Process discovery method for distributed software systems with web interface

Simple item page
dc.citation.epage77
dc.citation.issue5
dc.citation.journalTitleВісник Національного університету "Львівська політехніка". Інформаційні системи та мережі
dc.citation.spage70
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.affiliationLviv Polytechnic National University
dc.contributor.authorБатюк, А. Є.
dc.contributor.authorВойтишин, В. В.
dc.contributor.authorBatyuk, Anatolii
dc.contributor.authorVoityshyn, Volodymyr
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2020-03-25T08:22:40Z
dc.date.available2020-03-25T08:22:40Z
dc.date.created2019-02-26
dc.date.issued2019-02-26
dc.description.abstractЯк прикладна дисципліна, процес-майнинг виник два десятиліття тому, і упродовж останніх кількох років його методи отримують все ширше застосування на практиці. Ознакою, яка відрізняє процес-майнинг від класичного дата-майнигу, є фокусування на процесній природі оброблюваних даних. Активний розвиток ніші ринку програмного забезпечення процес-майнингу загострив актуальність задач, пов’язаних із підвищенням масштабованості його методів. Автори пропонують подальший розвиток методу Fuzzy Miner, що розширює його застосування до розподілених програмних системах з web-інтерфейсом. Для забезпечення вимог масштабованості розрахункові процедури реалізовано у різних частинах системи: найбільш ресурсоємні алгоритми виконуються на стороні сервера, тоді як менш ресурсоємні – на стороні web-клієнта. Своєю чергою, серверні компоненти належать до одного із логічних рівнів: даних або сервісів. Рівень даних відповідає за збереження даних у XES-форматі та збирання процесних метрик. Побудова графу процесу та взаємодія з клієнтською частиною забезпечується рівнем сервісів. Призначенням клієнтської web-програми є відбраження графу процесу, який будує сервер. Автоматична перевірка коректності реалізації розрахункової логіки забезпечується модульними та інтеграційними тестами. Рішення, реалізоване авторами, ґрунтується на відкритих програмних продуктах, що дає змогу знизити сумарну вартість програмної системи. На основі порівняння отриманих значень із результатами, одержаними за допомогою ProM 6.8 (було застосовано плагіни: Fuzzy Miner and Alpha++ Miner), зроблено висновок, що запропонована адаптація методу Fuzzy Miner забезпечує відображення поведінки, яка присутня в event-даних (що також успішно виконують відповідні ProM-плагіни). Своєю чергою, з погляду системної архітектури запропоноване рішення демонструє кращі характеристики масштабованості, тобто здатності нарощувати обчислювальні потужності з метою опрацювання більших обсягів event-даних порівняно із згаданими вище ProM-плагінами.
dc.description.abstractAs an applied discipline, process mining emerged about two decades ago, and its methods have been increasingly used in practice for recent few years. What differentiates process mining from the conventional data mining is considering process nature of the analyzed data. Rapid development of the process mining software market niche has risen relevance of such task as scalability of process mining methods. Adaptation of the process discovery method, called Fuzzy Miner, to distributed software systems with web interface has been proposed by the authors. To address the scalability requirements, the calculation procedures are implemented on different part of the system: the most computer resource consuming algorithms are executed on the server side whilst less resource consuming calculations are placed on the client side. In turns, the server-side components belong either to the data layer or service layer. The data layer is accountable for storing event data in XES format and measuring process metrics. Building a process graph and communication with the client web application is the responsibility of the service layer. The purpose of the client-side web application is to render a process graph generated in the server-side. The calculation logic is covered with unit and integration tests so that its correctness is checked automatically. In order to reduce total cost of ownership of the system, it is implemented with free software. From the performed calculations and comparison of the outcomes with the results received by means of the existing ProM 6.8 plugins (Fuzzy Miner and Alpha++ Miner), it can be concluded that the proposed adaptation of the Fuzzy Miner method ensures representation of the behavior seen in an event log (like the ProM 6.8 plugins successfully do). In turns, from the software architecture standpoint, the proposed solution demonstrates better scalability characteristics, i.e., ability to increase capacity in order to handle bigger amount of event data, in comparison with the mentioned above ProM plugins.
