目标导向的流程增强与发现及合规性检查

### 目标导向的流程增强与发现及合规性检查 在当今数字化和自动化的浪潮下，业务流程的优化和合规性检查变得愈发重要。本文将介绍目标导向的流程增强与发现方法，以及业务流程合规性检查的计算复杂性问题。 #### 目标导向的流程增强与发现 目标导向的流程增强与发现方法旨在通过目标建模的能力，以目标导向的方式进行流程发现。该方法首先通过向所有跟踪记录添加新的目标相关信息来增强事件日志，然后使用目标模型量化目标的满意度水平。目标模型展示了不同利益相关者（通常相互冲突）的目标之间的相关性，并允许进行假设分析和平衡冲突目标之间的权衡。 ##### 1. 示例模型 - **模型1**：使用整个事件日志，通过a - 算法的高级版本生成。该DGD过程的主要流程为：患者入院后进行常规血液检查，然后根据检查结果，患者可能需要进行高级检查、重复常规检查，或者将结果发送到相关部门，然后流程结束。 - **模型2**：从案例角度出发，生成一个模型，保证（置信度为90%）所有患者在“减少处理时间”目标上的满意度至少为75，在“实现顺畅流程”目标上的满意度至少为80。使用算法1，仅返回跟踪记录〈a, b, c, g〉的所有案例，即患者#1、#2和#3。a - 算法从这个日志生成模型2。 - **模型3**：从目标角度出发，生成一个模型，使“减少处理时间”和“实现顺畅流程”这两个目标的综合满意度分别高于80和78。通过解决优化问题，选择案例{患者#1, 患者#2, 患者#3, 患者#4, 患者#5, 患者#6}，a - 算法从日志{〈a, b, c, g〉3, 〈a, b, c, d, e, c, g〉3}生成模型3。 - **模型4**：从组织角度出发，生成一个综合满意度不低于75的模型。通过解决优化问题，选择案例{患者#1, 患者#2, 患者#3, 患者#4, 患者#5, 患者#6, 患者#7}，a - 算法从日志{〈a, b, c, g〉3, 〈a, b, c, d, e, c, g〉3, 〈a, b, c, f, b, c, g〉}生成模型4。 ##### 2. 模型比较与讨论 比较这三个模型，发现模型2与其他模型的主要区别在于循环。模型2不允许重复常规检查或进行高级检查，“检查结果”这个决策点实际上不会做出任何决策。这表明进行高级血液检查或重复常规检查可能与“缩短处理时间”和“为所有患者提供顺畅流程”的目标不一致。虽然模型2在处理时间和流程顺畅性方面高度满足所有案例，但会导致三分之一的患者不满意。 ##### 3. 相关工作 目前，目标导向的流程挖掘研究仍处于起步阶段，过程挖掘和目标建模的交叉研究较少。从不同视角有一些相关研究： - **代理视角**：Yan等人考虑了参与流程的代理（如员工）活动背后的目标，采用决策树算法通过对不同情况下的活动进行分类来学习代理的目标。Outmazgin和Soffer使用流程发现技术分析不同类型的故意违规行为，以找出原因。 - **流程视角**：Ponnalagu等人提出了一种基于目标模型分析和验证单个流程的一系列变体的方法。Horita等人提出了一种使用目标导向的一致性检查方法来检测和分析实际日志与规定模型之间不一致的影响。Bernard和Andritsos结合客户旅程使用流程发现，并开发了一个工具，以便以目标导向的方式浏览许多不同的旅程。 - **组织视角**：Santiputri等人考虑了多层事件日志中的事件序列，并提出了一种发现目标模型的目标细化模式的方法。 - **跟踪聚类**：流程挖掘社区提出的跟踪聚类解决方案，通过将不同流程视角的不同行为拆分为多个子日志来提高发现的流程模型的可解释性。但现有的聚类方法仅考