]などの用語が使用されていました。

概要

プロセスマイニング技術は、他のアプローチではプロセスの正式な説明が得られない場合や、既存のドキュメントの品質に疑問がある場合によく使用されます。^[4]たとえば、ワークフロー管理システムの監査証跡、エンタープライズリソースプランニングシステムのトランザクションログ、または病院の電子患者記録にプロセスマイニング手法を適用すると、組織のプロセスを記述するモデルが得られます。 ^[5]イベントログ分析を使用して、イベントログを以前のモデルと比較し、観察が規範モデルまたは記述モデルに準拠しているかどうかを理解することもできます。イベントログデータは、ケースID、アクティビティ、およびタイムスタンプにリンクされている必要があります。^[6]^[7]

BAM (ビジネスアクティビティモニタリング)、BOM (ビジネスオペレーションマネジメント)、BPI (ビジネスプロセスインテリジェンス)などの現代の管理トレンドは、ビジネスプロセス管理テクノロジ (ワークフロー管理システムやその他のプロセス認識型情報システムなど)のコンテキストで診断機能のサポートに対する関心を示しています。プロセスマイニングは、主流の機械学習、データマイニング、人工知能の手法とは異なります。たとえば、プロセスマイニングの分野におけるプロセス検出手法では、順次、選択関係、同時、ループの動作を記述できるエンドツーエンドのプロセスモデルを検出しようとします。適合性チェック手法は、従来の学習アプローチよりも最適化に近いものです。ただし、プロセスマイニングを使用して、機械学習、データマイニング、人工知能の問題を生成できます。プロセスモデルを検出し、イベントログを調整した後、基本的な教師あり学習および教師なし学習の問題を作成できます。たとえば、実行中のケースの残りの処理時間を予測したり、コンプライアンスの問題の根本原因を特定したりできます。

IEEEプロセスマイニングタスクフォースは、 IEEE計算知能学会の一部として2009年10月に設立されました。^[8]これはベンダー中立の組織であり、プロセスマイニングの研究、開発、教育、理解を促進し、エンドユーザー、開発者、コンサルタント、研究者にプロセスマイニングの最先端技術を認識させ、プロセスマイニングの技術とツールの使用を促進して新しいアプリケーションを刺激し、イベントデータ（XESなど）のログ記録の標準化の取り組みに役割を果たし、チュートリアル、特別セッション、ワークショップ、コンテスト、パネルを編成し、この分野の初心者に情報を提供しガイドするための資料（論文、書籍、オンラインコース、映画など）を開発することを目的としています。IEEEプロセスマイニングタスクフォースは、国際プロセスマイニング会議（ICPM）シリーズを設立し、^[9]イベントデータを保存および交換するためのIEEE XES標準の開発を主導し^[10]^[11]、16の言語に翻訳されたプロセスマイニングマニフェスト^[12]を作成しました。

データサイエンスの歴史と位置づけ

「プロセスマイニング」という用語は、オランダのコンピューター科学者Wil van der Aalstが書いた研究提案書の中で初めて使われました。こうして、1999 年にアイントホーフェン大学のデータサイエンスとプロセスサイエンスに関連する技術の傘下に出現した新しい研究分野が始まりました。初期のプロセスマイニング技術は、ワークフロー管理に使用される技術と複雑に絡み合っていました。2000 年には、プロセス検出に実際に適用可能な最初のアルゴリズム「アルファマイナー」が開発されました。その翌年の 2001 年には、「ヒューリスティックマイナー」と呼ばれる、ヒューリスティックに基づく非常に類似したアルゴリズムが研究論文で紹介されました。その後、帰納的マイナーなどのより強力なアルゴリズムがプロセス検出用に開発されました。プロセスマイニングの分野が発展し始めると、適合性チェックはプロセスマイニングの不可欠な部分になりました。2004 年には、適合性チェックを目的とした「トークンベースのリプレイ」の開発が予定されました。プロセス発見と適合性チェックという主流の技術とは別に、プロセスマイニングは複数の分野に分岐し、2005 年と 2006 年にそれぞれ「パフォーマンス分析」、「意思決定マイニング」、「組織マイニング」が発見され、開発されました。2007 年には、史上初の商業プロセスマイニング会社「Futura Pi」が設立されました。2009 年には、プロセスマイニングに関連する規範と標準を監督し始めた統治機関である「IEEE PM タスクフォース」が結成されました。適合性チェックのためのさらなる技術が開発され、2010 年には「アライメントベースの適合性チェック」が出版されました。2011 年には、史上初のプロセスマイニングの本が出版されました。さらに 2014 年には、Courseraによってプロセスマイニングに関するMOOCコースが提供されました。2018 年までに、ほぼ 30 を超える市販のプロセスマイニングツールが登場しました。2019 年には、最初のプロセスマイニング会議が開催されました。現在、プロセス検出と適合性チェックのためのツールとテクニックを提供するベンダーは 35 社以上あります。

