Vorlesung Methodische Grundlagen des Software-Engineering im Sommersemester 2013

Transkript

1 Vorlesung des Software-Engineering im Sommersemester 2013 Prof. Dr. Jan Jürjens TU Dortmund, Fakultät Informatik, Lehrstuhl XIV Teil 2.6: Konformanzanalyse v

2 [mit freundlicher Genehmigung basierend auf einem englischen Foliensatz von Prof. Dr. Wil van der Aalst (TU Eindhoven)] Literatur: [vda11] Wil van der Aalst: Process Mining: Discovery, Conformance and Enhancement of Business Processes, Springer-Verlag Unibibliothek (6 Exemplare): (Bei Engpässen kann eine Kopiervorlage der relevanten Ausschnitte zur Verfügung gestellt werden.) Kapitel 7 2

3 Einordnung 2.6: Konformanzanalyse Geschäftsprozessmodellierung Process-Mining Einführung: Process-Mining Petrinetze Prozessmodellierung und Analyse Data-Mining Datenbeschaffung Prozessextraktion Konformanzanalyse Mining: Zusätzliche Perspektiven Betriebsunterstützung Werkzeugunterstützung Analysiere Lasagne Prozesse Analysiere Spaghetti Prozesse Kartographie und Navigation Epilog Modellbasierte Softwareentwicklung Modellbasierte Entwicklung sicherer Software 3

4 Überblick Einführung Konformanzanalyse basierend auf Replay Motivation Beispiele Diagnose 4

5 Konformanzanalyse 5

6 Konformanzanalyse 6

7 Kontext Corporate Governance, Risk, Compliance, und Gesetzgebung z.b.: Sarbanes-Oxley (US), Basel II/III (EU), J-SOX (Japan), CSOX (Kanada), 8th EU Directive (EURO-SOX), Bilanzrechtsmodernisierungsgesetz (BilMoG) (Deutschland), Markets in Financial Instruments Directive (MiFID) (EU), Law 262/05 (Italien), Code Lippens (Belgien), und Code Tabaksblat (Niederlande). ISO 9001:2008: Unternehmen müssen Betriebsprozesse modellieren. Business alignment: Sicherstellen, dass Informationssystem und realer Geschäftsprozess gut aufeinander abgestimmt sind. 7

8 Auditierung Auditierung: Evaluation von Unternehmen und ihren Prozessen. Audits stellen Validität und Zuverlässigkeit von Informationen über Unternehmen und entsprechende Prozesse sicher. Test, ob Geschäftsprozesse in bestimmten Grenzen ausgeführt werden (von Managern, der Politik und anderen Interessenvertretern gesetzt). Process-Mining kann bei Aufdecken von Betrug, Fehlverhalten, Risiken und Ineffizienzen helfen. Alle Events eines Geschäftsprozesses können evaluiert werden, auch während der Prozess noch läuft. 8

9 Abweichungen? Modell oder Log falsch? Gewünschte oder unerwünschte Abweichungen? Glas zerbrechen könnte Leben retten! 9

10 Überblick Einführung Konformanzanalyse basierend auf Replay Motivation Beispiele Diagnose 10

