Informacinės sistemos žurnalų duomenų panaudojimas verslo procesams tobulinti
Normantas, Kęstutis | Recenzentas / Rewiewer |
Šiame darbe yra nagrinėjama galimybė pagerinti verslo procesų realizavimą remiantis dokumentų valdymo sistemos žurnaliniais duomenimis, panaudojant procesų gavybos ir duomenų gavybos metodus bei mašininį mokymąsi. Analitinėje darbo dalyje yra analizuojami dažniausiai literatūroje sutinkami šių metodų algoritmai (kaip, euristinis, neapibrėžtas, α-alpha, blokais pagrįstas) bei pateikiami praktiniai panaudojimo pavyzdžiai. Atsižvelgiant į atskirus metodų analizės rezultatus pasiūlomas metodas, kuris sujungia procesų ir duomenų gavybos bei mašininio mokymosi metodus į vieną. Pasiūlytas metodas yra realizuojamas atliekant eksperimentinį tyrimą, siekiant išsiaiškinti, ar įdiegus sukurtą metodo įrankį įmonėje jis bus tinkamas pagerinti verslo procesų realizavimą. Atliktas eksperimentinis tyrimas parodė, kad siūlomo metodo procesų gavybos taikymas leidžia atrasti verslo procesų nenumatytas veiklas, laiko nuokrypius, neleistinus perėjimus tarp veiklų. Duomenų gavybos ir mašininio mokymosi metodų taikymas leidžia nuspėti užduoties (ne)vėlavimo tikimybę.Darbą sudaro 6 dalys: įvadas, procesų ir duomenų gavybos metodų literatūros analizė, siūlomo verslo procesų tobulinimo metodas, siūlomo metodo eksperimentinis tyrimas, išvados, literatūros sąrašas.Darbo apimtis - 81 psl. teksto be priedų, 48 iliustracijos, 21 lentelė, 52 literatūros šaltiniai. Atskirai pridedami darbo priedai.
This master thesis examines the opportunity to improve the realization of business processes based on the event log data of the document management system using process mining, data mining and machine learning methods.The analytical part of the thesis analyzes the algorithms (such as heuristic, „Fuzzy”, α-alpha and block-structured) of aforementioned methods that are most commonly found in the literature and presents practical examples of their use. Taking into account the individual results of the analysis of these methods, the Author introduces a method that combines process mining, data mining and machine learning methods into one. The suggested method is being realized by carrying out an experimental study in order to ascertain whether the implemented developed method tool in the enterprise will be applicable for optimizing business processes. The performed experimental study revealed that the application of process mining of the introduced method allows to discover unforeseen activities of business processes as well as time deviations and unauthorized transitions between activities. Data mining and machine learning methods allow to predict the probability of a delayed task.The thesis consists of 6 parts: introduction, literature analysis of processes and data mining methods, the proposed method of business process improvement, experimental study of the proposed method, findings and references.The thesis consists of 81 pages of text (annexes excluded), 48 illustrations, 21 tables, 52 references. The annexes are attached separately.