Developing process mining algorithms for finding meaningful patterns
Anlamlı örüntülerin bulunması için süreç madenciliği algoritmalarının geliştirilmesi
- Tez No: 511319
- Danışmanlar: DOÇ. DR. DERYA BİRANT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Süreç madenciliği, bir bilgi sistemi tarafından kaydedilen olay kayıtlarından bilgi çıkarmak için kullanılan bir tekniktir. Süreç madenciliğinin süreç keşfi aşamasında, iş süreçlerini sistematik olarak temsil etmek ve olay günlüğündeki süreçlerin ilerleyişi hakkında genel bir fikir vermek için bir süreç modeli oluşturulur. Devam eden sürecin eğilimlerinin ve farklı özelliklerinin önceden bilinmesi önemlidir. Özellikle zaman yönetimi, iş süreçlerinin tasarlanmasında ve yürütülmesinde çok önemlidir. Her gün bilgi sistemleri bir iş akışının farklı süreç örneklerini toplar. Zaman geçtikçe, toplanan verilerin boyutu hızla artar ve büyük miktarda veri oluşturur. Bu kadar büyük hacimli verilerden, süreçlerin değerli bilgilerini ve özelliklerini elde etmek çok zor bir görevdir. Bu tez, olay günlüklerine dayalı süreç modeli oluşturmak için Etkileşimli Süreç Madenciliği (ESM) adında yeni bir algoritma önermektedir ve mevcut süreç modelinde aktivite silme, birleştirme ve ekleme işlemlerinden oluşan üç farklı özelliği barındıran yeni bir yaklaşım önermektedir. Önerilen algoritma (ESM), zaman perspektifi dahil edilerek genişletilmiştir. Zaman odaklı ESM algoritması (Z-ESM), bir iş akışındaki her bir sürecin kalan ve tamamlanma zamanını tahmin edebilmektedir Bu tez aynı zamanda, büyük hacimli olay günlüklerinde çalışmak ve devam eden süreç örneklerinin yürütme kayıtlarını işlemek için yeni bir süreç madenciliği aracının (ProLab) geliştirilmesini de içermektedir. Deneysel çalışmalar, ESM ve Z-ESM algoritmalarının ve ayrıca ProLab aracının hem gerçek yaşam hem de deneysel veri setlerinde düşük bellek kullanımı, modifikasyon fırsatı ve mevcut algoritmalara göre performansta iyileştirme gibi yeteneklerinin olduğunu göstermektedir.
Özet (Çeviri)
Process mining is a technique for extracting knowledge from event logs recorded by an information system. In the process discovery phase of process mining, a process model is constructed to represent the business processes systematically and to give a general opinion about the progressive of processes in the event log. Considering in advance the trend and different features of running process is important. Especially, time management is crucial in designing and conducting business processes. Every day information systems collect different kind of process instances of a business flow. As time goes on, size of collected data builds up speedily and constitutes a huge volume of data. It is a very challenging task to obtain valuable information and features of processes from such a large volume of data. This thesis proposes a novel algorithm, Interactive Process Miner (IPM), to create process model based on event logs and, also a new approach that contains three different features; including activity deletion, aggregation and addition operations on the existing process model. The proposed algorithm, IPM, is enhanced by introducing time perspective. Time-oriented IPM algorithm, T-IPM, is capable of predicting the remaining and completion time of each process in a flow. This thesis also includes the development of a new process mining tool, ProLab, in order to work on large volume of event logs and to handle the execution records of running process instances. Experimental studies demonstrate the capability of IPM and T-IPM algorithms and, also ProLab tool on both real-life and experimental datasets, including low memory usage, modification opportunity and improvement in performance compared to the existing algorithms.
Benzer Tezler
- RFMLP based customer segmentation and customer churn analysis in heavy equipment industry using customer transactions data
İş makinesi sektöründe müşteri işlem verilerini kullanarak RFMLP tabanlı müşteri segmentasyonu ve müşteri kayıp analizi
MUSTAFA ÇAMLICA
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FETHİ ÇALIŞIR
- Customer segmentation in digital broadcasting
Dijital yayıncılıkta müşteri kümelenmesi
SÜLEYMAN MESUT KEÇECİOĞLU
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ALPER TUNGA
- Developing synergic data mining method for dicovering anomalies
Anomalilerin keşfi için sinerjik veri madenciliği yönteminin geliştirilmesi
NUHA SHAWAHNA
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. METE ÇELİK
- Stratejik yönetim perspektifinden sigortacılık sektöründe makine öğrenmesi algoritmaları ile anomali tespiti
An application of machine learning to anomaly detection in insurance industry using strategic management approach
AYŞE NURBANU ŞAHAN
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. TOLGA KAYA
- Veri madenciliği ile karpal tünel sendromuna yönelik ön tanı destek ve hasta takip sisteminin geliştirilmesi
Developing support of a preliminary diagnosis and patient monitoring systems for carpal tunnel syndrome with data mining
MEHMET İBRAHİM TALAN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. MEHMET RAHMİ CANAL