11 Replay: Events mit Modellelementen verknüpfen 11

12 Play Out: Klassische Anwendung von Modellen 12

13 Play Out: Klassische Anwendung von Modellen A 13

14 Play Out: Klassische Anwendung von Modellen A 14

15 Play Out: Klassische Anwendung von Modellen A B 15

16 Play Out: Klassische Anwendung von Modellen A B 16

17 Play Out: Klassische Anwendung von Modellen A B C 17

18 Play Out: Klassische Anwendung von Modellen A B C 18

19 Play Out: Klassische Anwendung von Modellen A B C D 19

20 Play Out: Klassische Anwendung von Modellen A B C D 20

21 Play Out: Klassische Anwendung von Modellen AED A B C D AED ACB D ABCD ACBD AED ACBD 21

22 Prozessextraktion ABCD ACBD AED ACBD AED ABCD ProzessextraktionsAlgorithmus wie z.b.: α-algorithmus 22

23 Konformanzanalyse durch Replay A B C D 23

24 Konformanzanalyse durch Replay B C D 24

25 Konformanzanalyse durch Replay B C D 25

26 Konformanzanalyse durch Replay C D 26

27 Konformanzanalyse durch Replay C D 27

28 Konformanzanalyse durch Replay D 28

29 Konformanzanalyse durch Replay D 29

30 Konformanzanalyse durch Replay 30

31 Konformanzanalyse durch Replay 31

32 Replay: Mangelnde Konformanz aufdecken A CD 32

33 Replay: Mangelnde Konformanz aufdecken CD 33

34 Replay: Mangelnde Konformanz aufdecken CD 34

35 Replay: Mangelnde Konformanz aufdecken D 35

36 Replay: Mangelnde Konformanz aufdecken D 36

37 Replay: Mangelnde Konformanz aufdecken D Problem! Fehlendes Token 37

38 Replay: Mangelnde Konformanz aufdecken Problem! Fehlendes Token 38

39 Replay: Mangelnde Konformanz aufdecken Problem! Fehlendes Token 39

40 Replay: Mangelnde Konformanz aufdecken Problem! Token zurückgelassen Problem! Fehlendes Token 40

41 Konformanzanalyse durch Replay 41

42 Überblick Einführung Konformanzanalyse basierend auf Replay Motivation Beispiele Diagnose 42

43 Vier Modelle, ein Log 43

44 Replaying σ1 auf N1 (1/3) 1 Token produziert (Start) 0 Token consumiert, missing (fehlt) oder remaining (übrig) a aktiv gemäß Log 3 Token produziert (Start, p1, p2) 1 Token consumiert (Start) 0 Token missing (fehlt) oder remaining (übrig) c aktiv gemäß Log 44

45 Replaying σ1 auf N1 (2/3) 45

46 Replaying σ1 auf N1 (3/3) Keine Probleme gefunden 46

47 Replaying σ3 auf N2 (1/3) 47

48 Replaying σ3 auf N2 (2/3) m=1: Token fehlt bei p2 um d gemäß Log auszuführen. 48

49 Replaying σ3 auf N2 (3/3) r=1: Token bei p2 am Ende übrig. 49

50 Probleme beim Replay von σ3 auf N2 Ein fehlender Token (von 6 aufgenommenen Token) Ein Token bleibt übrig (von 6 erzeugten Token) 50

51 Angemessenheit (Fitness) des Modelles zu Log-Folge produced, consumed, missing, remaining 51

52 Replaying σ2 auf N3 (1/3) σ'2: σ2 ohne die Ereignisse, die in N3 wegabstrahiert: 52

53 Replaying σ2 auf N3 (2/3) 53

54 Replaying σ2 auf N3 (3/3) 54

55 Angemessenheit (Fitness) zu Menge von Log-Folgen N: Modell L(σ): Häufigkeit der Folge σ in Logdatei L. produced, consumed, missing, remaining bei Replay σ von auf N. 55

56 Beispielwerte 56

57 Überblick Einführung Konformanzanalyse basierend auf Replay Motivation Beispiele Diagnose 57

58 Workflow-Diagnose Nächster Schritt ( workflow diagnosis ): Welche Pfade sind häufig? Welche Instanzen werden wahrscheinlich abgebrochen? Business Process Mining

59 Workflow-Diagnose: Statische Analyse Gegeben: Workflow-Schema Kann diese Teilausführung möglicherweise zu einem erfolgreichen Verkaufsvertrag führen? Business Process Mining

60 Workflow-Diagnose: Analyse der Laufzeitdaten Gegeben: Workflow-Schema, DB mit erfolgreichen Instanzen Führt diese Teilausführung wahrscheinlich zu einem erfolgreichen Verkaufsvertrag? Business Process Mining

61 Workflow-Diagnose Weitere interessante Fragestellungen: Fehlerfreie Workflow-Ausführung? Workflow-Ausführung mit geringem oder normalem Ressourcenverbrauch? Identifikation kritischer Aktivitäten (besonders hoher Ressourcenverbrauch). Wie sehen häufige / typische Ausführungen aus? Verwertung der Information Zur Laufzeit: Scheduling Information für Management / Optimierung (Business Process Reengineering (BPR), Continuous Process Improvement (CPI)) Business Process Mining

62 Diagnose 62

63 Diagnose 63

64 Drilling down (Verfeinerte Analyse) Non-konformante Logfolgen. Konformante Logfolgen. 64

65 Vergleiche Footprints Vergleich der durch α-algorithmus definierten Relationen (footprints), aus gegebenen Logdaten (z.b. Lfull) bzw. aus Petrinetz (z.b. N1) generierten Logdaten. Für Lfull und N1 (identisch): 65

66 Vergleiche Footprints. Oben: N2. Unten: Lfull und N1. 66 Seite 66

67 Diagnose: Unterschiede quantifiziert (x:y x ist in Log und y in N2) 67

68 Event-Log und Modell verknüpfen Sehr wichtig! Modell extrahiert oder manuell erstellt. Während des Replays verknüpft. Startpunkt für andere Typen des Process-Minings! 68

69 Zusammenfassung Einführung Konformanzanalyse basierend auf Replay Motivation Beispiele Diagnose 69