プロセスマイニングは、データサイエンスとプロセスサイエンスの架け橋として捉える必要があります。プロセスマイニングは、イベントログをプロセスの意味のある表現に変換することに重点を置いており、これにより、データサイエンスや機械学習に関連するさまざまな問題の形成につながる可能性があります。

カテゴリー

プロセスマイニング技術には 3 つのカテゴリがあります。

プロセス検出: プロセスマイニングの最初のステップ。プロセス検出の主な目的は、イベントログをプロセスモデルに変換することです。イベントログは、組織内のアクティビティをそれらのアクティビティのタイムスタンプとともに記録する任意のデータストレージシステムから取得できます。このようなイベントログには、ケースID (アクティビティが属するケースを認識するための一意の識別子)、アクティビティの説明 (実行されたアクティビティのテキストによる説明)、およびアクティビティ実行のタイムスタンプが含まれている必要があります。プロセス検出の結果は通常、イベントログを表すプロセスモデルです。このようなプロセスモデルは、たとえば、アルファアルゴリズム(教訓的なアプローチ)、ヒューリスティックマイナー、または帰納的マイナー。^[13]ペトリネット、BPMN図、アクティビティ図、状態図、EPCを自動的に構築するための確立された手法が多数存在します。^[13]^[14]^[15]^[16]^[17]最近、プロセスマイニングの研究は他の観点（データ、リソース、時間など）を対象にし始めています。 1つの例は、（Aalst、Reijers、＆Song、2005）^[18]、ソーシャルネットワークの構築に使用できます。現在、「ストリーミングプロセスマイニング」などの技術は、その場で処理する必要がある継続的なオンラインデータを扱うために開発されています。
適合性チェック: イベントログと既存のプロセスモデルを比較して、両者の相違点を分析するのに役立ちます。このようなプロセスモデルは、手動で構築することも、検出アルゴリズムを使用して構築することもできます。たとえば、プロセスモデルでは、100 万ユーロを超える注文には 2 つのチェックが必要であると示されます。もう 1 つの例は、いわゆる「4 つの目」原則のチェックです。適合性チェックは、逸脱の検出 (コンプライアンスチェック)、検出アルゴリズムの評価、または既存のプロセスモデルの強化に使用できます。1 つの例は、パフォーマンスデータによるプロセスモデルの拡張です。つまり、事前プロセスモデルを使用して、潜在的なボトルネックを予測します。もう 1 つの例は、(Rozinat & Aalst、2006b)^[19]意思決定マイナー事前を取り、プロセスモデル内のすべての選択を分析します。各オプションについてイベントログを参照し、選択が行われた瞬間に通常どの情報が利用可能かを確認します。トークンベースのリプレイ」、「ストリーミング適合性チェックなど、システムのニーズに応じて使用されるさまざまな手法があります。次に、従来のデータマイニング手法を使用して、どのデータ要素が選択に影響を与えるかを確認します。その結果、プロセス内の選択ごとに決定木が生成されます。
パフォーマンス分析:事前モデルがある場合に使用します。モデルは、処理時間、サイクル時間、待機時間、コストなどの追加のパフォーマンス情報で拡張されます。そのため、目標は適合性をチェックすることではなく、特定のプロセスパフォーマンス測定に関して既存のモデルのパフォーマンスを向上させることです。例としては、パフォーマンスデータによるプロセスモデルの拡張があります。つまり、パフォーマンスデータで動的に注釈が付けられた以前のプロセスモデルです。また、決定ルールや組織情報 (役割など) などの追加情報でプロセスモデルを拡張することもできます。

