주요 논문
5
*2026년 기준 최근 6년 이내 논문에 한해 Impact Factor가 표기됩니다.
1
Article
|
인용수 1
·
2025Next process-activity prediction using Switch-Transformer: approach, visualization, and performance evaluation
Thanh-Hai Nguyen, Dinh-Lam Pham, Kwang-Hoon Kim
IF 3.1 (2025)
Knowledge and Information Systems
딥러닝 아키텍처는 방대한 데이터셋에서 통찰을 추출함으로써 인간의 의사결정을 보다 합리적이고 민첩하며 정확한 예측으로 향상시킨다. 최근 비즈니스 프로세스 관리 분야에서는 예측 프로세스 모니터링을 지원하기 위해 딥러닝을 점점 더 활용하고 있으며, 여기에는 다음 활동 예측, 잔여 시간 추정, 작업량(워클로드) 예측과 같은 작업이 포함된다. 본 논문에서는 개별 프로세스 인스턴스의 시간적 순차열에서 후속 활동을 예측하기 위한 새로운 프레임워크를 제안한다. 우리의 방법은 전문가 혼합(mixture-of-experts) 메커니즘을 Switch-Transformer 신경망 아키텍처와 통합하며, 모델은 과거의 프로세스 수행 로그를 사용하여 처음부터(end-to-end) 학습되어 다가올 활동의 확률을 추정한다. 또한 예측된 활동은 실행 중인 각 프로세스 인스턴스에 대해 그 순차적 순서를 보존하는 시간 그래프로 시각화한다. 이러한 시각화는 예측 프로세스 모니터링 패러다임과 그에 기반한 의사결정 워크플로를 명확히 할 뿐 아니라, 비즈니스 프로세스 모니터링 운영에서의 위험 평가 및 분석을 간소화한다. 제안한 접근법의 운영 효율성을 검증하기 위해, 선행 연구에서 흔히 사용되는 합성 및 실제 프로세스 이벤트 로그 데이터셋 모두에 대해 광범위한 실험을 수행하였다. 그 결과, 본 방법은 예측 정확도 측면에서 기존 기법을 능가할 뿐 아니라 실제 환경에서의 사용성 및 실용적 적용 가능성 또한 더 우수함을 보여준다.
https://doi.org/10.1007/s10115-025-02587-z
Workflow
Process mining
Process (computing)
Usability
Business process management
Business process
Process modeling
Artificial neural network
Visualization
2
Article
|
인용수 3
·
2024A Structural Anomaly-Trace Detection Approach and its Implications in Process Mining and Reengineering
Kwang-Hoon Kim
IF 3.6 (2024)
IEEE Access
프로세스의 라이프사이클을 관리하는 과정에서 프로세스 모델의 리엔지니어링을 효과적으로 수행하기 위해서는, 프로세스 마이닝 시점에 발견된 프로세스 모델의 제어 흐름 게이트웨이-활동 형성(control-flow gateway-activity formations)에 대한 질적 수준을 가능한 한 높게 유지하는 것이 중요하다. 그러나 거의 모든 기존 프로세스 마이닝 시스템은 더 높은 수준의 질적 형성을 발견하는 데 있어 일관된 기능을 거의 보장하지 못한다. 품질 문제를 제쳐 두더라도, 그들 중 일부는 부정확한 형성을 발견하는 문제까지 겪는다. 따라서 본 논문은 프로세스 마이닝 시점에 구조적 형성(structural formations)이 형성되는 과정에 부정적인 영향을 미쳐, 발견된 프로세스 모델의 제어 흐름 게이트웨이-활동 형성의 질적 수준을 저하시키는 강력한 효과를 발휘할 수 있는, 프로세스 로그 데이터셋 내의 소규모 트레이스 집합을 탐지하기 위한 알고리즘적 접근을 고안하고자 한다. 구체적으로, 본 논문은 프로세스 로그 데이터셋 내에 ‘구조적 이상-트레이스(structural anomaly-trace) 유형’으로 명명되는 새로운 유형의 예외 트레이스를 정식으로 제시하고, 이에 연관된 일련의 개념적 정의를 형식적으로 정의한다. 다음으로, 구조적 이상-트레이스를 자동으로 탐지하기 위한 알고리즘적 접근을 설명하고, 4TU Center for Research Data에서 제공되는 Customer Summary 프로세스 로그의 예시 데이터셋으로 동작하는 구현된 프로세스 마이닝 시스템을 통해 그 기능적 정확성을 검증한다. 마지막으로, 본 논문은 프로세스 마이닝 시점뿐만 아니라 프로세스 라이프사이클 관리 체계(process lifecycle management scheme)의 프로세스 리엔지니어링 시점에서, 제안된 접근의 실행 가능성과 효과를 검증하고 논의한다. 프로세스 인지 기업 및 조직에서의 적용 가능성을 포함한다.
