Verbesserung einer Methode des kontextsensitiven Predictive Process Minings

Die Vorhersage unerwünschter Ereignisse während der Ausführung einer Prozessinstanz bietet der ausführenden Institution die Möglichkeit des Eingriffs und den Prozess wieder auf sein ursprüngliches Ziel auszurichten. Nur wenige Ansätze des Predictive Process Minings zur Bewältigung dieser Herausforderung betrachten eine multiperspektivische Sichtweise, bei der die Ablaufperspektive des Prozesses mit seinem umgebenden Kontext kombiniert wird. Kürzlich wurde eine neue Methode entwickelt, die mit Hilfe von Dynamischen Bayes'schen Netzen die verschiedenen Arten von Kontextinformationen in anpassbare Prozessmodelle einbeziehen kann. Die Implementierung des Ansatzes zeigt jedoch zwei große Herausforderungen auf: die Auswahl der optimalen Netzwerkstruktur und die Verwendung aussagekräftiger Kontextdaten. Im Verlauf der Bachelorarbeit soll diesen Herausforderungen begegnet werden und darüber hinaus die Implementierung der Methode weiter verbessert werden.

Bei Interesse oder Fragen einfach informell bei mir melden. Eine gewisse Programmiererfahrung/-affinität sollte für diese Bachelorarbeit mitgebracht werden.

Ausgewählte Literatur zum Thema:
Predictive Process Monitoring Methods: Which One Suits Me Best? - https://arxiv.org/abs/1804.02422
Bayes Net Toolbox for Matlab - https://github.com/bayesnet/bnt