Математическое моделирование динамики показателей деятельности предприятия на основе журналов событий информационных систем

• Автор: Ходырев, Иван Александрович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Санкт-Петербург
• Количество страниц: 144 с. : ил.

Оглавление
ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ПРЕДМЕТНОЙ ОБЛАСТИ
1.1. Журналы событий и прогнозиров ание на их основе
1.2. Метод прогнозирования показателей организации Розинат-Аалста и его разновидности
1.3. Особенности дискретно-событийного моделирования бизнес-процессов на основе
ЖУРНАЛА СОБЫТИЙ
1.3.1. Моделирование потока работ
1.3.2. Извлечение моделей потока работ из журналов событий
1.3.3. Определение развилок в модели процесса
1.3.4. Анализразвилок процесса
1.3.5. Состояния экземпляров процесса
1.3.6. Использование контекстных признаков для уточнения модели прогресса
1.3.7. Устаревание данных
1.3.8. Моделирование ресурсов
1.4. Пути развития методов дискретно-событийного моделирования бизнес-процессов на основе ЖУРНАЛОВ событий
1.4.1. Извлечение модели потока работ из журналов событий
1.4.2. Определение развилок в модели процесса
1.4.3. Учет неактивных экземпляров процесса
1.4.4. Учет зависимостей от контекстных признаков
1.4.5. Учет устаревания данных
Выводы ПО ГЛАВЕ
ГЛАВА 2. МЕТОД ДИСКРЕТНО-СОБЫТИЙНОГО МОДЕЛИРОВАНИЯ БИЗНЕС-ПРОЦЕССОВ НА ОСНОВЕ ЖУРНАЛОВ СОБЫТИЙ
2.1. Основные понятия, определения и информационная база
2.1.1. Используемые математические понятия и обозначения
НАДО НА ЧА ТЬ НЕ С ЭТОГО
2.1.2. Представление экземпляров процесса
2.1.3. Используемый формат журналов событий
2.2. Общий метод дискретно-событийного моделирования
2.3. Построение и исследование модели
2.3.1. Этап фильтрации и построения модели процесса
2.3.2. Этап построения модели среды
2.3.3. Этап насыщения модели зависимостями от признаков
2.4. Имитационное моделирование и прогнозирование
Выводы ПО ГЛАВЕ
ГЛАВА 3. АЛГОРИТМЫ ПОСТРОЕНИЯ И ИСПОЛЬЗОВАНИЯ ИМИТАЦИОННЫХ МОДЕЛЕЙ НА ОСНОВЕ ЖУРНАЛОВ СОБЫТИЙ

