یکی از مهمترین کاربردهای فرآیندکاوی، conformance checking است که جهت بررسی عدم انطباق مورد استفاده قرار می‌گیرد. یافتن انحرافات بین مدل فرآیندی مصوب و رفتار واقعی فرآیند برای سازمان‌ها ارزشمند است. زمانی که واقعیت با مدل فرآیندی مقایسه می‌شود، سوالات مختلفی قابل بررسی است:
- اصلی‌ترین انحرافات کدام است؟
- چرا این انحرافات وجود دارند؟
- آیا می‌توانیم انحرافات را پیش‌بینی کنیم؟
تکنیک‌های conformance checking انحرافات را بر اساس رویکردهای مختلفی کمی‌سازی می‌نمایند. مهمترین این رویکردها شامل این موارد می‌شود: 1) casual footprint، 2) token-based replay، 3)alignment .
conformance checking جهت مقایسه مدل با مدل، مدل با log و log با log مورد استفاده قرار می‌گیرد که کاربرد آن موارد زیر را در بر می‌گیرد:
- بررسی انطباق: به طور مثال با قوانین و مقررات.
- ارزیابی کیفیت الگوریتم‌های کشف فرآیند.
- بررسی تطابق مشخصات: به طور مثال خدماتی که باید ارائه دهیم با آنچه در واقعیت ارائه میدهیم، یکسان است.
باید توجه نمود که لزوما انحرافات بد نیستند و در هر انحراف ممکن است اشتباه از مدل فرآیندی یا داده‌های واقعی باشد و بر همین اساس انحرافات مثبت و انحرافات منفی تعریف می‌شود. براساس مدل معیار انحرافات منفی مشخص می‌گردند اما برخی مواقع انحرافاتی در عمل وجود دارند که عملکرد بهتری از فرآیند را ارائه می‌کنند. دقیقا در همین موارد است که اصطلاح «انحراف مثبت» به رفتارهای غیرمعمولی اطلاق می‌شود که راه‌حل‌های بهتری را در عمل اجرا می‌کنند. به طور مثال برخی مواقع پزشکان جان افراد را با تخطی از قواعد و دستورالعمل‌ها حفظ می‌کنند. گاهی عبور از قواعد برای عملکرد بهتر لازم است (مانند شکستن شیشه برای فشار دادن هشدار آتش). با این وجود انعطاف‌پذیری به این معنی نیست که بررسی انحرافات ارزشمند نیست.
تنظیم: عباس بیات
منبع: Process Mining: Data Science in Action Course in Coursera
بدون دیدگاه