Diplomarbeit DIP-2012-03

Bibliograph.
Daten
Graf, Désirée: Business Process Optimization aus Runtime-Daten.
Universität Stuttgart, Fakultät Informatik, Elektrotechnik und Informationstechnik, Diplomarbeit Nr. 3 (2012).
113 Seiten, deutsch.
CR-Klassif.I.2.6 (Artificial Intelligence Learning)
I.5.2 (Pattern Recognition Design Methodology)
Kurzfassung

Geschäftsprozesse sind heutzutage ein entscheidender Erfolgsfaktor in einem Unternehmen. Daher ist es notwendig, diese stets an die wandelnden Bedingungen des Marktes anzupassen. Bei komplexen Geschäftsprozessen ist es aufgrund der großen Datenmengen meist nicht möglich, durch ein reines Monitoring Optimierungspotenzial im Prozess aufzudecken. Hierzu bedarf es moderner Analysetechniken, die auf Basis der vorhandenen Daten die Einflussfaktoren auf Geschäftsziele ermitteln können. In dieser Arbeit wird ein Konzept zur interaktiven Geschäftsprozessanalyse basierend auf Laufzeitdaten entwickelt. Die Grundlagen hierfür bilden die in der Literatur im Bereich Wissensentdeckung aus Daten vorhandenen Ansätze sowie Praxisanforderungen. Dabei wurden die beiden Data-Mining-Techniken Entscheidungsbaum und naiver Bayes-Klassifikator als geeignet befunden. Um den naiven Bayes-Klassifikator zur Geschäftsprozessanalyse zu verwenden, muss ein Maß gefunden werden, das sein Konzept darstellen kann. Dieses Maß ist der Informationsgewinn. Das entwickelte Konzept wird als Erweiterung des Oryx-Editors in dem System aPro umgesetzt. Die Eignung dieser Umsetzung wird anschließend anhand zweier Geschäftsprozesse evaluiert.

Volltext und
andere Links
PDF (1642429 Bytes)
Zugriff auf studentische Arbeiten aufgrund vorherrschender Datenschutzbestimmungen nur innerhalb der Fakultät möglich
Abteilung(en)Universität Stuttgart, Institut für Architektur von Anwendungssystemen
Eingabedatum3. Juli 2018
   Publ. Institut   Publ. Informatik