dc.format.extent70-77
dc.format.pages8
dc.identifier.citationBatyuk A. Process discovery method for distributed software systems with web interface / Anatolii Batyuk, Volodymyr Voityshyn // Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2019. — № 5. — С. 70–77.
dc.identifier.citationenBatyuk A. Process discovery method for distributed software systems with web interface / Anatolii Batyuk, Volodymyr Voityshyn // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Informatsiini systemy ta merezhi. — Lviv : Vydavnytstvo Lvivskoi politekhniky, 2019. — No 5. — P. 70–77.
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/47797
dc.language.isoen
dc.publisherВидавництво Львівської політехніки
dc.relation.ispartofВісник Національного університету "Львівська політехніка". Інформаційні системи та мережі, 5, 2019
dc.relation.references1. Burattin, A. (2015). Process Mining Techniques in Business Environments. Cham: Springer. doi: 10.1007/978-3-319-17482-2
dc.relation.references2. van der Aalst, W.M. P., et al. (2012). Process mining manifesto. In F. Daniel, K. Barkaoui, S. Dustdar (Ed.), Business Process Management Workshops. BPM 2011 International Workshops. Lecture Notes in Business Information Processing, vol. 99 (pp. 169-194) Berlin, Heidelberg: Springer. doi: 10.1007/978-3-642-28108-2_19
dc.relation.references3. Günther, Ch.W. & van der Aalst, W.M.P. (2007). Fuzzy Mining – Adaptive Process Simplification Based on Multi-perspective Metrics. In G. Alonso, P. Dadam, M. Rosemann (Ed.) Proceedings of the 5th International Conference on Business Process Management. BPM 2007. Lecture Notes in Computer Science, vol. 4714 (pp. 328–343) Berlin, Heidelberg: Springer. doi: 10.1007/978-3-540-75183-0_24
dc.relation.references4. Fuzzy Miner. (2009, June 17). Retrieved from http://www.processmining.org/online/fuzzyminer
dc.relation.references5. Verbeek, H.M.W., Buijs J.C.A.M., van Dongen B.F., & van der Aalst, W.M.P. (2010). ProM 6: the process mining toolkit. In M. La Rosa (Ed.), Proceedings of the Business Process Management 2010 Demonstration Track, vol. 615 (pp. 34–39). CEUR-WS.org.
dc.relation.references6. van Steen, M. & Tanenbaum, A.S. (2017). Distributed Systems, 3rd ed., distributed-systems.net.
dc.relation.references7. van der Aalst, W.M.P. (2016). Process mining: data science in action, 2nd ed. Berlin: Springer. doi: 10.1007/978-3-662-49851-4
dc.relation.references8. Turner, C.J., Tiwari, A., Olaiya, R., & Xu, Y. (2012). Business Process Mining: From Theory to Practice, Business Process Management Journal, 18(3), pp. 493–512. doi: 10.1108/14637151211232669
dc.relation.references9. Rozinat, A. (2010, Oct 18). ProM Tips – Which Mining Algorithm Should You Use?, Fluxicon. Retrieved from https://fluxicon.com/blog/2010/10/prom-tips-mining-algorithm/
dc.relation.references10. Günther, Ch. W., Rozinat, A. (2012). Disco: Discover Your Processes. Proceedings of the Demonstration Track of the 10th International Conference on Business Process Management (BPM 2012), vol. 940 (pp. 40–44). Tallinn, Estonia.
dc.relation.references11. Batyuk, A. & Voityshyn, V. (2018). Process Mining: Applied Discipline and Software Implementations, KPI Science News, 5, pp. 22–36. doi: 10.20535/1810-0546.2018.5.146178
dc.relation.references12. Bass, L., Clements, P., & Kazman, R. (2012). Software Architecture in Practice, 3rd ed. Addison-Wesley Professional.
dc.relation.references13. IEEE Standard for eXtensible Event Stream (XES) for Achieving Interoperability in Event Logs and Event Streams. (2016). IEEE Std 1849–2016.
