Protsessikaeve

Allikas: Vikipeedia
Mine navigeerimisribale Mine otsikasti

Protsessikaeve on tehnikad, tööriistad ja meetodid protsesside avastamiseks, jälgimiseks ja täiustamiseks, eraldades selleks teadmisi infosüsteemide sündmuste logidest.[1]

Protsessikaeve on seotud andmekaeve (ingl data mining), masinõppe (ingl machine learning), äriprotsesside juhtimise (ingl business process management – BPM), ning protsesside modelleerimise ja analüüsiga.

Protsessikaeve on arenenud peamiselt alates 21. sajandi algusest. Seda on toetanud andmekaeve tehnikate ja -vahendite areng ning protsesse algusest lõpuni kirjeldavate protsessilogide kättesaadavus. 2003. aastal valmis esimene protsessikaeve alane uuring ja 2011. aastal ilmus esimene selleteemaline raamat.[2]

Definitsioonid[muuda | muuda lähteteksti]

Protsessikaeve on mudelikesksetel lähenemistel ja andmekaevel põhinev valdkond, mis pakub terviklikke tehnikaid tööprotsessidest faktipõhise ülevaate saamiseks ja protsesside täiustamise toetamiseks. Protsessikaeve ei piirdu ainult protsessi tuvastamisega. Ühendades protsessikaeves andmed ja protsessimudelid, on võimalik kontrollida protsesside vastavust, tuvastada kõrvalekaldeid, ennustada viivitusi, toetada otsuste tegemist ja soovitada protsessi ümberkujundamist.[2]

Protsessikaeve on valdkond, kus kasutatakse masinõpet ja teisi innovaatilisi andmeanalüüsi meetodeid, et tuvastada, jälgida ja parendada tööprotsesse, kasutades teadmiste saamiseks protsessilogisid. Tööprotsess on omavahel seotud ülesannete kogum mingi kindla teenuse pakkumiseks või eesmärgi saavutamiseks. Tööprotsesside käigus tekivad andmed, mille analüüsimisel saab muuta protsesse efektiivsemaks.[3]

Ülevaade[muuda | muuda lähteteksti]

Protsessikaeve põhineb kahel sambal: a) protsessi modelleerimine ja analüüs ning b) andmekaeve. Mõned andmetele ja ressurssidele keskenduvad protsessikaeve tehnikad tuginevad klassikalistele andmekaeve tehnikatele. Samuti kasutatakse andmekaeve tehnikaid protsessikaeve tulemuste hindamiseks, näiteks protsessimudelite kvaliteedi mõõtmiseks. Siiski on olemasolevatest andmekaeve tehnikatest vähe kasu kontrolli-voo avastamiseks, vastavuse kontrollimiseks ja muudekski protsessikaeve ülesanneteks. Protsessikaeve loob silla andmkaeve ning protsesside modelleerimise ja analüüsi vahel.[2]

Protsessikaeve tehnikad eraldavad teadmisi sündmuste logidest, et protsesse avastada, jälgida ja täiustada. Protsessikaeve idee on reaalsete protsesside (s.o mitte eeldatavate protsesside) avastamine, jälgimine ja täiustamine, eraldades selleks teadmisi sündmuste logidest, mis on tänapäevastes infosüsteemides hõlpsasti kättesaadavad.[1]

Protsessikaeve hõlmab:

  • protsesside tuvastamist,
  • vastavuse kontrollimist,
  • simulatsioonimudelite automatiseeritud loomist,
  • mudelite laiendamist, mudelite parandamist,
  • juhtumite ennustamist,
  • soovituste tegemist.[1]

