Process Mining 1

Process Mining 이란?

• event data 로 부터 프로세스를 도출하여 시각화와 인사이트를 얻는 것

  • 질문 (범위 정의) → 데이터 추출 → 데이터 분석 → 발표 순서로 진행

• process mining 분석 전

  • 데이터 품질 문제 검증
  • 데이터에 포함된 완전 케이스와 불완전 케이스 구분
    → 수행하고 분석을 진행

• process mining 을 통해 얻을 수 있는 것

  • 현 프로세스에 대한 분석
    • 시간, 비용, 품질 등에 대한 질문에 답변
    • 발견된 새로운 KPI에 대한 모니터링
  • 문제점 도출 및 개선(ex. 병목 현상, 반복 작업, deviation 등)
    • 정책 변경, 자동화 등을 통한 프로세스 변경
  • 미래 예측
    • 머신러닝 기반 최적화 모델 개발 지원

• event data / event log

  • 필수적 요소 : CaseID, Activity, Timestamp
  • 추가적 요소 : 리소스(해당 작업 수행자), Transactional information(계획, 수행, 종료 시간)

• 표기 : $L_1 = [<a,b,c,d>^3, <a,c,b,d>^2, <a,e,d>]$
  → <a,b,c,d> 패턴 케이스가 3개, <a,c,b,d> 패턴 케이스가 2개, <a,e,d> 패턴 케이스가 1개임을 의미

• 장점

  • 결과의 객관성
  • 빠른 수행
  • 프로세스의 모든 변동을 포함하는 완전한 결과 제공

• 속성

  • 케이스 속성 : 특정 프로세스 인스턴스(케이스)는 케이스 속성에 대한 동일한 값을 가짐
  • 이벤트 속성 : 특정 이벤트와 관련된 속성 → 특정 케이스는 하나의 이벤트 속성에 대해 다양한 값을 가짐

• Variant

  • Activity 가 같고 이들의 수행 순서가 동일한 케이스들

• 직무 분리 검증에 효과적

  • 동일한 사람이 하나의 프로세스 인스턴스(케이스)에서 두 개이상의 중요한 업무 수행 금지

Process Mining 의 종류

• Process Discovery(프로세스 도출) → 가장 중요한 분야

  • event log → process discovery → model
  • 아무런 사전정보없이 이벤트로그로부터 모델 도출
  • Alpha Miner, Heuristic Miner, ILP Miner 등의 방법 사용

• Conformance Checking(적합도 검사) → 기존 모델의 문제점 파악

  • event log , model → conformance checking → diagnostics
  • event log 와 model 을 비교해 적합성 진단
    → 도출된 모델이 실제 이벤트 로그와 잘 맞는 지 파악
  • Causal footprint, Token-based replay 등의 방법 사용

• Enhancement(향상) → 기존 모델을 새로운 모델로 발전

  • event log, model → enhancement → new model

• Process Analysis(프로세스 분석)

  • 분석 후 문제점 발견 → 개선 방안 제시

불완전 케이스

• 프로세스의 시작 또는 종료부분과 관련된 Activity 들이 빠진 케이스

• 원인

  • 데이터 추출 방식
    • 특정기간동안 시작된 케이스를 추출하거나 특정기간동안 완료된 케이스를 추출하는 경우
  • 최근 시작된 케이스
    • 최근 시작된 케이스의 경우 완료되지 않았을 가능성 있음
  • 실제 프로세스의 수행이 멈춘 케이스 (ex. 중도포기)

• 왜 문제일까? → 현실 $≠$ 분석

  • varient 왜곡
  • 프로세스 맵의 왜곡
  • 케이스 수행기간 등의 성과 정보 왜곡

• 불완전 케이스를 무조건 다 제거해야하는 것은 아님

  • 직무분리의 검증과 같은 컴플라이언스 질문
  • 중도포기된 케이스 분석과 같은 일부 분석 질문
    → 이 두가지의 경우에는 제거하지 않고 분석을 진행