مدل برنامهریزی ریاضی فرایندکاوی در مسئله کشف گراف وابستگی

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 266

فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IMS-9-33_007

تاریخ نمایه سازی: 10 اردیبهشت 1400

چکیده مقاله:

کشف فرآیندها شاخهای از فرآیندکاوی است که با استفاده از رویدادهای ثبتشده در یک سیستم، مدل فرآیندی را به دست میآورد که بهخوبی توصیفکننده رفتار سیستم باشد. با توجه به اینکه یکی از بااهمیتترین و پرطرفدارترین دسته روشهای کشف فرآیند، کشف فرآیند ابتکاری است و نظر به اینکه کیفیت خروجی ارائهشده توسط این دسته روشها شدیدا به نحوه استخراج گراف وابستگی میان فعالیتها ارتباط دارد، در این مقاله برای اولین بار به ارائه رویکردی برای تبدیل مسئله کشف گراف وابستگی به یک مسئله برنامهریزی باینری و همچنین معرفی تابع هدفی پرداختیم که بهصورت همزمان شاخصهای سازگاری بازپخش و دقت مدل را در نظر میگیرد. میزان بها دادن به هرکدام از این شاخصها از طریق آستانهای که کاربر نهایی مشخص میکند تعیین میشود. شاخصهای ذکرشده از جمله بااهمیتترین معیارهای سنجش کیفیت خروجی روشهای کشف فرآیند میباشند و در واقع استفاده از این رویکرد مستقیما بر ارتقا شاخصهای کیفیت مدل اثر دارد. رویکرد پیشنهادی همچنین دارای این قابلیت است که با معرفی محدودیتهای مناسب، دانش حوزه را در فرآیند استخراج مدل دخیل نماید و همچنین مدل خروجی را به سمت ارتقا احتمال سالم بودن آن هدایت نماید. این امر در مطالعه موردی یک شرکت واقعی که در این مقاله ارائهشده قابل مشاهده است. در مطالعه سازمان مورد اشاره، رویکرد پیشنهادی با استفاده از محدودیتهای تعریفشده بر اساس دانش حوزه و قواعد ساختاری گراف وابستگی بر روی رویدادهای ثبتی حوزه بازاریابی شرکت اعمال گردیده و نتایج آن منعکس شده است.

نویسندگان

مریم توکلی زانیانی

دانشجوی دکتری، مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران.

محمدرضا غلامیان

عضو هیئتعلمی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران.( (نویسنده مسئول)؛ Gholamian@iust.ac.ir

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Adriansyah, A., van Dongen, B. F., & van der Aalst, ...
  • Alves de Medeiros, A. (2006). Genetic process mining. Ph.D. thesis, ...
  • Alves de Medeiros, A., van Dongen, B. F., van der ...
  • Amelia Effendi, Y. & Sarno, R. (2020). Time-based α+ miner ...
  • Buijs, J. C. A. M., van Dongen, B. F.., & ...
  • Buijs, J. C. A. M., van Dongen, B. F., & ...
  • Burattin, A. (2015). Heuristics Miner for Time Interval. In: A. ...
  • Burattin, A., Sperduti, A., & van der Aalst, W. M. ...
  • He, Z., Du, Y., Wang, L., Qi, L., & Sun, ...
  • Li, J., Liu, D., & Yang, B. (2007). Process Mining: ...
  • Li, W., Fan, Y., Liu, W., Xin, M., Wang, H. ...
  • Măruşter, L., Weijters, A. J. M. M., van der Aalst, ...
  • Prodel, M., Augusto, V., Jouaneton, B., Lamarsalle, L. & Xie, ...
  • Prodel, M., Augusto, V., Xie, X.,Jouaneton, B., & Lamarsalle, L. ...
  • Sarno, R. & Sungkono, K. (2019). A survey of graph-based ...
  • Sun, H., Du, Y., Qi, L., & He, Z. (2019). ...
  • van der Aalst, W. M. P. (2014). Process Mining: Discovery, ...
  • van der Aalst, W. M. P., Adriansyah, A., & van ...
  • van der Aalst, W. M. P., Weijters, A. J. M. ...
  • van der Werf, J. M. E. M., van Dongen, B. ...
  • van Zelst, S. J., van Dongen, B. F., & van ...
  • van Zelst, S. J., van Dongen, B. F., van der Aalst, ...
  • vanden Broucke, S. K. L. M., & De Weerdt, J. ...
  • Vidgof, M., Djurica, D., Bala, S. & Mendling, J. (2020). ...
  • Weijters, A. J. M. M., van der Aalst, W. M. ...
  • Weijters, A. J. M. M., & Ribeiro, J. T. S. ...
  • Wen, L., van der Aalst, W. M. P., Wang, J., ...
  • Wen, L., Wang, J., van der Aalst, W. M. P., ...
  • نمایش کامل مراجع