Browsing by Author "Lee, Wai Lam Jonathan"

Now showing 1 - 5 of 5
  • Thumbnail Image
    Item
    Advancing decomposed conformance checking in process mining
    (2020) Lee, Wai Lam Jonathan; Muñoz Gama, Jorge; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    En los últimos años, la “process mining” ha ido ganando terreno como herramienta para analizar y mejorar los procesos en la industria, como lo ejemplifican empresas como Disco, Celonis y Minit. Además, muchas herramientas comerciales de process mining se están extendiendo más allá del descubrimiento de procesos a la “conformance checking” que permite comparar el comportamiento observado y modelado para encontrar diferencias entre los dos. Realizar la conformance checking en entornos industriales significa que las técnicas deben poder abordar las diferentes dimensiones de los datos. Por ejemplo, las técnicas de conformance checking tienen que escalar desde procesos de pequeñas empresas hasta organizaciones multinacionales que pueden estar manejando muchos casos por hora. Esta tesis se centra en la conformance checking y aborda especficamente los desafíos que surgen de la aplicación de la conformance checking en diferentes escenarios. Las técnicas basadas en alineación (alignment) son el estado del arte para identificar y explicar las discrepancias entre el comportamiento observado y modelado. Sin embargo, debido a la explosión del espacio de estados con procesos con construcciones paralelas, la alignment puede ser computacionalmente costosa. La primera parte de la tesis se centra en extender las técnicas de descomposición al cálculo de alignment. La tesis muestra que la alignment se puede calcular de forma descompuesta y presenta un algoritmo de conformance checking novedoso que calcula la alignment utilizando el paradigma de dividir y conquistar. En la actualidad, existen muchas técnicas de conformance checking disponibles para los usuarios. Sin embargo, puede resultar difícil seleccionar el mejor algoritmo para el trabajo, ya que depende de los datos de entrada y del objetivo del usuario. La segunda parte de la tesis investiga técnicas de machine learning para ayudar a los usuarios a seleccionar el mejor algoritmo en función de sus datos de entrada. Específicamente, aplica el machine learning al problema de clasificación de si las técnicas de descomposición pueden mejorar el tiempo de cálculo dado el modelo y el event log. La tercera parte de la tesis se centra en la conformance checking en tiempo real. Dado el volumen y la velocidad a la que llegan los datos de eventos, es posible que las organizaciones no almacenen todos los datos generados para el análisis offline y, en su lugar, tengan que recurrir a técnicas en tiempo real. Además, realizar análisis en tiempo real permite a los dueños del proceso reaccionar y resolver los problemas en forma inmediato. Realizar la conformance checking en una configuración en tiempo real tiene sus propios desafíos únicos. Por ejemplo, la técnica de conformance checking tiene que equilibrar el énfasis en la información actual y garantizar que el resultado de conformance sea algo estable a medida que se desarrolla el caso en ejecución. La tesis presenta una novedosa técnica de conformance checking en tiempo real basada en Hidden Markov Model.En los últimos años, la “process mining” ha ido ganando terreno como herramienta para analizar y mejorar los procesos en la industria, como lo ejemplifican empresas como Disco, Celonis y Minit. Además, muchas herramientas comerciales de process mining se están extendiendo más allá del descubrimiento de procesos a la “conformance checking” que permite comparar el comportamiento observado y modelado para encontrar diferencias entre los dos. Realizar la conformance checking en entornos industriales significa que las técnicas deben poder abordar las diferentes dimensiones de los datos. Por ejemplo, las técnicas de conformance checking tienen que escalar desde procesos de pequeñas empresas hasta organizaciones multinacionales que pueden estar manejando muchos casos por hora. Esta tesis se centra en la conformance checking y aborda especficamente los desafíos que surgen de la aplicación de la conformance checking en diferentes escenarios. Las técnicas basadas en alineación (alignment) son el estado del arte para identificar y explicar las discrepancias entre el comportamiento observado y modelado. Sin embargo, debido a la explosión del espacio de estados con procesos con construcciones paralelas, la alignment puede ser computacionalmente costosa. La primera parte de la tesis se centra en extender las técnicas de descomposición al cálculo de alignment. La tesis muestra que la alignment se puede calcular de forma descompuesta y presenta un algoritmo de conformance checking novedoso que calcula la alignment utilizando el paradigma de dividir y conquistar. En la actualidad, existen muchas técnicas de conformance checking disponibles para los usuarios. Sin embargo, puede resultar difícil seleccionar el mejor algoritmo para el trabajo, ya que depende de los datos de entrada y del objetivo del usuario. La segunda parte de la tesis investiga técnicas de machine learning para ayudar a los usuarios a seleccionar el mejor algoritmo en función de sus datos de entrada. Específicamente, aplica el machine learning al problema de clasificación de si las técnicas de descomposición pueden mejorar el tiempo de cálculo dado el modelo y el event log. La tercera parte de la tesis se centra en la conformance checking en tiempo real. Dado el volumen y la velocidad a la que llegan los datos de eventos, es posible que las organizaciones no almacenen todos los datos generados para el análisis offline y, en su lugar, tengan que recurrir a técnicas en tiempo real. Además, realizar análisis en tiempo real permite a los dueños del proceso reaccionar y resolver los problemas en forma inmediato. Realizar la conformance checking en una configuración en tiempo real tiene sus propios desafíos únicos. Por ejemplo, la técnica de conformance checking tiene que equilibrar el énfasis en la información actual y garantizar que el resultado de conformance sea algo estable a medida que se desarrolla el caso en ejecución. La tesis presenta una novedosa técnica de conformance checking en tiempo real basada en Hidden Markov Model.
  • Thumbnail Image
    Item
    Orientation and conformance : A HMM-based approach to online conformance checking
    (2020) Lee, Wai Lam Jonathan; Burattin, A.; Muñoz Gama, Jorge; Sepúlveda Fernández, Marcos Ernesto
  • Thumbnail Image
    Item
    Predicting process behavior meets factorization machines
    (2018) Lee, Wai Lam Jonathan; Parra Santander, Denis; Muñoz Gama, Jorge; Sepúlveda Fernández, Marcos Ernesto
  • Thumbnail Image
    Item
    Recomposing conformance: closing the circle on decomposed alignment-based conformance checking in process mining
    (2018) Lee, Wai Lam Jonathan; Verbeek, H. M. W.; Muñoz Gama, Jorge; Aalst, Wil M. P. van der; Sepúlveda Fernández, Marcos Ernesto
  • Thumbnail Image
    Item
    ResRec: A multi-criteria tool for resource recommendation
    (2016) Arias, Michael; Rojas, Eric; Lee, Wai Lam Jonathan; Muñoz Gama, Jorge; Sepúlveda Fernández, Marcos Ernesto
    Dynamic resource allocation is considered a key aspect withinbusiness process management. Selecting the most suitable resources is achallenge for those in charge of making the allocation, because the efficiency with which this task is executed, can contribute to the quality ofthe results, and improve the process performance. Different mechanismshave been proposed to improve resource allocation. However, there is aneed for more flexible allocation methods that integrate a set of conditions and requirements defined at run-time, and also, allow the combination of different criteria to evaluate resources. In this paper, we presentResRec, a novel Multi-factor Criteria tool that can be used to recommend and allocate resources dynamically. The tool provides the featureof solving individual requests (On-demand), or requests made in blocks(Batch) through a recommender system developed in ProM.