Søg
Close this search box.
Kategorier
Nyheder

Prisen går til…

13. december 2023

Prisen går til...

Ph.d.-studerende Axel Christfort og hans vejleder, lektor Tijs Slaats fra Københavns Universitet, vandt Process Discovery Contest ved konferencen “5th International Conference on Process Mining” med deres DisCoveR miner.

I en bemærkelsesværdig præstation vandt den ph.d.-studerende Axel Christfort og hans vejleder, lektor Tijs Slaats Process Discovery Contest ved konferencen “5th International Conference on Process Mining”.

Deres avancerede DisCoveR miner leverede de mest præcise modeller og udmærkede sig som den eneste algoritme, der formåede at fuldføre opgaver inden for opdagelse og klassificering inden for den tildelte tid.

Process discovery-algoritmer spiller en afgørende rolle i analyse af begivenhedslogfiler, idet de genererer menneskeligt læsbare modeller, der belyser adfærden registreret i loggen. Dette inkluderer en forståelse af, hvordan individer sekventerer aktiviteter i deres arbejdsprocesser. Konferencen ICPM, arrangørerne af Process Discovery Contest, evaluerer indsendelser baseret på nøjagtighed og kræver, at deltagerne udvinder modeller for en forskelligartet række logfiler og korrekt klassificerer tilhørende ground truth-traces.

Dette er den tredje pris i Process Discovery Contest til Process Modelling and Intelligence-gruppen fra Institut for Datalogi, Københavns Universitet. I 2021 sikrede de sig priserne for den bedste samlede og den bedste imperative miner – DisCoveR miner.

DisCoveR opstod fra en kandidatafhandling af Viktorija Sali og Andrew Tristan Parli, vejledt af professor Slaats. Algoritmen er blevet yderligere forfinet af industriel ph.d.-studerende Christoffer Olling Back fra ServiceNow, med løbende forbedringer af Axel Christfort. Danmarks Frie Forskningsfond, DIREC – Digital Research Centre Denmark og Innovationsfonden har ydet afgørende støtte til dette banebrydende arbejde.

Axel Christfort and Tijs Slaats udnævnes som vindere af Process Discovery Contest Winners

Den industrielle anvendelse af DisCoveR er blevet demonstreret gennem implementering af DCR Solutions. Algoritmens effektivitet og anvendelse er blevet valideret i virkelige scenarier, hvilket understreger dens betydning i praksis. Vedvarende bidrag fra ph.d.-studerende Vlad Paul Cosma og professor Thomas Hildebrandt har yderligere udvidet og forbedret mineren, hvilket har øget dens pålidelighed.

På sigt ser Process Modelling and Intelligence-gruppen frem til at bygge videre på disse resultater for at sikre yderligere finansiering og fremme nye samarbejder. Teamet er allerede ved at gøre sig klar til næste iteration af ICPM med det mål at fortsætte deres sejrstime og yderligere udvikle feltet inden for procesopdagelse.

FAKTA

Lektor Tijs Slaats er projektleder for DIREC-projektet ‘AI and Blockchain for comlex business processes’.

Sammen med virksomhedspartnere har projektet til formål at udvikle metoder og værktøjer, der muliggør, at industrien kan udvikle nye effektive løsninger til udnyttelse af den enorme mængde forretningsdata, der genereres af virksomheds- og blockchain-systemer, med fokus på værktøjer og ansvarlige metoder til brug af procesindsigter til forretningsintelligens og transformation.

Kategorier
Nyheder

Mød Tijs Slaats, der netop har vundet en pris for bedste algoritme til process mining

Mød Tijs Slaats, der netop har vundet en pris for bedste algoritme til process mining

Tijs er Associate Professor ved Datalogisk Institut på Københavns Universitet og leder af forskningsgruppen for Process Modelling and Intelligence. I DIREC arbejder han på Bridge-projektet AI and Blockchains for Complex Business Processes.

Tijs’ forskningsinteresser omfatter deklarative og hybride procesmodeller, blockchain-teknologier, process mining og udvikling af informationssystemer.

Kan du fortælle lidt om, hvad I forsker i, og hvad I forventer at få ud af jeres forskning?
Vi forsøger at beskrive processer. Det kan være grundlæggende ting, som vi gør som mennesker. Det kan være samling af en bil på en fabrik, men det kunne også være behandling af patienter på et hospital. Hvis en patient bliver indlagt på et hospital, så har de brug for hjælp og behandling.