プロセスマイニングソフトウェア

プロセスマイニングソフトウェアは、トランザクションログやイベントデータなどのさまざまなソースから抽出されたデータに基づいて、組織がビジネスプロセスを分析および視覚化するのに役立ちます。このソフトウェアは、プロセス内のパターン、ボトルネック、非効率性を特定できるため、組織は運用効率を向上させ、コストを削減し、顧客エクスペリエンスを強化できます。

2023年3月、Analytics Insight Magazineは、2023年のプロセスマイニングソフトウェア企業トップ5を特定しました。^[20]

セロニス
UiPathプロセスマイニング
SAP Signavio プロセスインテリジェンス
ソフトウェアAG ARISプロセスマイニング
ABBYYタイムライン

ガートナーはまた、2024年のベストプロセスマイニングツールの製品リストを提供し、プロセスマイニングプラットフォームの2024年ガートナー®マジッククアドラント™の更新版を発表しました。^[21]^[22]

セロニス
IBMプロセスマイニング
UiPathビジネスオートメーションプラットフォーム
アプロモア
スカウトプラットフォーム
アリス

参照

参考文献

^ ファン・デル・アールスト、ウィル(2016).プロセスマイニング: データサイエンスの実践。
^ ファン・デル・アールスト、ウィル(2011).プロセスマイニング: データサイエンスの実践。
^ 「Automated Business Process Discovery (ABPD)」。Gartner.com。Gartner , Inc. 2015年。 2015年1月6日閲覧。ガートナーの定義。
^ 「ガートナー 2020 年のトップ 10 戦略的テクノロジートレンド」。ガートナー。
^ Kirchmer, M., Laengle, S., & Masias, V. (2013). 医療現場における透明性を重視したビジネスプロセス管理 [Leading Edge]. Technology and Society Magazine, IEEE, 32(4), 14-16.
^ Luis M. Camarinha-Matos、Frederick Benaben、Willy Picard (2015)。コラボレーションネットワークのリスクと回復力
^ Symeon Christodoulou、Raimar Scherer (2016)。建築、エンジニアリング、建設における eWork と eBusiness: ECPPM 2016
^ 「IEEE プロセスマイニングタスクフォース」。プロセスマイニングタスクフォースのホームページ。IEEE プロセスマイニングタスクフォース。 2021年1月10日閲覧。
^ 「International Process Mining Conference (ICPM) series」。ICPMカンファレンスシリーズのホームページ。IEEE Task Force on Process Mining 。 2021年1月10日閲覧。
^ イベントログとイベントストリームの相互運用性を実現するための eXtensible Event Stream (XES) の IEEE 標準。ieee。2016 年 11 月 11 日。doi : 10.1109 / IEEESTD.2016.7740858。ISBN 978-1-5044-2421-9. 2021年1月10日閲覧。
^ 「eXtensible Event Stream (XES)」。eXtensible Event Stream (XES)。IEEE Task Force on Process Mining。2016年11月11日。 2021年1月10日閲覧。
^ 「プロセスマイニングマニフェスト」。プロセスマイニングマニフェスト。IEEEプロセスマイニングタスクフォース。2011年。 2021年1月10日閲覧。
^ ab Aalst, W. van der , Weijters, A., & Maruster, L. (2004). ワークフローマイニング: イベントログからのプロセスモデルの発見。IEEE Transactions on Knowledge and Data Engineering, 16 (9), 1128–1142.
^ Agrawal, R., Gunopulos, D., & Leymann, F. (1998). ワークフローログからのプロセスモデルのマイニング。データベース技術拡張に関する第 6 回国際会議 (pp. 469–483)。
^ Cook, J., & Wolf, A. (1998). イベントベースデータからのソフトウェアプロセスのモデルの発見。ACM Transactions on Software Engineering and Methodology、7 (3)、215–249。
^ Datta, A. (1998). 「現状のビジネスプロセスモデルの発見の自動化: 確率的およびアルゴリズム的アプローチ」情報システム研究、9 (3)、275–301。
^ Weijters, A., & Aalst, W. van der (2003). Little Thumbを使用したイベントベースデータからのワークフローモデルの再発見。Integrated Computer-Aided Engineering、10 (2)、151–162。
^ Aalst, W. van der、Beer, H.、Dongen, B. van (2005)。プロセスマイニングとプロパティの検証: 時相論理に基づくアプローチ。R. Meersman および ZT 他 (編)、『On the Move to Meaningful Internet Systems 2005: CoopIS、DOA、および ODBASE: OTM Confederated International Conferences、CoopIS、DOA、および ODBASE 2005 (Vol. 3760、pp. 130–147)』、Springer-Verlag、ベルリン。
^ Rozinat, A., & Aalst, W. van der (2006a)。適合性テスト: イベントログとプロセスモデルの適合性と妥当性の測定。C. Bussler 他 (編)、BPM 2005 ワークショップ (ビジネスプロセスインテリジェンスに関するワークショップ) (第 3812 巻、163 ～ 176 ページ)。Springer-Verlag、ベルリン。
^ Zaveria (2023-03-26). 「2023年のトップ5プロセスマイニングソフトウェア企業」。The Analytics Insight 。 2023年5月5日閲覧。
^ 「ベストプロセスマイニングツールレビュー2024」。ガートナー。
^ 「重要なポイント: 2024 年プロセスマイニングツールの Gartner Magic Quadrant」。2024 年 5 月 13 日。

