Tez No	İndirme	Tez Künye	Durumu
511319		Developing process mining algorithms for finding meaningful patterns / Anlamlı örüntülerin bulunması için süreç madenciliği algoritmalarının geliştirilmesi Yazar:İSMAİL YÜREK Danışman: DOÇ. DR. DERYA BİRANT Yer Bilgisi: Dokuz Eylül Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2018 80 s.
Süreç madenciliği, bir bilgi sistemi tarafından kaydedilen olay kayıtlarından bilgi çıkarmak için kullanılan bir tekniktir. Süreç madenciliğinin süreç keşfi aşamasında, iş süreçlerini sistematik olarak temsil etmek ve olay günlüğündeki süreçlerin ilerleyişi hakkında genel bir fikir vermek için bir süreç modeli oluşturulur. Devam eden sürecin eğilimlerinin ve farklı özelliklerinin önceden bilinmesi önemlidir. Özellikle zaman yönetimi, iş süreçlerinin tasarlanmasında ve yürütülmesinde çok önemlidir. Her gün bilgi sistemleri bir iş akışının farklı süreç örneklerini toplar. Zaman geçtikçe, toplanan verilerin boyutu hızla artar ve büyük miktarda veri oluşturur. Bu kadar büyük hacimli verilerden, süreçlerin değerli bilgilerini ve özelliklerini elde etmek çok zor bir görevdir. Bu tez, olay günlüklerine dayalı süreç modeli oluşturmak için Etkileşimli Süreç Madenciliği (ESM) adında yeni bir algoritma önermektedir ve mevcut süreç modelinde aktivite silme, birleştirme ve ekleme işlemlerinden oluşan üç farklı özelliği barındıran yeni bir yaklaşım önermektedir. Önerilen algoritma (ESM), zaman perspektifi dahil edilerek genişletilmiştir. Zaman odaklı ESM algoritması (Z-ESM), bir iş akışındaki her bir sürecin kalan ve tamamlanma zamanını tahmin edebilmektedir Bu tez aynı zamanda, büyük hacimli olay günlüklerinde çalışmak ve devam eden süreç örneklerinin yürütme kayıtlarını işlemek için yeni bir süreç madenciliği aracının (ProLab) geliştirilmesini de içermektedir. Deneysel çalışmalar, ESM ve Z-ESM algoritmalarının ve ayrıca ProLab aracının hem gerçek yaşam hem de deneysel veri setlerinde düşük bellek kullanımı, modifikasyon fırsatı ve mevcut algoritmalara göre performansta iyileştirme gibi yeteneklerinin olduğunu göstermektedir.
Process mining is a technique for extracting knowledge from event logs recorded by an information system. In the process discovery phase of process mining, a process model is constructed to represent the business processes systematically and to give a general opinion about the progressive of processes in the event log. Considering in advance the trend and different features of running process is important. Especially, time management is crucial in designing and conducting business processes. Every day information systems collect different kind of process instances of a business flow. As time goes on, size of collected data builds up speedily and constitutes a huge volume of data. It is a very challenging task to obtain valuable information and features of processes from such a large volume of data. This thesis proposes a novel algorithm, Interactive Process Miner (IPM), to create process model based on event logs and, also a new approach that contains three different features; including activity deletion, aggregation and addition operations on the existing process model. The proposed algorithm, IPM, is enhanced by introducing time perspective. Time-oriented IPM algorithm, T-IPM, is capable of predicting the remaining and completion time of each process in a flow. This thesis also includes the development of a new process mining tool, ProLab, in order to work on large volume of event logs and to handle the execution records of running process instances. Experimental studies demonstrate the capability of IPM and T-IPM algorithms and, also ProLab tool on both real-life and experimental datasets, including low memory usage, modification opportunity and improvement in performance compared to the existing algorithms.