dc.relation.references14. OpenXES. (2017, June 16). Retrieved from http://www.xes-standard.org/openxes/start
dc.relation.references15. de Leoni, M. & Mannhardt, F. (2015, Feb 13). Road Traffic Fine Management Process. Retrieved from https://data.4tu.nl/repository/uuid:270fd440-1057-4fb9-89a9-b699b47990f5
dc.relation.references16. Wen, L., van der Aalst, W.M.P., Wang, J., & Sun, J. (2007). Mining process models with nonfree-choice constructs, Data Mining and Knowledge Discovery, 15(2), pp. 145–180.
dc.relation.references17. Batyuk, A. & Voityshyn, V. (2018). Software Architecture Design of the Information Technology for Real-Time Business Process Monitoring, ECONTECHMOD, 7(3), pp. 13–22.
dc.relation.references18. Teslyuk, T., Tsmots, I., Teslyuk, V., Medykovskyy, M., & Opotyak, Y. (2017). Architecture of the management system of energy efficiency of technological processes at the enterprise. 2017 12th International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT) (pp. 429-433). Lviv. doi: 10.1109/STC-CSIT.2017.8098822
dc.relation.references19. Mulesa, O., Geche, F., Batyuk, A., Buchok, V. (2018). Development of Combined Information Technology for Time Series Prediction. In Shakhovska, N., Stepashko, V. (Ed.), Advances in Intelligent Systems and Computing II. CSIT 2017. Advances in Intelligent Systems and Computing, vol. 689. Cham: Springer. doi: 10.1007/978-3-319-70581-1_26
dc.relation.referencesen1. Burattin, A. (2015). Process Mining Techniques in Business Environments. Cham: Springer. doi: 10.1007/978-3-319-17482-2
dc.relation.referencesen2. van der Aalst, W.M. P., et al. (2012). Process mining manifesto. In F. Daniel, K. Barkaoui, S. Dustdar (Ed.), Business Process Management Workshops. BPM 2011 International Workshops. Lecture Notes in Business Information Processing, vol. 99 (pp. 169-194) Berlin, Heidelberg: Springer. doi: 10.1007/978-3-642-28108-2_19
dc.relation.referencesen3. Günther, Ch.W. & van der Aalst, W.M.P. (2007). Fuzzy Mining – Adaptive Process Simplification Based on Multi-perspective Metrics. In G. Alonso, P. Dadam, M. Rosemann (Ed.) Proceedings of the 5th International Conference on Business Process Management. BPM 2007. Lecture Notes in Computer Science, vol. 4714 (pp. 328–343) Berlin, Heidelberg: Springer. doi: 10.1007/978-3-540-75183-0_24
dc.relation.referencesen4. Fuzzy Miner. (2009, June 17). Retrieved from http://www.processmining.org/online/fuzzyminer
dc.relation.referencesen5. Verbeek, H.M.W., Buijs J.C.A.M., van Dongen B.F., & van der Aalst, W.M.P. (2010). ProM 6: the process mining toolkit. In M. La Rosa (Ed.), Proceedings of the Business Process Management 2010 Demonstration Track, vol. 615 (pp. 34–39). CEUR-WS.org.
dc.relation.referencesen6. van Steen, M. & Tanenbaum, A.S. (2017). Distributed Systems, 3rd ed., distributed-systems.net.
dc.relation.referencesen7. van der Aalst, W.M.P. (2016). Process mining: data science in action, 2nd ed. Berlin: Springer. doi: 10.1007/978-3-662-49851-4
dc.relation.referencesen8. Turner, C.J., Tiwari, A., Olaiya, R., & Xu, Y. (2012). Business Process Mining: From Theory to Practice, Business Process Management Journal, 18(3), pp. 493–512. doi: 10.1108/14637151211232669
dc.relation.referencesen9. Rozinat, A. (2010, Oct 18). ProM Tips – Which Mining Algorithm Should You Use?, Fluxicon. Retrieved from https://fluxicon.com/blog/2010/10/prom-tips-mining-algorithm/
dc.relation.referencesen10. Günther, Ch. W., Rozinat, A. (2012). Disco: Discover Your Processes. Proceedings of the Demonstration Track of the 10th International Conference on Business Process Management (BPM 2012), vol. 940 (pp. 40–44). Tallinn, Estonia.