さらに読む

アールスト、W. ファンデル(2016)。プロセスマイニング: データサイエンスの実践。 Springer Verlag、ベルリン ( ISBN 978-3-662-49850-7 )。
Reinkemeyer, L. (2020). プロセスマイニングの実践：原則、ユースケース、展望。Springer Verlag、ベルリン（ISBN 978-3-030-40171-9）。
カルモナ、J.、ヴァンドンゲン、BF、ショルティ、A.、ヴァイトリヒ、M. (2018)。適合性チェック: 関連するプロセスとモデル。 Springer Verlag、ベルリン ( ISBN 978-3-319-99413-0 )。
アールスト、W. ファンデル(2011)。プロセスマイニング: ビジネスプロセスの発見、適合、強化。 Springer Verlag、ベルリン ( ISBN 978-3-642-19344-6 )。
Aalst、W. van der、Dongen、B. van、Herbst、J.、Maruster、L.、Schimm、G.、および Weijters, A. (2003)。ワークフローマイニング: 問題とアプローチの調査。データおよびナレッジエンジニアリング、47 (2)、237 ～ 267。
Aalst, W. van der、Reijers, H.、Song, M. (2005)。イベントログからのソーシャルネットワークの発見。コンピュータ支援協同作業、14 (6)、549–593。
Jans, M., van der Werf, JM, Lybaert, N., Vanhoof, K. (2011) 内部取引詐欺の軽減のためのビジネスプロセスマイニングアプリケーション、Expert Systems with Applications、38 (10)、13351–13359
Dongen、B. van、Medeiros、A.、Verbeek、H.、Weijters、A.、およびAalst、W. van der (2005)。 ProM フレームワーク: プロセスマイニングツールサポートの新時代。 G. Ciardo & P. Darondeau (編)、Application and Theory of Petri Nets 2005 (Vol. 3536、pp. 444–454)。シュプリンガー・フェルラーク、ベルリン。
Aalst, W. van der . プロセスマイニング実践ガイド: 直接フォローグラフの限界。International Conference on Enterprise Information Systems (Centeris 2019)、Procedia Computer Science の第 164 巻、321-328 ページ。Elsevier、2019 年。
Grigori, D.、Casati, F.、Castellanos, M.、Dayal, U.、Sayal, M.、および Shan, M. (2004)。ビジネスプロセスインテリジェンス。産業におけるコンピュータ、53 (3)、321–343。
Grigori, D.、Casati, F.、Dayal, U.、および Shan, M. (2001)。例外の理解、予測、および防止によるビジネスプロセス品質の向上。P. Apers、P. Atzeni、S. Ceri、S. Paraboschi、K. Ramamohanarao、および R. Snodgrass (編)、第 27 回国際超大規模データベース会議 (VLDB'01) の議事録 (pp. 159–168)。Morgan Kaufmann。
IDS Scheer (2002)。ARIS Process Performance Manager (ARIS PPM): ビジネスプロセスパフォーマンスの測定、分析、最適化 (ホワイトペーパー)。
Ingvaldsen, JE、JA Gulla (2006)。モデルベースのビジネスプロセスマイニング。Journal of Information Systems Management、Vol. 23、No. 1、ビジネスインテリジェンス特集号、Auerbach Publications
