A Framework for online anomaly and concept drift monitoring in event log stream

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBarbon Junior, Sylvio [Orientador]-
Autor(es): dc.contributorBaccarin, Evandro-
Autor(es): dc.contributorMantovani, Rafael Gomes-
Autor(es): dc.creatorTavares, Gabriel Marques-
Data de aceite: dc.date.accessioned2025-05-15T12:47:19Z-
Data de disponibilização: dc.date.available2025-05-15T12:47:19Z-
Data de envio: dc.date.issued2024-05-01-
Data de envio: dc.date.issued2024-05-01-
Data de envio: dc.date.issued2025-05-15-
Data de envio: dc.date.issued2025-05-15-
Fonte completa do material: dc.identifierhttps://repositorio.uel.br/handle/123456789/15165-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/974751-
Descrição: dc.descriptionResumo: Organizações geram altos volumes de dados relacionados a processos de negócios e frequentemente enfrentam dificuldades para extrair, organizar e interpretar esses dados Técnicas tradicionais de mineração de processo apoiam a análise e a recuperação de informações de logs de eventos de negócios, modelando, monitorando e aprimorando processos No entanto, técnicas tradicionais lidam com logs de eventos em uma abordagem em lote (batch), ou seja, usam um log de um processo já finalizado como ponto de partida para análise Considerando que processos de negócios são registrados continuamente, surge a necessidade de análise em tempo real Além disso, ao lidar com fluxos, restrições adicionais aparecem, como a mudança da distribuição de dados ao longo do tempo e instâncias incompletas, o que impossibilita a aplicação de métodos convencionais Dessa forma, este trabalho propõe um framework capaz de lidar com logs de eventos em um cenário de fluxo de dados, sustentando a descoberta de processos, a verificação de conformidade e o aprimoramento de processos Experimentos com logs de eventos reais e sintéticos foram realizados Os resultados mostram que a proposta é capaz de identificar anomalias e adaptar seu modelo a novos conceitos Finalmente, abordagens similares foram comparadas e discutidas-
Descrição: dc.descriptionDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computação-
Descrição: dc.descriptionAbstract: Organisations generate high volumes of data related to business processes and often struggle to extract, organise and interpret this data Traditional process mining techniques support the analysis and information retrieval from business event logs by modelling, monitoring, and enhancing processes However, traditional techniques deal with event logs in a batch approach, that is, they consume a log of an already concluded process as a starting point for analysis Considering that business processes are recorded continuously, a need for real-time analysis is raised Moreover, when dealing with streams, additional constraints appear, such as the change of data distribution over time and incomplete instances, making conventional methods impractical Thus, this work proposes a framework capable of handling event logs in a streaming scenario, supporting process discovery, conformance checking, and process enhancement Experiments with real and synthetic event logs were performed The results show that the proposal is able to identify anomalies and adapt its model to new concepts Finally, similar approaches were compared and discussed-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Relação: dc.relationMestrado-
Relação: dc.relationCiência da Computação-
Relação: dc.relationCentro de Ciências Exatas-
Relação: dc.relationPrograma de Pós-Graduação em Ciência da Computação-
Palavras-chave: dc.subjectMineração de dados (Computação)-
Palavras-chave: dc.subjectFramework (Programa de computador)-
Palavras-chave: dc.subjectArquitetura da informação-
Palavras-chave: dc.subjectData mining (Computing)-
Palavras-chave: dc.subjectFramework (Computer program)-
Título: dc.titleA Framework for online anomaly and concept drift monitoring in event log stream-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional da UEL - RIUEL

Não existem arquivos associados a este item.