ДОСЛІДЖЕННЯ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ДЛЯ ПРОГНОЗУВАННЯ ЙМОВІРНОСТІ ПОМИЛОК У МОДЕЛЯХ БІЗНЕС-ПРОЦЕСІВ З ВИКОРИСТАННЯМ ЛОГІСТИЧНОЇ РЕГРЕСІЇ

Анотація

Моделювання бізнес-процесів дозволяє графічно зображувати організаційні активності та пов’язані з ними події. Це, в свою чергу, дозволяє визначати напрямки покращення діяльності підприємства, визначати вимоги до програмних рішень та в цілому – для порозуміння ІТ- та бізнес-сторін всередині або поміж різними організаціями. Таким чином, вже на етапі представлення діяльності у вигляді моделі необхідно розуміти наскільки ймовірним є виникнення помилок під час реалізації зображеного бізнес-процесу. Отже, дана робота має на меті підвищення якості моделей бізнес-процесів за рахунок розв’язання задачі прогнозування ймовірності виникнення помилок виконання бізнес-процесів. Для того, щоб для кожної моделі бізнес-процесу з навчального набору даних призначити ймовірності виникнення помилок, пропонується використовувати одну з метрик складності – коефіцієнт структурної зв’язності. Для прогнозування ймовірності виникнення помилок при виконанні бізнес-процесів пропонується використовувати найпростішу та інтуїтивно зрозумілу модель машинного навчання – логістичну регресію. В ролі незалежних змінних пропонується обрати базові метрики моделювання бізнес-процесів – кількість вузлів та дуг. Таким чином, алгоритм розв’язання поставленої задачі включає кроки, пов’язані з обчисленням ймовірностей для навчального набору даних, підготовку навчального та тестового наборів, визначення параметрів регресії, візуалізацію та оцінювання результатів навчання. Для програмного забезпечення, яке реалізує запропонований підхід, було обрано клієнт-серверну архітектуру завдяки її гнучкості та здатності до масштабування. Під час розробки програмних компонентів було використано бібліотеку машинного навчання Scikit-Learn та мову програмування Python для побудови математичної моделі логістичної регресії. Прикладна частина реалізована як веб-застосунок на основі MySQL, платформи Node JS та веб-фреймворку Express JS. Результати оцінювання якості розробленої моделі прогнозування кажуть про придатність програмного забезпечення до розв’язання поставленої задачі прогнозування ймовірності виникнення помилок виконання бізнес-процесів.