Kirchmer, M., Laengle, S., & Masias, V. (2013). 医療現場における透明性を重視したビジネスプロセス管理 [Leading Edge]. Technology and Society Magazine, IEEE, 32(4), 14-16.
zur Muehlen, M. (2004). ワークフローベースのプロセス制御: ワークフロー駆動型プロセス情報システムの基礎、設計、およびアプリケーション。Logos、ベルリン。
zur Muehlen, M.、Rosemann, M. (2000)。ワークフローベースのプロセス監視と制御 - 技術的および組織的問題。R. Sprague (編)、第 33 回ハワイ国際システム科学会議 (HICSS-33) の議事録 (pp. 1–10)。IEEE Computer Society Press、カリフォルニア州ロサンゼルスアラミトス。
Rozinat, A.、Aalst, W. van der (2006b)。ProM における意思決定マイニング。S. Dustdar、J. Faideiro、A. Sheth (編)、International Conference on Business Process Management (BPM 2006) (第 4102 巻、420 ～ 425 ページ)。Springer-Verlag、ベルリン。
Sayal, M., Casati, F., Dayal, U., & Shan, M. (2002). ビジネスプロセスコックピット。第 28 回国際大規模データベース会議 (VLDB'02) の議事録 (pp. 880–883)。Morgan Kaufmann。
Huser V、Starren JB、「プロセスマイニングを促進する EHR データ前処理: 慢性腎臓病への応用」AMIA Annu Symp Proc 2009 リンク
Ross-Talbot S.、私たちの業界における記述の重要性と可能性。第10回国際連合分散コンピューティング技術会議での基調講演 [1]
ガルシア、クレイトン・ドス・サントス; マインハイム、アレックス; 他 (2019)。プロセスマイニング技術とアプリケーション - 体系的なマッピング研究»。エキスパートシステムとアプリケーション。133: 260–295。ISSN 0957-4174。doi:10.1016/j.eswa.2019.05.003 [2]
van der Aalst、WMP、Berti A. オブジェクト中心のペトリネットの発見。 Fundamenta Informaticae、175(1-4):1-40、2020。doi:10.3233/FI-2020-1946 [3]

外部リンク

国際プロセスマイニング会議は、IEEE プロセスマイニングタスクフォースが主催する毎年開催される国際プロセスマイニング会議です。
オランダのアイントホーフェン工科大学でのプロセスマイニング研究。
ベルギーのゲント大学でのプロセスマイニング研究。
イタリアのパドヴァ大学でのプロセスマイニング研究。

[1] ファン・デル・アールスト、ウィル(2016).プロセスマイニング: データサイエンスの実践。

[2] ファン・デル・アールスト、ウィル(2011).プロセスマイニング: データサイエンスの実践。

[3] 「Automated Business Process Discovery (ABPD)」。Gartner.com。Gartner , Inc. 2015年。 2015年1月6日閲覧。ガートナーの定義。

[4] 「ガートナー 2020 年のトップ 10 戦略的テクノロジートレンド」。ガートナー。

[5] Kirchmer, M., Laengle, S., & Masias, V. (2013). 医療現場における透明性を重視したビジネスプロセス管理 [Leading Edge]. Technology and Society Magazine, IEEE, 32(4), 14-16.