Protsessikaeve lähtepunkt on sündmuste logi. Kõik protsessikaeve tehnikad eeldavad, et sündmusi on võimalik järjestikku registreerida nii, et iga sündmus viitab tegevusele (st mingis protsessis täpselt määratletud etapile) ja on seotud eraldiseisva juhtumiga (st protsessi astmega). Sündmuste logid võivad salvestada sündmuste kohta lisateavet. Võimaluse korral kasutavad protsessikaeve tehnikad seda lisateavet, näiteks toimingu käivitanud ressurssi (st isikut või seadet), sündmuse ajatemplit või sündmusega salvestatud andmeelemente (nt tellimuse suurus).[1]

Protsessikaeve väljundiks on tavaliselt

  • protsessi visualiseerimine ja kitsaskohtade esiletoomine,
  • protsessi õnnestumise ja ebaõnnestumise põhjuse-tagajärje seoste leidmine,
  • protsessi reaalajas jälgimine ja õnnestumistõenäosuse arvutamine,
  • soovituste tegemine, et protsessi õnnetumise tõenäosus oleks suurim.[3]

Protsessikaeve tüübid, nende sisendid ja väljundid[muuda | muuda lähteteksti]

Sündmuste logisid saab kasutada kolme tüüpi protsessikaevel:

  • Avastamine (ingl discovery)

Protsessikaeve esimene tüüp on avastamine. Avastamistehnika võtab sündmuste logi ja koostab mudeli ilma kogemusest sõltuvat teavet kasutamata. Protsessi avastamine on kõige silmapaistvam protsessikaeve tehnika. Paljude organisatsioonide jaoks on üllatav näha, et olemasolevad tehnikad on võimelised avastama reaalseid protsesse, mis põhinevad üksnes sündmuste logide andmetel.

Avastamise tehnikad võtavad sündmuste logi ja koostavad mudeli. Avastatud mudel on tavaliselt protsessimudel, kuid see mudel võib kirjeldada ka teisi vaatenurki (nt sotsiaalne võrgustik).

  • Vastavus ehk vastavuskontroll (ingl conformance, conformance checking)

Teiseks protsessikaeve tüübiks on vastavus ehk vastavuskontroll. Siin võrreldakse olemasolevat protsessimudelit sama protsessi sündmuste logiga. Vastavuskontrolli abil saab kontrollida, kas logisse kantud tegelikkus vastab mudelile ja vastupidi. Vastavuskontrolli saab rakendada protseduurimudelitele, organisatsioonimudelitele, üldsõnalistel protsessimudelitele, ärieeskirjadele, äripoliitikatele, seadustele.

Vastavuskontrolli tehnikad vajavad sisendina sündmuste logi ja mudelit. Väljund koosneb diagnostilisest teabest, mis näitab erinevusi ja sarnasusi mudeli ja logi vahel.

  • Täiustamine (ingl enhancement)

Kolmas protsessikaeve tüüp on mudeli täiustamine. Selle mõte on laiendada või täiustada olemasolevat protsessimudelit, kasutades teavet sündmuste logisse salvestatud tegeliku protsessi kohta. Kui vastavuskontroll mõõdab mudeli ja tegelikkuse vastavust, siis täiustamise eesmärk on muuta või laiendada mudelit. Näiteks saab sündmuste logis ajatempleid kasutades mudelit laiendada, et näidata kitsaskohti, teenindustaset, läbilaskevõimet ja sagedusi.

Mudeli täiustamise tehnikad vajavad sisendina ka sündmuselogi ja mudelit. Väljundiks on täiustatud või laiendatud mudel.[1]

Viited[muuda | muuda lähteteksti]

  1. 1,0 1,1 1,2 1,3 1,4 Wil M. P. van der Aalst et al. (2012). Process Mining Manifesto. Berlin, Heidelberg: Springer. 
  2. 2,0 2,1 2,2 Wil M. P. van der Aalst (2011). Process Mining: Discovery, Conformance and Enhancement of Business Processes. Berlin, Heidelberg: Springer. 
  3. 3,0 3,1 "Tööprotsesside analüüs ja optimeerimine". STACC. Vaadatud 25.12.2019.