fa شناسایی رانش مفهوم در نگاره رویداد با استفاده از اطلاعات آماری گونه‌ها مقالات پردازش داده‌های رقمی Paper پژوهشي Research <div style="text-align: justify;"><b><span dir="RTL" lang="AR-SA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:">در سال</span></span><span dir="RTL" lang="FA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:">‌های اخیر مدیریت فرآیندهای سازمانی </span></span><span style="font-size:8.0pt"><span bold="" new="" roman="" style="font-family:" times="">(BPM)</span></span><span dir="RTL" lang="FA" style="font-size:10.0pt"><span b="" nazanin="" style="font-family:">، به‌دلیل افزایش کارایی سازمان‌ها بسیار مورد توجه قرار گرفته است. استخراج و تحلیل اطلاعات فرآیندهای سازمانی بخش مهمی از این ساختار است؛ اما این فرآیندها در طول زمان پایدار نیستند و به مرور دچار تغییر می‌شوند که به این تغییرات، رانش مفهوم در فرآیند گفته می‌&shy;شود. کشف رانش‌&shy;های مفهوم یکی از چالش‌های موجود در حوزه مدیریت فرآیندهای سازمانی است. در این مقاله الگوریتمی برای شناسایی رانش‌های مفهوم در نگاره رویداد ارائه شده که براساس تحلیل توزیع گونه‌های دنباله در اجرای فرآیند است. در این روش با حرکت دو پنجره روی نگاره رویداد، دو بردار ویژگی از گونه‌های دنباله‌های دو پنجره حاصل و سپس با استفاده از آزمون‌های آماری گونه‌های دو پنجره با یکدیگر مقایسه و در‌نهایت رانش‌ها شناسایی می‌شوند. آزمایش‌های صورت‌گرفته روی پایگاه‌های داده مصنوعی، درستی روش و برتری آن را نسبت به روش‌های پیشین نشان می‌دهند.</span></span></b></div> <div style="text-align: justify;"><b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">In recent years, business process management (BPM) has been highly regarded as an improvement in the efficiency and effectiveness of organizations. Extracting and analyzing information on business processes is an important part of this structure. But these processes are not sustainable over time and may change for a variety of reasons, such as the environment, human resources, capital market changes, seasonal, and climate changes. These changes in business processes are referred to as concept drift in event logs. The discovery of concept drifts is one of the challenges in business process management. These drifts may occur suddenly, gradually, periodically, or incrementally. <a name="_Hlk100731336">This paper proposes an algorithm for identifying sudden concept drifts in event logs that are created by BPM</a>. Each execution of the process instance follows a specific path in the process model called a trace, all traces that follow the same path in process model are called a variant. The proposed algorithm is based on the distribution of trace variants in the execution of processes. In this method, by moving two sliding windows on the event log, two feature vectors are derived from the two windows trace variants, these windows are named reference and detection windows. Then variants of the two windows are compared by applying statistical G-test and finally the drifts are identified.&nbsp; In statistics, G-test is likelihood-ratio or maximum likelihood statistical significance test. Experiments on artificial databases show the correctness of the method and its superiority to the previous methods. In the proposed method, the detection accuracy </span></span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black">is</span></span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""><span style="color:black"> 0.06% better than state-of-the-art methods on average</span></span></span></b></div> رانش مفهوم, نگاره رویداد, فرآیند کاوی, فرآیندهای سازمانی, گونه Concept drift, event log, process mining, business processes, variant 75 86 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-1228-2&slc_lang=fa&sid=1 fershteh javadzadeh فرشته جوادزاده fereshteh.jvz@gmail.com 100319475328460011000 100319475328460011000 No دانشگاه گلستان mehdi yaghoubi مهدی یعقوبی mehdi.yaghoubi@gmail.com 100319475328460011001 100319475328460011001 Yes دانشگاه گلستان soheila karbasi سهیلا کرباسی s.karbasi@gu.ac.ir 100319475328460011002 100319475328460011002 No دانشگاه گلستان