[6] Luis M. Camarinha-Matos、Frederick Benaben、Willy Picard (2015)。コラボレーションネットワークのリスクと回復力

[7] Symeon Christodoulou、Raimar Scherer (2016)。建築、エンジニアリング、建設における eWork と eBusiness: ECPPM 2016

[8] 「IEEE プロセスマイニングタスクフォース」。プロセスマイニングタスクフォースのホームページ。IEEE プロセスマイニングタスクフォース。 2021年1月10日閲覧。

[9] 「International Process Mining Conference (ICPM) series」。ICPMカンファレンスシリーズのホームページ。IEEE Task Force on Process Mining 。 2021年1月10日閲覧。

[10] イベントログとイベントストリームの相互運用性を実現するための eXtensible Event Stream (XES) の IEEE 標準。ieee。2016 年 11 月 11 日。doi : 10.1109 / IEEESTD.2016.7740858。ISBN 978-1-5044-2421-9. 2021年1月10日閲覧。

[11] 「eXtensible Event Stream (XES)」。eXtensible Event Stream (XES)。IEEE Task Force on Process Mining。2016年11月11日。 2021年1月10日閲覧。

[12] 「プロセスマイニングマニフェスト」。プロセスマイニングマニフェスト。IEEEプロセスマイニングタスクフォース。2011年。 2021年1月10日閲覧。

[AWM04-13] Aalst, W. van der , Weijters, A., & Maruster, L. (2004). ワークフローマイニング: イベントログからのプロセスモデルの発見。IEEE Transactions on Knowledge and Data Engineering, 16 (9), 1128–1142.

[14] Agrawal, R., Gunopulos, D., & Leymann, F. (1998). ワークフローログからのプロセスモデルのマイニング。データベース技術拡張に関する第 6 回国際会議 (pp. 469–483)。

[15] Cook, J., & Wolf, A. (1998). イベントベースデータからのソフトウェアプロセスのモデルの発見。ACM Transactions on Software Engineering and Methodology、7 (3)、215–249。

[16] Datta, A. (1998). 「現状のビジネスプロセスモデルの発見の自動化: 確率的およびアルゴリズム的アプローチ」情報システム研究、9 (3)、275–301。

[17] Weijters, A., & Aalst, W. van der (2003). Little Thumbを使用したイベントベースデータからのワークフローモデルの再発見。Integrated Computer-Aided Engineering、10 (2)、151–162。

[18] Aalst, W. van der、Beer, H.、Dongen, B. van (2005)。プロセスマイニングとプロパティの検証: 時相論理に基づくアプローチ。R. Meersman および ZT 他 (編)、『On the Move to Meaningful Internet Systems 2005: CoopIS、DOA、および ODBASE: OTM Confederated International Conferences、CoopIS、DOA、および ODBASE 2005 (Vol. 3760、pp. 130–147)』、Springer-Verlag、ベルリン。

[19] Rozinat, A., & Aalst, W. van der (2006a)。適合性テスト: イベントログとプロセスモデルの適合性と妥当性の測定。C. Bussler 他 (編)、BPM 2005 ワークショップ (ビジネスプロセスインテリジェンスに関するワークショップ) (第 3812 巻、163 ～ 176 ページ)。Springer-Verlag、ベルリン。

[20] Zaveria (2023-03-26). 「2023年のトップ5プロセスマイニングソフトウェア企業」。The Analytics Insight 。 2023年5月5日閲覧。

[21] 「ベストプロセスマイニングツールレビュー2024」。ガートナー。

[22] 「重要なポイント: 2024 年プロセスマイニングツールの Gartner Magic Quadrant」。2024 年 5 月 13 日。