Process Mining: Design und Implementierung eines Ansatzes zur zeitnahen Integration von Ereignisprotokolldaten

Abstract

In Ereignisprotokollen betrieblicher Informationssysteme (z.B.:<br />ERP, CRM, WFM und B2B Systeme) sind für Unternehmen bzw. Organisationen interessante und oft auch unbekannte Daten über die in den Systemen ablaufenden Prozesse enthalten, welche, wenn entsprechend interpretiert, genutzt werden können um die Prozesse und den notwendigen IT Support zu optimieren oder unbekannte Abläufe zu erkennen und diese zu verstehen.<br />Process Mining Techniken extrahieren aus den vorhandenen Ereignisprotokollen der Informationssysteme Prozessinformationen, werten die gewonnen Daten mittels entsprechenden Algorithmen aus und visualisieren die Ergebnisse für die Entscheidungsträger in ansprechender und verständlicher Form. Die Analyse der gewonnenen Informationen kann in drei unterschiedlichen Perspektiven erfolgen: (1) Prozess-Perspektive, (2) Organisatorische-Perspektive sowie (3) Fall-Perspektive.Weiterführende Anwendungsklassen des Process Minings beschäftigen sich mit der Gegenüberstellung der ableitbaren Informationen mit einem Soll-Prozessmodell oder der Erweiterung eines solchen um zusätzliche Daten.<br />In den existierenden Process Mining Techniken werden aus den vorhandenen Ereignisprotokollen die Prozessinformationen aufgrund eines historischen Standes extrahiert, analysiert und für darauf basierenden Entscheidungen verwendet. Traditionelle Anwendungsszenarien erfordern meist einen aufwändigen manuellen Übernahmeprozess der extrahierten Prozessdaten zur Verwendung dieser in den entsprechenden Process Mining Techniken, was eine ineffiziente Anbindung der Datengrundlage an die verwendeten Techniken darstellt. Auch eine Überwachung sowie Beurteilung der Prozesse in Echtzeit - als operative Unterstützung - ist mit den bestehenden Techniken nicht möglich. Die daraus resultierenden Erkennungszeiten von prozessrelevanten Information folglich lang. Eine zeitnahe Integration der Ereignisprotokolldaten in bestehende Process Mining Techniken würde es erfordern zusätzliche Herausforderungen, beispielsweise eine effiziente Gestaltung der Gesamtlösungsarchitektur, zu meistern. Im Zuge dieser Diplomarbeit werden die Ansätze einer zeitnahen Nutzung von traditionellen Anwendungsszenarien sowie von Process Mining in Echtzeit diskutiert, wobei die zeitnahe Nutzung im weiteren Verlauf dieser Arbeit vertiefend betrachtet wird. Unterstützend wird eine Implementierung eines ProM Framework PlugIn's zur Verarbeitung von Ereignisprotokollen des Apache Camel EAI Framework sowie die hierfür gewählte Architektur vorgestellt. Die dieser Implementierung zu Grunde liegenden Ideen und die dabei verwendeten Techniken, werden an den relevanten Stellen im Detail erklärt. Das Ergebnis der Implementierung soll zeigen, ob und wie die zeitliche Lücke zwischen dem traditionellen Ansatz des Process Minings und einem Ansatz einer zeitnahen Integration von Ereignisprotokollen in Process Mining Techniken geschlossen werden kann und welche Herausforderungen hierfür gemeistert werden müssen.<br />

Enterprise information systems (e.g.: ERP, CRM, WFM and B2B systems) store information about executed processes in log structures.<br />These event logs, containing a massive amount of events, can be used for discovering business processes. Process Mining techniques extract process information out of the existing event logs, analyze and interpret the data and use it in corresponding algorithms for deriving process models. The resulting process models are visualized and presented to the decision makers, which are able to make further decisions based on this gained knowledge. The process mining algorithms deliver the process model in three different perspectives: (1) process perspective, (2) organizational perspective and (3) case-perspective.<br />Additional application classes of Process Mining are the comparison of the gained process model to a given reference model or the extension of a given model with additive information.<br />Existing Process Mining techniques perform the extraction based on historical process information. These traditional Process mining application scenarios typically require manual extraction and transferring of the process data, which is usually complex and expensive. Such a proceeding is inapplicable, if the take-over of data shall be done frequently. Moreover, a real time monitoring of running processes - as operational support - isn't realizable, because the data actualization is too time expensive. A real time or near-real time integration of event-logs in existing Process Mining techniques would require to solve supplementary challenges, for example to find an efficient architecture to achieve a real time integration.<br />This master thesis discusses two approaches for using Process Mining in real time: (1) Real time Process Mining as operational support and (2) Using traditional process mining algorithms in a near-real time manner (the work is focused on this aspect).<br />Furthermore, the work introduces an implementation for using traditional scenarios in a near-real time manner. The implemented architecture includes a Plugin for the ProM Framework, which converts and imports event-logs generated from the Apache Camel EAI Framework into ProM. The second implementation artifact is a mechanism for recording occurring events in the Apache Camel EAI Framework. The basic ideas as well as the used existing techniques are explained in the course of this master thesis.<br />The resulting implementation of the designed architecture shows, whether a near-real time integration of event-logs for traditional process mining could be achieved and which further challenges have to be solved.