3.1. Алгоритмы этапа фильтрацш
3.1.1. Фильтрация устаревших КЭП
3.1.2. Фильтрация неактивных ЭП
3.1.3. Сопоставление весов экземплярам процесса
3.2. Построение модели процесса
3.2.1. Тестирование алгоритмов process mining
3.2.2. Комбинированный алгоритм построения модели процесса
3.3. Алгоритмы этапа построения модели среды
3.3.1. Построение множества исторических признаков
3.3.2. Построение множеств статических и динамических признаков
3.4. АЛГОРИТМЫ ЭТАПА НАСЫЩЕНИЯ МОДЕЛИ ЗАВИСИМОСТЯМИ ОТ ПРИЗНАКОВ
3.4.1. Построение множества элементов процесса
3.4.2. Процедура поиска и формализации зависимостей
3.5. Выводы ПО ГЛАВЕ
ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МЕТОДА МОДЕЛИРОВАНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ
4.1 Экспериментальные исследования методов и алгоритмов фильтрации и построения модели процесса
4.1.1. Экспериментальная проверка метода устаревания КЭП на синтетических данных
4.1.2. Результаты экспериментального исследования алгоритмов анализа процессов
4.2. Экспериментальные исследования алгоритмов, используемых для формирования множества контекстных признаков
4.2.1. Пример применения алгоритма поиска развилок в модели процесса
4.2.2. Пример использования исторических признаков
4.2.3. Пример использования статических и динамических признаков
4.3. Экспериментальные исследования процедуры поиска и формализации зависимостей
4.3.1. Исследование алгоритмов регрессии для задач моделирования процессов
4.3.2. Исследование алгоритмов классификации для задач моделирования процессов..
4.4. Экспериментальные исследования прогностических свойств разработанного метода на практических примерах деятельности предприятий
4.4.1. Цели и задачи экспериментальных исследований
4.4.2. Описание тестовых данных: практические примеры деятельности предприятий
4.4.3. План и параметризация экспериментов
4.4.4. Характеристики точности прогнозов
4.4.5. Проведение экспериментов
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
Введение
Современные информационные системы в различных областях деятельности человека являются источниками косвенных данных о реальных процессах, представляемых в форме так называемых журналов событий. Системы поддержки ведения бизнеса, такие как ERP, WFM, СН или CRM, позволяют проектировать течение бизнес-процессов, регулировать и контролировать их исполнение, а также в автоматическом режиме накапливать объективную информацию о событиях, определяющих динамику показателей деятельности предприятия. Как следствие, мониторинг, анализ и моделирование таких процессов на основе журналов событий требуют развития специального математического аппарата, методов и технологий.
Целью диссертационного исследования является разработка и обоснование метода дискретно-событийного моделирования бизнес-процессов предприятий на основе журналов событий информационных систем.
Для достижения этой цели решаются следующие задачи:
— разработка метода, автоматизирующего процедуры построения динамической модели бизнес-процессов на основе данных, извлекаемых из журналов событий, с учетом их устаревания;
— разработка процедуры идентификации и моделирования характерных элементов динамической модели бизнес-процессов в зависимости от внешних факторов;
— разработка метода имитационного моделирования динамики бизнес-процессов в условиях изменчивости внешней среды для прогнозирования показателей деятельности предприятия;
— разработка алгоритмического и программного обеспечения для экспериментальных исследований перечисленных методов и моделей;
— экспериментальное исследование прогностических свойств предложенного метода в сравнении с существующими аналогами; апробация метода на прикладных задачах моделирования деятельности предприятий.
Научная новизна исследования заключается в разработке метода дискретнособытийного моделирования бизнес-процессов, формирующего базовую имитационную модель на основе обучения по журналу событий информационной системы с учетом устаревания данных и влияния внешних факторов, и его применении для прогнозирования динамики показателей предприятия.
Практическую значимость работы определяют:

Сопоставление весов экземплярам процесса. Некоторые аспекты бизнес-процессов компаний могут быть проанализированы, в результате получаются модели этих бизнес-процессов. В деятельности компаний можно найти определенные повторяющиеся шаблоны, которые на практике и позволяют проводить анализ такого рода. Важным отличием социальных процессов от процессов природных является то, что внутренние законы, управляющие первыми, могут существенно изменяться с течением времени, в то время как законы, управляющие вторыми, обычно остаются неизменными в рамках существующей научной парадигмы. Это ставит перед разработчиками средств прогнозирования процессов, в которых участвует человек, задачу учета возможных флуктуаций в закономерностях этих процессов. В диссертационном исследовании применена методика «взвешивания». Суть методики заключается в том, чтобы данным, которые являются менее актуальными, при построении моделей придать меньший вес по отношению к данным, имеющим большую актуальность. Выбор критериев актуальности трудоемок и требует отдельного исследования. В работе в качестве критерия оптимальности было выбрано время от момента прогнозирования до момента получения информации. В журнале событий каждому экземпляру процесса сопоставляется вес, который характеризует, насколько данные из этого ЭП являются релевантными при построении математических моделей элементов процесса. Подробнее методика взвешивания данных описана в главе 3. Примеры и эксперименты, связанные с устареванием данных описаны в главе 4.
Модификация модели для эксперимента. При построении моделей по журналам событий в последние добавлялись два фиктивных события: «Start» и «End». Полученные модели должны иметь вид, представленный на рис. 2.36.

Рисунок 2.3. а — модифицированный лог; б - часть модели процесса с начальным и конечным событиями в нотации СП Для того чтобы быть пригодной к имитационному эксперименту, модель должна обладать следующими свойствами:
1) У(Т=(^2..Лп | /[ = 31аН, где £7 - любая соответствующая модели ПСП,