Diploma Thesis DIP-2012-03

BibliographyGraf, Désirée: Business Process Optimization aus Runtime-Daten.
University of Stuttgart, Faculty of Computer Science, Electrical Engineering, and Information Technology, Diploma Thesis No. 3 (2012).
113 pages, german.
CR-SchemaI.2.6 (Artificial Intelligence Learning)
I.5.2 (Pattern Recognition Design Methodology)
Abstract

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.

Full text and
other links
PDF (1642429 Bytes)
Access to students' publications restricted to the faculty due to current privacy regulations
Department(s)University of Stuttgart, Institute of Architecture of Application Systems
Entry dateJuly 3, 2018
   Publ. Computer Science