Directly-Follows Graph (DFG)
Учимся строить и анализировать модели процессов с помощью графов прямого следования
Граф прямого следования (далее Directly-Follows Graph или DFG) - простой и популярный инструмент для моделирования бизнес-процессов на основе их журналов событий (Event Logs). Он реализован практически во всех коммерческих продуктах Process Mining.
Мы разработали тренажер, чтобы помочь новичкам в Process Mining научиться по шагам строить и анализировать DFG. Необходимые исходные данные - журналы событий, можно выбрать из списка предустановленных или создать собственные путем ручного ввода.
Для обучения мы специально используем формат упрощенного журнала событий, который можно найти в литературе по Process Mining [1]: L = [<a,c,d>45,<b,c,e>42].
Приложение содержит пять упражнений, охватывающих различные аспекты работы с DFG: 1) базовый алгоритм обнаружения (DFG Baseline Discovery Algorithm), 2) построение матрицы и отпечатка DFG (DFG matrix and footprint), а также применение различных способов фильтрации 3) на основе активностей (Activity-Based Filtering), 4) вариантов (Variant-Based Filtering), 5) дуг (Arc-Based Filtering).
Код приложения на Python можно найти на GitHub. Код написан предельно просто и также предназначен для обучения алгоритмам Process Mining.
[1] van der Aalst, W.M.P.: Foundations of Process Discovery. In: van der Aalst, W.M.P., Carmona, J. (eds.) PMSS 2022. LNBIP, vol. 448, pp. 37–75. Springer, Cham (2022) >>>>
Мы разработали тренажер, чтобы помочь новичкам в Process Mining научиться по шагам строить и анализировать DFG. Необходимые исходные данные - журналы событий, можно выбрать из списка предустановленных или создать собственные путем ручного ввода.
Для обучения мы специально используем формат упрощенного журнала событий, который можно найти в литературе по Process Mining [1]: L = [<a,c,d>45,<b,c,e>42].
Приложение содержит пять упражнений, охватывающих различные аспекты работы с DFG: 1) базовый алгоритм обнаружения (DFG Baseline Discovery Algorithm), 2) построение матрицы и отпечатка DFG (DFG matrix and footprint), а также применение различных способов фильтрации 3) на основе активностей (Activity-Based Filtering), 4) вариантов (Variant-Based Filtering), 5) дуг (Arc-Based Filtering).
Код приложения на Python можно найти на GitHub. Код написан предельно просто и также предназначен для обучения алгоритмам Process Mining.
[1] van der Aalst, W.M.P.: Foundations of Process Discovery. In: van der Aalst, W.M.P., Carmona, J. (eds.) PMSS 2022. LNBIP, vol. 448, pp. 37–75. Springer, Cham (2022) >>>>
Скриншоты тренажера DFG