Det har det tilfælles, at du kommer igennem et antal trin og aktiviteter, som gør, at du når dit mål, og de aktiviteter er relateret til hinanden. Det kan være medicin, som skal tages i en bestemt rækkefølge.

I vores forskning er vi kommet frem til en matematisk metode til at beskrive sådanne processer. Årsagen til at vi gør det, er at det giver dig redskaber til at sikre, at processen foregår på den måde, som du ønsker den skal.

I det nye projekt for DIREC tager vi skridtet videre. Vi har observeret, at mange virksomheder og organisationer ligger inde med mange data om, hvordan de har udført deres arbejde. Og vi kan kigge på de data og analysere os frem til, hvordan de rent faktisk udfører deres arbejde, fordi måden, som mange folk udfører deres arbejde på, ikke nødvendigvis matcher den måde, som de forventer at gøre det på. Måske laver de ubevidst shortcuts.

Vores idé er at finde de her data, analysere dem og ud fra det får vi en model.

Her er det vigtigt, at denne model også er forståelig for brugerne, så de kan forstå, hvordan de udfører deres arbejde. Det kalder vi process mining, og det er et rimeligt stort akademisk område. For to år siden udviklede jeg en algoritme, og den var med i en konkurrence, hvor man sammenligner, hvilken algoritme der er mest præcis til at beskrive de her “logs of behaviour”, og her vandt vi.

Læs mere her

Hvad forventer du at få ud af forskningen?
Vores samarbejde med virksomhederne er især vigtigt. I projektet samarbejder vi med virksomheden Gekkobrain, som arbejder med DevOps, og de er interesseret i at analysere store ERP-systemer og i at finde redskaber, som kan optimere et system, og som kan finde anormaliteter. Disse systemer er ret komplekse, så det er vigtigt at kunne identificere, hvor det går galt.

Gekkobrain ligger inde med store mængder data, fordi de samarbejder med store virksomheder, som har meget store mængder log-data, og de her systemer er så komplekse, så det er med til at give nogle ekstra udfordringer for vores algoritmer. De er lidt mere komplekse, end det vi ellers ville træne dem med.

At få adgang til sådanne komplekse data er et vigtigt perspektiv.

Hvordan kan jeres forskning gøre en forskel for virksomheder og samfund?
Den største impact med vores arbejde og modeller er, at du kan få indsigt i, hvordan du udfører dit arbejde. Det giver dig et objektivt billede af, hvad der er blevet lavet.

Virksomheder kan bruge det til at finde ud af, om der er steder, hvor de udfører deres arbejde på en uhensigtsmæssig måde, og på den måde kan undgå de ekstra omkostninger.

De kan bruge det til at finde steder, hvor man som virksomhed ikke har et overblik over, hvordan tingene udføres, så på den måde giver det et forståeligt og visuelt overblik over, at her er den måde, som I normalt udfører jeres arbejde.

Kan du fortælle lidt om din baggrund og hvordan du havnede med at arbejde med det her forskningsområde?
Jeg har oprindeligt en bachelorgrad i informations- og kommunikationsteknologi fra Fontys University of Professional Education, arbejdede derefter i industrien, hvor jeg var leder af webshopudviklingsteamet hos en hollandsk e-handelsudbyder og fungerede som projektleder på implementeringen af ​​vores produkt for to store kunder; Ferrari og Hewlett Packard.

Jeg besluttede at flytte til Danmark efter at have mødt min (danske) kone på et tidspunkt hvor jeg allerede overvejede at videreuddanne mig, mens min kone var fast bosat i Danmark. Så det gav god mening, at jeg var den, der skulle flytte.

Jeg fik min cand.scient. og ph.d.-grad på IT-Universitetet i København. Der blev jeg interesseret i området forretningsprocesmodellering, fordi det giver mig mulighed for at kombinere grundlæggende teoretisk forskning med meget konkrete industrielle anvendelser. Især Process mining giver virkelig interessante udfordringer, fordi det handler om at gøre traditionelle modeller forståelige for virksomheder, noget der først for nylig er kommet fokus på inden for det mere generelle AI-område.

Efter en kort ansættelse som postdoc på ITU takkede jeg ja til et tenure-track adjunkt-ansættelse ved DIKU, hvilket var en rigtig god mulighed, fordi det betyder en (næsten) fast stilling til relativt yngre forskere. Dette var på det tidspunkt usædvanligt i Danmark.