Het analyseren van complexe processen: een vergelijkende analyse van verschillende trace clustering technieken

Abstract

Deze masterproef gaat over het analyseren van complexe bedrijfsprocessen met behulp van trace clustering technieken. In de huidige tijden zijn organisaties verweven in een steeds wijzigende economie waar data meer en meer een belangrijke rol speelt om competitief te blijven. Deze data op een waardevolle manier gebruiken kan op verschillende manieren afhankelijk van het doel. Eén van die doelen is om bedrijfsprocessen efficiënter te maken. Dit kan met process mining technieken. Deze technieken maken het mogelijk om inzichten te halen uit procesdata en hier vervolgens op verschillende manieren mee aan de slag te gaan. Eén van de problemen waar process mining technieken vandaag de dag nog mee te maken hebben is het fenomeen spaghetti modellen. Dat zijn procesmodellen geëxtraheerd uit procesdata afkomstig van een complex proces. Dergelijke spaghetti modellen zijn voor een analist onbruikbaar wegens een lage precisie en een hoge complexiteit. Een mogelijke oplossing zijn trace clustering technieken. Deze technieken gaan de procesdata proberen te clusteren zodat het gehele proces in het ideale geval opgesplitst wordt in verschillende procesvarianten. Deze sublogs kunnen vervolgens opnieuw gebruikt worden om procesmodellen te maken. Deze zouden echter een veel hogere precision en een lagere complexiteit moeten hebben zodat deze terug bruikbaar zijn voor analisten. Deze masterproef geeft eerste een overzicht van de verschillende beschikbare technieken waarna eveneens een vergelijkende analyse wordt uitgevoerd.