Humboldt-Universität zu Berlin - Mathematisch-Naturwissenschaftliche Fakultät - Software Engineering

ProCI

Übereinstimmungsprüfung von Prozessen im Kontext Unvollständiger Informationen (2020-2023)

 

Prozessorientierte Informationssysteme (POIS) steuern die Ausführung von Aktivitäten um ein gewisses Geschäftsziel zu erreichen. Diese Aktivitäten können sehr unterschiedlicher Granularität sein, von einfachen Funktionsaufrufen hin zu komplexen Geschäftstransaktionen. Das Verhalten eines POIS ist oft durch ein Prozessmodell beschrieben. Sobald jedoch Ausführungsdaten vorliegen, typischerweise als Log oder Strom von Ereignissen, stellt sich folgende Frage: Wie stehen das modellierte und aufgezeichnete Verhalten des Systems zu einander in Beziehung? Antworten auf diese Frage sind die Grundlage für die Erkennung, Interpretation, sowie Kompensation von Abweichungen zwischen dem modellierten und aufgezeichneten Verhalten eines POIS.

Der Trend zur Automatisierung von Prozessen und die damit einhergehende Instrumentierung von Prozessressourcen führen dazu, dass Prozessausführungsdaten in immer größeren Mengen und in höherer Frequenz anfallen. Analysen, welche das Verhalten eines POIS auf Basis der kompletten Historie von Ausführungsdaten beurteilen, sind somit nicht länger zielführend.

Das ProCI Projekt stellt sich diesen Herausforderungen und zielt auf Verfahren ab, welche eine Übereinstimmungsprüfung ermöglichen, sofern die der Analyse zugrundeliegenden Informationen bzgl. der Prozessausführung unvollständig sind. Dies umfasst insbesondere Modelle und Algorithmen für die Übereinstimmungsprüfung auf Basis von Stichproben und über Ereignisströmen. Erstere sind durch die exponentielle Laufzeitkomplexität von üblichen Analyseverfahren motiviert, wird die Laufzeit durch die Beschränkung auf Stichproben doch signifikant reduziert. Die Analyse über Ereignisströmen hingegen hat die Reduzierung des Speicherplatzes zum Ziel, welcher benötigt wird, um den Zustand der Analyse zu erfassen. In beiden Fällen ist die Übereinstimmungsprüfung verlustbehaftet, da sie ausschließlich auf einem Ausschnitt der Ausführungsdaten basiert, so dass Analyseergebnisse aktualisiert werden müssen, sobald weitere Informationen in Form einer Stichprobe oder eines Stromauschnitts vorliegen. Daraus ergeben sich für das ProCI Projekt folgende zentrale Forschungsfragen: (1) was sind die formalen Grundlagen, um Teilergebnisse der Übereinstimmungsprüfung zu einander in Beziehung zu setzen? (2) Wie müssen Algorithmen für die Übereinstimmungsprüfung auf Basis von Stichproben oder Ereignisströmen gestaltet werden, so dass statistische Garantien bzgl. des durch die Unvollständigkeit der Ausführungsdaten eingeführten Fehlers gegeben werden können? (3) Wie können die entsprechenden Verfahren robust hinsichtlich von Änderungen in der Prozessausführung gemacht werden? Das Projekt wird die durch die entwickelten Modelle und Algorithmen erzielten Einsparungen von Laufzeit und Speicherplatz gegenüber existierenden Verfahren für die Übereinstimmungsprüfung, welche einen vollständigen Zugriff auf Ausführungsdaten voraussetzen, durch umfangreiche Experimente demonstrieren.

 

Beteiligte Personen:

 

ProCI wird gefördert durch die Deutsche Forschungsgemeinschaft (DFG).

 

Publikationen:

  • Bauer, M., van der Aa, H., & Weidlich, M. (2019, September). Estimating process conformance by trace sampling and result approximation. In International Conference on Business Process Management (pp. 179-197). Springer, Cham.
  • Nguyen, H. L., Nassar, N., Kehrer, T., & Grunske, L. (2020). MoFuzz: A fuzzer suite for testing model-driven software engineering tools. In 2020 35th IEEE/ACM International Conference on Automated Software Engineering (ASE) (pp. 1103-1115). IEEE.
  • Kabierski, M., Nguyen, H. L., Grunske, L., & Weidlich, M. (2021). Sampling What Matters: Relevance-guided Sampling of Event Logs. In 2021 3rd International Conference on Process Mining (ICPM) (pp. 64-71). IEEE.
  • Nguyen, H. L., & Grunske, L. (2022). BeDivFuzz: Integrating Behavioral Diversity into Generator-based Fuzzing. In 44th IEEE/ACM International Conference on Software Engineering, ser. ICSE (Vol. 22).
  • Bauer, M., van der Aa, H., & Weidlich, M. (2022). Sampling and approximation techniques for efficient process conformance checking. Information Systems, 104, 101666.