https://doi.org/10.1109/access.2024.3501392
TRACE (psycholinguistics)
Anomaly detection
Process (computing)
Computer science
Anomaly (physics)
Process mining
Data mining
Work in process
Engineering
3
Article
|
인용수 5
·
2023Discovering Structural Formations of Multi-Level and Compound Control-Flow Gateways From Process Logs
Thanh-Hai Nguyen, Kwang-Hoon Kim
IF 3.4 (2023)
IEEE Access
프로세스 마이닝 분야에서 이벤트 로그로부터 프로세스 패턴을 발견하는 문제는 여전히 어려운 주제로 남아 있으며, 많은 연구자들의 관심을 지속적으로 받아 왔다. 프로세스 모델을 활용하는 것은 데이터셋의 크기, 이벤트 트레이스의 완전성, 특히 프로세스 모델 구조의 복잡성과 같은 이벤트 로그의 특성에 크게 의존하며, 이는 주요한 과제로 남아 있다. ρ(rho)-알고리즘은 순차, 선택, 병렬, 반복과 같은 구조화된 정보 제어 넷(structured information control net, SICN) 전부를 마이닝할 수 있는 강력한 프로세스 마이닝 알고리즘이다. 그러나 ρ-알고리즘은 다수의 SICN 기본 패턴이 여러 수준에서 결합되어, 매칭되는 페어링 및 적절한 중첩(proper nesting) 특성을 만족하는 복잡한 프로세스 패턴을 마이닝할 때도 어려움에 직면한다.
본 논문은 새로운 접근을 제시하고, 다중 수준 및 복합 제어 흐름 게이트웨이(multi-level and compound control-flow gateways, ML-CCFG)의 형식화와 이들 게이트웨이를 위한 일련의 의사결정 규칙을 정의한다. 또한 ρ-algorithm으로부터 확장된 알고리즘(이를 ρMC-algorithm이라 명명)을 제안하며, 이는 프로세스 인스턴스 이벤트 로그로부터 ML-CCFG를 포함하는 SICN 지향 프로세스 모델을 효율적으로 발견할 수 있다. 우리는 IEEE XES 형식의 프로세스 실행(process enactment) 이벤트 로그 데이터셋으로부터 SICN 지향 프로세스 모델을 발견하고 그래픽 형태로 시각화하기 위한 ρMC-algorithm 구현 시스템을 개발하였다. 아울러, 제안된 알고리즘을 검증하기 위해 구현된 시스템을 프로세스 실행 이벤트 로그 데이터셋에 적용하여 일련의 실험적 분석을 수행하였다.
