A Scoring-Based Approach for Structuredness-Aware Business Process Classification
本文提出并评估了一种基于评分的方法，该方法通过分析事件日志中细粒度的时序和存在性活动关系，自动将业务流程划分为结构化类别（结构化、半结构化、松散结构化和非结构化），以解决流程挖掘中缺乏自动化支持的问题。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正走在一座巨大且繁忙的城市中。城市的某些部分就像地铁系统：轨道已经铺设完毕，列车按严格的时间表运行，只要你在正确的车站上车，你就确切知道自己最终会去哪里。而城市的其他部分则更像是一个爵士音乐节或是一个混乱的街头集市：人们漫步穿行，对话随机地开始又停止，你所采取的路径完全取决于你撞见了谁，以及你当时的心情如何。在商业世界中，公司依靠“流程”运行——即它们用来完成任务的逐步配方，比如处理一张发票或治疗一名患者。其中一些配方是僵化且可预测的（就像地铁），而另一些则是灵活且混乱的（就像街头集市）。
长期以来，用于分析这些商业配方的计算机（这个领域被称为“流程挖掘”）一直擅长绘制地铁线路图。但它们一直难以自动区分一个僵化的地铁和一个混乱的街头集市。它们能看到线条，但无法轻易地说出：“这个流程是高度结构化的，”或者“这个流程完全是松散的。”这一点至关重要，因为如果你试图用管理地铁的方式来管理街头集市，你会扼杀创造力；如果你把地铁当成街头集市来对待，你则会引发混乱。核心问题是：我们能否教会计算机通过观察商业数据的混乱状态，并瞬间识别出它属于哪种类型的流程？
这篇由慕尼黑工业大学研究人员撰写的论文给出了答案：“是的，我们可以。”他们开发了一种新工具，充当了商业流程的侦探。该工具不仅仅是统计一个流程采取了多少条不同的路径，它还会观察每一个步骤之间微小的关系。他们发现，通过给特定类型的关系赋予分数（即“得分”）——例如“活动 A 必须发生在活动 B 之前”与“活动 A 和 B 可以随时发生”——他们可以自动将任何商业流程归入四个类别之一：结构化（僵化的地铁）、半结构化（两者的结合体）、松散结构化（灵活的街头集市）或非结构化（纯粹的混乱）。
以下是他们的侦探工作是如何进行的，使用了一个简单的类比。想象一下，你正试图通过观察一群朋友如何相处来了解他们的个性。
- 旧方法： 你可能会仅仅统计他们一起去公园的次数。如果他们经常去，你会认为他们是一群关系紧密的伙伴。但这忽略了细微差别。
- 新方法（本论文）： 你会观察他们友谊的具体规则。他们是否总是以相同的顺序坐在一起？（这就是一种“时间依赖性”）。如果一个人出现了，另一个人是否也必须出现？（这就是一种“存在依赖性”）。
研究人员意识到，不同“个性”的流程有着不同的“友谊模式”。
- 结构化流程 就像军事演习。如果你看到一种模式是“步骤 A 总是紧接着步骤 B 发生”，那这就是一个巨大的线索。这是一个僵化的规则。
- 松散结构化流程 就像聚会中的一群朋友。“步骤 A 可能会发生，也可能不会，”而且“步骤 B 可能在 A 之前发生，也可能在 A 之后发生，或者根本不发生。”这是一种“独立性”的模式。
团队创建了一个计算机算法，它会扫描一份业务活动日志（类似于记录发生了一切事情的日记）并建立一个巨大的计分板。它会统计它看到了多少次“僵化规则”与多少次“灵活自由”。然后，它会应用一套特殊的权重。把它想象成一个视频游戏的计分系统：
- 如果日志中充满了“直接跟随”（即 A 之后紧跟 B，没有任何例外），结构化组获得 +3 分。
- 如果日志中充满了“独立性”（即 A 和 B 之间没有任何规则），松散结构化组获得 +2.5 分。
- 如果两者混合，半结构化组获得积分。
计算机会将所有类别的得分相加。得分最高的类别即为获胜者。如果前两名的得分非常接近，计算机会承认：“我不确定，这是一个临界案例，”这实际上是一个非常诚实且有用的回答。
为了测试他们的计分板是否有效，研究人员做了两件事。首先，他们在计算机模拟中创建了虚构的商业流程。他们制作了一些完美的、僵化的流程，一些完全混乱的流程，以及一些介于两者之间的流程。他们的算法在干净的虚构数据上达到了 100% 的准确率，甚至在加入“噪声”（虚假的错误或随机的故障）时，该工具也足够聪明，能够忽略噪声并依然找到正确答案。
其次，他们想看看人类是否能做得更好。他们向 13 位专家（研究商业流程的人员）展示了八个不同的流程图，并请他们猜测类别。结果很有趣：
- 专家们非常擅长识别极端情况。所有人对于超级僵化的流程和超级混乱的流程都达成了一致。
- 但当涉及到中间地带（半结构化和松散结构化）时，人类产生了分歧。有些人认为一个流程是“半结构化”的，而另一些人则认为它是“松散结构化”的。区分它们对人类来说很难。
然而，计算机表现得非常一致。它在容易的案例中与专家保持一致，并在人类感到困惑的混乱中间案例中提供了一个清晰、客观的标签。例如，一个真实的流程（一个名为 ChickenHunt 的游戏）被计算机分类为“松散结构化”。专家们基本同意这一点，并指出玩家在移动选择上拥有完全的自由。另一个流程，即标准的保险理赔，被正确地识别为“半结构化”，因为它既有僵化的部分，也有灵活的选择。
这篇论文并不声称这是一种能解决所有问题的魔杖。作者承认，当数据相对干净时，他们的工具效果最好，并且他们使用的“计分权重”是基于其特定的模拟实验进行调整的。他们还指出，如果一个流程是真正的“非结构化”（意味着不存在任何规则），那是一个略显理论性的极端情况，但他们的工具仍然可以识别它，因为它只看到了“独立性”而没有看到任何规则。
最后，这篇论文表明，我们不需要去猜测一个商业流程是地铁还是街头集市。通过仔细观察每一个步骤之间微小的规则（或缺乏规则），计算机可以自动为流程评分，并告诉我们它究竟属于哪种类型的“怪兽”。这有助于公司决定如何管理其工作：是需要严格的规则和清单，还是需要给予员工发挥创造力的自由？该工具提供了一个清晰、自动化的答案来应对这个问题，将混乱的数据转化为简单、易懂的标签。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。