In the pioneering era of computing, limited hardware resources required extreme optimisation of every bit and clock cycle. Today, despite the exponential increase in hardware capabilities, efficient resource management is crucial due to the advent of the Big Data era. Companies collect significant data from business processes, but the effective interpretation of this data is complex. Process Mining emerges as an innovative discipline that combines data mining techniques and business process analysis to discover, monitor and improve processes through event logs. In particular, Predictive Process Monitoring uses predictive models to anticipate future events, improving resource allocation and operational efficiency. This study aims to optimise the management and extraction of Prefix Instance Graphs, which can be used to predict the next activity of a running process. The aim of the paper is to investigate the advantages of using a graph database for efficient data management and processing.
Nell'era pionieristica dell'informatica, la limitatezza delle risorse hardware richiedeva un'ottimizzazione estrema di ogni bit e ciclo di clock. Oggi, nonostante l'aumento esponenziale delle capacità hardware, la gestione efficiente delle risorse è cruciale a seguito dell'avvento dell'era dei Big Data. Le aziende raccolgono dati significativi dai processi aziendali, ma l'interpretazione efficace di questi dati è complessa. Il Process Mining emerge come disciplina innovativa che combina tecniche di data mining e analisi dei processi aziendali per scoprire, monitorare e migliorare i processi attraverso i log di eventi. In particolare, il Predictive Process Monitoring utilizza modelli predittivi per anticipare eventi futuri, migliorando l'allocazione delle risorse e l'efficienza operativa. Questo studio si propone di ottimizzare la gestione e l'estrazione di Prefix Instance Graph, i quali possono essere utilizzati per prevedere la prossima attività di un processo in corso. L'obiettivo dell'elaborato è quello di investigare i vantaggi dell'utilizzo di un database a grafo per una gestione e un processamento efficaci dei dati.
Progetto e sviluppo di un sistema per l'estrazione e la gestione di Prefix Instance Graph
MORETTI, ALICE
2023/2024
Abstract
In the pioneering era of computing, limited hardware resources required extreme optimisation of every bit and clock cycle. Today, despite the exponential increase in hardware capabilities, efficient resource management is crucial due to the advent of the Big Data era. Companies collect significant data from business processes, but the effective interpretation of this data is complex. Process Mining emerges as an innovative discipline that combines data mining techniques and business process analysis to discover, monitor and improve processes through event logs. In particular, Predictive Process Monitoring uses predictive models to anticipate future events, improving resource allocation and operational efficiency. This study aims to optimise the management and extraction of Prefix Instance Graphs, which can be used to predict the next activity of a running process. The aim of the paper is to investigate the advantages of using a graph database for efficient data management and processing.File | Dimensione | Formato | |
---|---|---|---|
Tesi_Magistrale_Moretti_Alice.pdf
embargo fino al 15/07/2026
Descrizione: Tesi Magistrale Moretti Alice
Dimensione
2.22 MB
Formato
Adobe PDF
|
2.22 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/18233