Analisi ed estensione con criteri di preferenza di un algoritmo per process discovery di modelli dichiarativi

Questa tesi si colloca nell’ambito del process mining e in particolare delle tecniche di process discovery che si occupano di estrarre automaticamente modelli di processi reali, servendosi degli esempi di esecuzione contenuti nei log di eventi. L’utilizzo di queste tecniche è di notevole interesse per la comprensione dei processi, per l’identificazione di problemi e deviazioni nella loro esecuzione e per guidare decisioni volte all’ottimizzazione degli stessi. Il primo obiettivo di questa tesi è l’analisi di un algoritmo di process discovery che genera modelli dichiarativi, espressi in linguaggio Declare. L’approccio dell’algoritmo si basa sul duplice contenuto informativo delle istanze positive del processo, che producono esempi conformi alle caratteristiche e ai risultati attesi, e delle istanze che, deviando da tali caratteristiche, vengono classificate come negative. In secondo luogo, la tesi propone un’estensione della modalità di ottimizzazione dell’algoritmo, che consente di guidarne la risoluzione attraverso preferenze user-defined, tramite le quali è possibile definire le attività e i constraint che il modello deve preferibilmente contenere.