Checagem de conformidade baseada em alinhamento para uma rede de Petri estocástica

• Autor(a) principal: Almeida, Matheus Pereira de
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-19122023-135952/
• topic: Alignment; Alinhamento; Automated planning; Checagem de conformidade; Conformance checking; Mineração de processos; Planejamento automático; Planejamento probabilístico; Probabilistic planning.; Process mining

O alinhamento oferece um método confiável para realizar a checagem de conformidade, detectando desvios que levam à não conformidade. A maioria dos métodos de alinhamento utiliza o conceito de movimentos de alinhamento em conjunto com uma rede de Petri determinística e um log de eventos como entrada, com o objetivo de encontrar um alinhamento com o menor custo. Lidar com informações probabilísticas no modelo de processo e no log de eventos é um dos grandes desafios na área de checagem de conformidade. No entanto, há poucos trabalhos na literatura sobre checagem de conformidade que exploram informações estocásticas no modelo de processo. Abordagens probabilísticas existentes não levam em consideração o conceito de movimentos de alinhamento, especificamente os movimentos de log, pressupondo que o modelo de processo fornecido como entrada permanece inalterado. Baseando-se nos fundamentos existentes da área de checagem de conformidade que utiliza a técnica de alinhamento, foi definida formalmente neste trabalho a tarefa de alinhamento que tem como entrada uma rede de Petri estocástica e um log de eventos, emprega o conceito de movimentos de alinhamento e tem como objetivo produzir um ranking ótimo de alinhamentos considerando uma métrica de otimização que combina a probabilidade de disparo das transições da rede de Petri estocástica e o custo dos alinhamentos. Como resultado, obtemos um ranking de alinhamentos que reflete a realidade das ocorrências dos traces presentes no log de eventos e a suposição de que o modelo de processo em uso pode estar desatualizado. Também propomos o ProbPlanAlign, uma abordagem que modela essa tarefa de alinhamento como um problema de Caminho Mais Curto Estocástico, codifica-o usando a Linguagem de Definição de Domínio de Planejamento Probabilístico (PPDDL) e encontra o ranking ótimo de alinhamentos usando planejadores probabilísticos existentes na literatura. Experimentos com o ProbPlanAlign utilizando logs de eventos sintéticos e modelos de processos com um número crescente de transições foi realizada para analisar a escalabilidade da proposta. O consumo de tempo do ProbPlanAlign para encontrar um ranking ótimo de alinhamentos cresce linearmente à medida que o tamanho das redes de Petri probabilísticas cresce, em termos do número de transições. Especificamente, o consumo de tempo foi de 21,4 segundos para o modelo de processo maior avaliado, que possui 237 transições.