Process-miningprecision

Wat is process-miningprecision?

Process-miningprecision meet in welke mate een procesmodel zijn gedrag beperkt tot wat in een eventlog wordt waargenomen. Een precies model laat na een bepaalde voorgeschiedenis vooral vervolgstappen toe die ook in de data voorkomen.

De maat vult fitness aan. Fitness vraagt of het model de geregistreerde traces kan reproduceren. Precision vraagt of het model daarnaast niet veel ander gedrag toestaat.

Een model waarin iedere activiteit altijd mogelijk is, heeft mogelijk perfecte fitness. De precision is laag omdat het model nauwelijks onderscheid maakt tussen plausibele en niet-waargenomen procespaden.

Intuïtie met toegestane vervolgstappen

Stel dat na Bestelling controleren in alle waargenomen cases Goedkeuren of Afwijzen volgt. Het model staat daarnaast Verzenden, Annuleren en Betalen toe.

De extra uitgangen zijn niet noodzakelijk fout, want een eventlog bevat nooit alle mogelijke toekomst. Toch maakt een groot aantal niet-waargenomen keuzes het model minder specifiek voor de geanalyseerde data.

Verschillende precisionmaten vergelijken daarom de door replay bereikte modeltoestanden met de activiteiten die daar volgens de log volgen. Niet-waargenomen maar ingeschakelde stappen worden soms escaping edges genoemd.

Waarom er meerdere precisionmaten bestaan

Procesmodellen kunnen lussen, paralleliteit, dubbele labels en stille transities bevatten. Daardoor is niet altijd eenduidig welke modeltoestand bij een traceprefix hoort.

Sommige methodes gebruiken token replay en bereikte markeringen. Andere bouwen prefixautomata of gebruiken alignments om toestanden te synchroniseren. De scores zijn niet zonder meer onderling vergelijkbaar.

Ook onzichtbaar dubbel gedrag kan een rol spelen: een model kan dezelfde zichtbare trace via meerdere interne paden uitvoeren. Een goede maat probeert zulke modelvrijheid mee te nemen zonder geldig parallel gedrag onterecht te bestraffen.

Precision versus fitness

Hoge fitness en lage precision wijzen op een model dat de log dekt maar te veel vrijheid geeft. Lage fitness en hoge precision passen bij een strikt model dat slechts een klein deel van het waargenomen gedrag toestaat.

Een procesmodel moet doorgaans op beide dimensies redelijk scoren. Het exacte evenwicht hangt af van het doel. Een compliancemodel mag strikter zijn; een verkennend discoverymodel moet ruimte laten voor geldige, nog niet waargenomen varianten.

Optimaliseer niet blind op beide scores. Een ingewikkeld model kan historische data zeer precies beschrijven en toch slecht leesbaar of kwetsbaar voor nieuwe cases zijn.

Niet hetzelfde als precision in machine learning

Bij classificatie in machine learning betekent precision: welk aandeel van de positieve voorspellingen werkelijk positief is. Dat begrip wordt vaak samen met recall gebruikt.

Process-miningprecision gaat niet over positieve voorspellingen. Ze vergelijkt toegestaan modelgedrag met gedrag dat de eventlog laat zien. Dezelfde naam verwijst dus naar een andere berekening en een andere onderzoeksvraag.

Schrijf in rapporten expliciet process-miningprecision wanneer beide vakgebieden samenkomen. Zo voorkom je dat lezers een classificatiemetriek verwachten.

De eventlog is geen volledige werkelijkheid

Lage precision betekent dat het model meer toestaat dan de onderzochte log toont. Dat extra gedrag kan ongewenst zijn, maar ook zeldzaam, seizoensgebonden of afwezig uit de gekozen periode.

Een kleine steekproef maakt een model al snel schijnbaar te ruim. Segmentatie kan hetzelfde effect hebben: een pad dat niet voorkomt bij particuliere klanten kan wel geldig zijn voor zakelijke klanten.

Gebruik representatieve data en controleer extra modelgedrag met proceseigenaars. Behandel niet-waargenomen gedrag als onderzoekspunt, niet automatisch als fout.

Praktische beoordeling

Leg vast welke precisionvariant en software-instellingen zijn gebruikt. Vergelijk modellen op dezelfde log, met dezelfde activiteitsmapping en dezelfde methode.

Bekijk naast de totaalscore waar model en log uiteenlopen. Toegestane vervolgstappen na een risicocontrole zijn inhoudelijk belangrijker dan een klein verschil in een onschuldige administratieve lus.

Beoordeel precision samen met fitness, eenvoud, generalisatie en het beoogde gebruik. Een waardevol procesmodel is niet alleen cijfermatig passend, maar ook begrijpelijk en bruikbaar voor beslissingen.