Ein Process Mining-Rahmenwerk für agile, personenbezogene Prozesse

Prozessmanagement gilt als Ansatz, durch Modellierung und Unterstützung von Prozessen in Organisationen, Dienstleistungen effektiv zu gestalten. Es existieren verschiedene Arten von Prozessen: Strikte Prozesse, deren wiederkehrende Abläufe bereits zur Entwurfszeit festgelegt werden können und agile, personenbezogene Prozesse, deren Verhalten sich nicht vollständig im Voraus festlegen lässt und die auf menschlichen Entscheidungen basieren. Diese Art von Prozessen findet sich in allen Bereichen der Gesellschaft wieder, beispielsweise in Forschungs- und Entwicklungsprozessen oder im Gesundheitswesen. Zur Modellierung von Prozessen existieren zwei Ansätze: Prozedurale und regelbasierte Modellierungssprachen. Während die prozedurale Modellierung eher für strikte Prozesse geeignet ist, können agile, personenbezogene Prozesse besser durch regelbasierte Modelle beschrieben werden. Ein regelbasiertes Prozessmodell umfasst die Definition beteiligter Entitäten und eine Menge von Regeln. Abläufe müssen nicht explizit modelliert werden, sondern ergeben sich automatisch durch Berücksichtigung der Regeln. Process Discovery bezeichnet das Sammeln von Informationen über einen Prozess und deren strukturierte Abbildung in einem Prozessmodell. Die Akquisition des Prozesswissens ist ein aufwändiges Unterfangen. Ein Ansatz zur Unterstützung und (Teil-)Automatisierung von Process Discovery ist Process Mining. Process Mining-Techniken verwenden Ausführungsinformationen, welche digital in Datenbanken oder Dateien vorliegen, um daraus automatisiert Prozessmodelle abzuleiten. Klassische Process Mining-Techniken erzeugen Prozessmodelle in prozeduralen Modellierungssprachen, die für agile Prozesse eher ungeeignet sind. In den letzten Jahren wurden einige Techniken zur Ableitung von regelbasierten Prozessmodellen aus Ereignisprotokollen vorgeschlagen. Der Fokus all dieser Arbeiten liegt auf der Analyse der Ausführungsreihenfolge von Aktivitäten, mit einigen Erweiterungen für Daten. Prozessausführende Akteure und deren tiefgreifender Einfluss auf den Prozessablauf werden in all diesen Arbeiten nicht betrachtet. Ansätze, welche diese organisatorische Perspektive von Prozessen analysieren, wurden bislang nicht in regelbasierte Mining-Verfahren integriert und sind daher für agile Prozesse ungeeignet. Die Forschung dieser Dissertation vereinigt diese beiden Strömungen und beschreibt ein Process Mining-Verfahren zur Ableitung von regelbasierten, perspektivenübergreifenden Prozessmodellen. Die abgeleiteten Modelle beschreiben nicht nur komplexe organisatorische Zuweisungsregeln sondern geben außerdem Einblick in den tiefgreifenden Einfluss von Personen auf die Ausführungsreihenfolge von Aktivitäten. Durch Anwendung des vorgestellten Ansatzes auf Ereignisprotokolle agiler, personenbezogener Prozesse, werden sowohl Funktionalität als auch Anwendbarkeit und Effizienz des Verfahrens belegt.

Level thesis:degree_level

thesis.doctoral

Grantor dc:publisher

Universität Bayreuth

Year

2015

Author dc:creator

• Schönig, Stefan

Contributors dc:contributor

• Jablonski, Stefan

Repository record source_url

https://epub.uni-bayreuth.de/id/eprint/2542/

OAI identifier oai:identifier

oai:epub.uni-bayreuth.de:2542