Logical-probabilistic representation of causal dependencies between events in business process management

Abstract

The subject matter of the article are the processes of identifying knowledge in the form of causal relationships based on the analysis of the log of the business process. The goalis to develop a logical-probabilistic model of cause-effect relationships between pairs of log events that describes the implementation of the business process's action to support the solution of the task of automating the construction of the knowledge base of the process management system. Tasks: Select context constraints and limitations on the execution of business process actions that can be obtained as a result of log analysis; develop an approach to extract the probabilistic and logical components of cause-effect dependencies; to develop a logical-probabilistic model of causal relationships. The methodsused are: methods for constructing predicate models; Bayesian methods of constructing probabilistic models. The following results are obtained. Formalized class of causal dependencies for knowledge-intensive business processes. Such dependencies can take into account informal knowledge of the business process. Within this class there are: a predicate description of the state of the context based on information about values of attributes of log events; contextual constraints on doing business process actions; probabilistic conditions for implementing the business process. The scientific novelty of the results obtained is as follows: a logical-probabilistic model of cause-effect relationships between pairs of log events describing the performance of the business process is proposed. The model binds a logical description of the state of the context before and after the completion of each activity of the business process, as well as a logical description of the constraints on the actions of the process and a probabilistic description of the conditions for the execution of these actions. In practical terms, the model provides an opportunity to solve problems of extracting, expandingand integrating knowledge based on the analysis of logs of business processes.Предметом вивчення в статті є процеси виявлення знань у формі причинно-наслідкових залежностей на основі аналізу логу подій бізнес-процесу. Метоюстатті є розробка логіко-ймовірнісної моделі причинно-слідчих зв'язків між парами подій журналу, що описують виконання дій бізнес-процесу для підтримки рішення задач автоматизованого побудови бази знань системи процесного управління. Завдання: Виділити контекстні умови та обмеження на виконання дій бізнес-процесу шляхом аналізу лога подій цього процесу; розробити підхід до виділення ймовірнісної та логічної складової причинно-слідчих залежностей; розробити логіко-ймовірнісну модель каузальних залежностей. Використовуваними методами є: методи побудови предикатних моделей; байєсовські підходи до побудови ймовірнісних моделей. Отримані наступні результати. Формалізовано клас причинно-наслідкових залежностей для знання ємних бізнес-процесів. Такі залежності можуть враховувати неформалізоване знання про бізнес-процес. В межах даного класу виділені: прогнозний опис стану контексту на основі інформації про значення атрибутів подій журналу; контекстні обмеження на виконання дій бізнес-процесу; ймовірнісні умови реалізації дії бізнес-процесу. Наукова новизна отриманих результатів полягає в наступному: запропонована логіко-ймовірнісна модель причинно-слідчих залежностей між парами подій журналу, що описують виконання дій бізнес-процесу. Модель зв'язує логічне опис стану контексту до і після завершення кожного дії бізнес-процесу, а також логічний опис обмежень на дії процесу та ймовірнісний опис умов для виконання цих дій. У практичному аспекті модель забезпечує можливість вирішення завдань вилучення, поповнення та інтеграції знань на основі аналізу логів бізнес-процесів.