dc.relation.referencesen11. Batyuk, A. & Voityshyn, V. (2018). Process Mining: Applied Discipline and Software Implementations, KPI Science News, 5, pp. 22–36. doi: 10.20535/1810-0546.2018.5.146178
dc.relation.referencesen12. Bass, L., Clements, P., & Kazman, R. (2012). Software Architecture in Practice, 3rd ed. Addison-Wesley Professional.
dc.relation.referencesen13. IEEE Standard for eXtensible Event Stream (XES) for Achieving Interoperability in Event Logs and Event Streams. (2016). IEEE Std 1849–2016.
dc.relation.referencesen14. OpenXES. (2017, June 16). Retrieved from http://www.xes-standard.org/openxes/start
dc.relation.referencesen15. de Leoni, M. & Mannhardt, F. (2015, Feb 13). Road Traffic Fine Management Process. Retrieved from https://data.4tu.nl/repository/uuid:270fd440-1057-4fb9-89a9-b699b47990f5
dc.relation.referencesen16. Wen, L., van der Aalst, W.M.P., Wang, J., & Sun, J. (2007). Mining process models with nonfree-choice constructs, Data Mining and Knowledge Discovery, 15(2), pp. 145–180.
dc.relation.referencesen17. Batyuk, A. & Voityshyn, V. (2018). Software Architecture Design of the Information Technology for Real-Time Business Process Monitoring, ECONTECHMOD, 7(3), pp. 13–22.
dc.relation.referencesen18. Teslyuk, T., Tsmots, I., Teslyuk, V., Medykovskyy, M., & Opotyak, Y. (2017). Architecture of the management system of energy efficiency of technological processes at the enterprise. 2017 12th International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT) (pp. 429-433). Lviv. doi: 10.1109/STC-CSIT.2017.8098822
dc.relation.referencesen19. Mulesa, O., Geche, F., Batyuk, A., Buchok, V. (2018). Development of Combined Information Technology for Time Series Prediction. In Shakhovska, N., Stepashko, V. (Ed.), Advances in Intelligent Systems and Computing II. CSIT 2017. Advances in Intelligent Systems and Computing, vol. 689. Cham: Springer. doi: 10.1007/978-3-319-70581-1_26
dc.relation.urihttp://www.processmining.org/online/fuzzyminer
dc.relation.urihttps://fluxicon.com/blog/2010/10/prom-tips-mining-algorithm/
dc.relation.urihttp://www.xes-standard.org/openxes/start
dc.relation.urihttps://data.4tu.nl/repository/uuid:270fd440-1057-4fb9-89a9-b699b47990f5
dc.rights.holder© Національний університет “Львівська політехніка”, 2019
dc.rights.holder© Батюк А. Є., Войтишин В. В., 2019
dc.subjectпроцес-майнинг
dc.subjectevent-дані
dc.subjectлоги
dc.subjectXES
dc.subjectProM
dc.subjectFuzzy Miner
dc.subjectprocess mining
dc.subjectevent data
dc.subjectevent logs
dc.subjectXES
dc.subjectProM
dc.subjectFuzzy Miner
dc.subject.udc004.42
dc.subject.udc519.85
dc.subject.udc004.9
dc.titleProcess discovery method for distributed software systems with web interface
dc.title.alternativeРозподілена програмна система з web-інтерфейсом для автоматизованої побудови моделі бізнес-процесу
dc.typeArticle

Files

Original bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
2019n5_Batyuk_A-Process_discovery_method_for_70-77.pdf
Size:
458.47 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
2019n5_Batyuk_A-Process_discovery_method_for_70-77__COVER.png
Size:
458.78 KB
Format:
Portable Network Graphics
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
3 KB
Format:
Plain Text
Description:
Download

Collections

Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. – 2019. – Випуск 5