Süreç analizi ve keşfi için bir süreç madenciliği sistemi

Abstract

Süreç madenciliği, iş dünyasının verimlilik ve üretkenliği arttırma ihtiyacını karşılamayı amaçlayan yeni bir çalışma alanıdır. Bu alan iş süreçlerini analiz, keşfetme, yönetme ve iyileştirme konusunda çalışmalar yapar. Süreç madenciliği, olay kayıtlarını kaynak olarak kullanır ve bu kaynağın üzerinde çalışır. Böylece süreç modelindeki her adımı içeren olay kayıtları analiz edilerek sistem geliştirilir. Tez çalışması süreç analizi ve keşfi olmak üzere iki önemli aşamadan oluşur. İlk aşamasında süreç modelleme ve geliştirilmesine yardımcı olabilecek veri üretebilen bir simülatör geliştirmesi amaçlanmıştır. Bu çalışma kapsamında çeşitli süreç modelleri ile çalışabilen ve bu modellerden anlamlı bilgiler çıkaran bir sistem gerçeklenmiştir. Bu sistem sayesinde daha üretken ve verimli süreçler geliştirilebilir. Simülatör dört modülden oluşmaktadır. İlk modül, kullanıcıların iş süreç modeli oluşturduğu bölümdür. Bu modülde kullanıcı, sistemin arayüzünde kendi iş süreci modelini oluşturabilir ya da kayıtlı diğer modellerden seçim yapabilir. İkinci modülde ise oluşturulan bu süreç modelleri kullanılarak takım bazlı verilerin simülasyonu yapılır. Analiz olarak isimlendirilen üçüncü modülde üretilen bu veriler kullanılarak anlamlı bilgiler ortaya çıkartılır. Son modül olan takım karşılaştırmasında takımlar arasındaki performans dağılımları karşılaştırılır. Sonuç olarak, üretilen verilerdeki zaman, kaynak ve maliyet bilgilerinden yola çıkılarak oluşturulan sürecin iyileştirilmesi amaçlanmıştır. Tezin ikinci aşamasında süreç madenciliği keşif algoritmaları ile sentetik ve gerçek olay kayıtları kullanılarak süreç keşfi yapılmıştır. Keşfedilen süreçler petri ağları ile gösterilerek algoritmaların başarımları uygunluk fonksiyonu, doğruluk oranları ve çalışma süreleri kullanılarak karşılaştırılmıştır. Sonuç olarak; sezgisel algoritma alfa algoritmasının dezavantajlı yanları olan verideki gürültü ve tamamlanmayan süreçleri geliştirdiğinden dolayı daha başarılıdır. Genetik algoritmada ise genetik operatörler(seçme, çaprazlama, mutasyon) kullanıldığından dolayı alfa ve sezgisel algoritmaya göre daha başarılı sonuçlar vermiştir.Süreç madenciliği, iş dünyasının verimlilik ve üretkenliği arttırma ihtiyacını karşılamayı amaçlayan yeni bir çalışma alanıdır. Bu alan iş süreçlerini analiz, keşfetme, yönetme ve iyileştirme konusunda çalışmalar yapar. Süreç madenciliği, olay kayıtlarını kaynak olarak kullanır ve bu kaynağın üzerinde çalışır. Böylece süreç modelindeki her adımı içeren olay kayıtları analiz edilerek sistem geliştirilir. Tez çalışması süreç analizi ve keşfi olmak üzere iki önemli aşamadan oluşur. İlk aşamasında süreç modelleme ve geliştirilmesine yardımcı olabilecek veri üretebilen bir simülatör geliştirmesi amaçlanmıştır. Bu çalışma kapsamında çeşitli süreç modelleri ile çalışabilen ve bu modellerden anlamlı bilgiler çıkaran bir sistem gerçeklenmiştir. Bu sistem sayesinde daha üretken ve verimli süreçler geliştirilebilir. Simülatör dört modülden oluşmaktadır. İlk modül, kullanıcıların iş süreç modeli oluşturduğu bölümdür. Bu modülde kullanıcı, sistemin arayüzünde kendi iş süreci modelini oluşturabilir ya da kayıtlı diğer modellerden seçim yapabilir. İkinci modülde ise oluşturulan bu süreç modelleri kullanılarak takım bazlı verilerin simülasyonu yapılır. Analiz olarak isimlendirilen üçüncü modülde üretilen bu veriler kullanılarak anlamlı bilgiler ortaya çıkartılır. Son modül olan takım karşılaştırmasında takımlar arasındaki performans dağılımları karşılaştırılır. Sonuç olarak, üretilen verilerdeki zaman, kaynak ve maliyet bilgilerinden yola çıkılarak oluşturulan sürecin iyileştirilmesi amaçlanmıştır. Tezin ikinci aşamasında süreç madenciliği keşif algoritmaları ile sentetik ve gerçek olay kayıtları kullanılarak süreç keşfi yapılmıştır. Keşfedilen süreçler petri ağları ile gösterilerek algoritmaların başarımları uygunluk fonksiyonu, doğruluk oranları ve çalışma süreleri kullanılarak karşılaştırılmıştır. Sonuç olarak; sezgisel algoritma alfa algoritmasının dezavantajlı yanları olan verideki gürültü ve tamamlanmayan süreçleri geliştirdiğinden dolayı daha başarılıdır. Genetik algoritmada ise genetik operatörler(seçme, çaprazlama, mutasyon) kullanıldığından dolayı alfa ve sezgisel algoritmaya göre daha başarılı sonuçlar vermiştir.