https://doi.org/10.1109/access.2023.3330140
Process mining
Computer science
Process (computing)
Data mining
Event (particle physics)
TRACE (psycholinguistics)
Business process discovery
Process modeling
Algorithm
Theoretical computer science
4
Article
|
인용수 12
·
2022Experimental Verification on Human-Centric Network-Based Resource Allocation Approaches for Process-Aware Information Systems
Moon-Sook Yeon, Young-Koo Lee, Dinh-Lam Pham, Kwang-Hoon Kim
IF 3.9 (2022)
IEEE Access
인적 자원을 효율적으로 배분하는 것은 기업의 경영 운영에 상당한 이점을 제공한다. 기업이 보유한 이용 가능한 인적 자원을 조작함으로써 제품과 서비스 개발에 소요되는 비용을 최적화하고, 업무 생산성을 향상시키며, 기업에 더 많은 가치를 가져다준다. 기업에서 제품과 편익을 창출하는 과정에서 조직 내 직원들 사이에는 업무 관계의 네트워크가 형성된다. 본 논문에서는 이벤트 로그로부터 발견된 인간 중심 네트워크에 기반하여 조직의 인적 자원 배분 의사결정을 지원하기 위한 접근 방법을 제안한다. 보다 구체적으로, 정보시스템의 운영 단계에서 형성되는 인간 중심 네트워크로부터 도출된 지식을 조직의 자원 배분 전략 수립에 활용한다. 인적 자원을 배분하기 위해 적절성 확률과 사회 네트워크 지표를 사용함으로써, 서로 다른 지표에 따라 자원을 효율적으로 배분하는 방식을 명확히 한다. 또한 이러한 네트워크를 기반으로 인적 자원 배분을 계획하기 위한 시스템 아키텍처와 시나리오를 함께 설명한다. 더 나아가 제안의 타당성을 실험적으로 검증하고 입증하기 위해 실제 데이터셋을 사용한다. 본 접근 방법은 조직 내에서 자원을 효과적으로 배분할 수 있도록 비즈니스를 지원하는 유망한 해결책이 될 것이다.
https://doi.org/10.1109/access.2022.3152778
Computer science
Process (computing)
Resource allocation
Distributed computing
Computer network
5
Article
|
인용수 9
·
2022Experimental verification and validation of the SICN-oriented process mining algorithm and system
Kyoung-Sook Kim, Kyoung-Sook Kim, Dinh-Lam Pham, Young-In Park, Kwang-Hoon Kim, Kwang-Hoon Kim
IF 6.9 (2022)
Journal of King Saud University - Computer and Information Sciences
본 논문의 목적은 특정 프로세스 마이닝 알고리즘의 기능적 정확성을 검증하고, 더 나아가 해당 알고리즘의 요구사항 충족 여부를 검증하는 데 있다. 프로세스 마이닝 알고리즘의 기능적 요구사항은 선형(순차), 분지적(선택적-OR), 결합적(병렬-AND), 반복적(반복-LOOP)과 같은 모든 구조적 프로세스 패턴을 프로세스 수행 이벤트 로그 데이터셋으로부터 탐지하고, 궁극적으로 발견된 모든 구조적 프로세스 패턴을 조립하여 구조화된 비즈니스 프로세스 모델을 구축하는 것이다. 본 논문에서 검증 및 검증의 대상으로 하는 알고리즘은 ρ-Algorithm(ρ-알고리즘)으로, 특히 표준화된 IEEE XES 이벤트 스트림 형식으로 특별히 준비된 데이터셋으로부터 구조화된 정보 제어 넷 프로세스 모델(SICN-oriented process model)을 발견하기 위해 고안되었다. 검증 및 검증을 수행하기 위해, 우리는 ρ-Algorithm을 기반으로 한 프로세스 마이닝 시스템을 성공적으로 개발하였고, 다음과 같은 상황 기반 마이닝 및 발견 시나리오에 적합한 네 가지 실제 데이터셋을 대상으로 총 네 차례의 실험을 수행하였다: Faultlessness Process, Matched-Pairing Violation but Sound Process, Matched-Pairing and Proper-Nesting Violation but Sound Process, 그리고 Nebulous Process (Adaptive Cases). 결론적으로 우리는 ρ-Algorithm이 이론적으로도 안전하며 기능적으로도 작동 가능하다는 점을 강하게 확신하며, 구현된 ρ-Algorithm 또한 비즈니스 프로세스 및 워크플로 인텔리전스 솔루션 중 하나로서 프로세스 마이닝 시스템에 실제로 적용 가능하다고 본다.
https://doi.org/10.1016/j.jksuci.2021.12.013
Process mining
Correctness
Computer science
Process (computing)
Business process
Algorithm
Workflow
Data mining
Process modeling
Business process discovery