AITIA-PM — это продвинутый метод для проверки гипотез о корневых причинах отклонений в процессах. В отличие от простого сравнения метрик, он позволяет отделить настоящие причинно-следственные связи от случайных корреляций.
Вот как это работает на примере и как интерпретируются результаты.
Пример работы AITIA-PM
Представим, что мы анализируем процесс обработки заявок и видим, что некоторые заявки обрабатываются значительно дольше обычного. Наша гипотеза: «Длительная обработка заявки вызвана тем, что её выполняет конкретный сотрудник (Ресурс 24)».
Шаг 1: Формулировка гипотезы
Гипотеза записывается на языке вероятностной темпоральной логики (PTL). В нашем примере она выглядит так:
«Активность "Проверка подтверждения" в сочетании с "Ресурс 24" приводит к задержке».
Система автоматически создаёт сотни таких гипотез для всех возможных комбинаций «активность + ресурс».
Шаг 2: Отбор гипотез (Prima Facie тест)
Система проверяет, случалась ли предполагаемая причина до наступления задержки. Если да, гипотеза допускается к дальнейшему анализу. Например, из 397 гипотез только 159 прошли этот тест.
Шаг 3: Расчёт Epsilon (силы влияния)
Для каждой прошедшей гипотезы рассчитывается epsilon (ε) — это число, которое показывает, насколько меняется вероятность задержки при наличии причины по сравнению с её отсутствием. Например:
Если Ресурс 24 выполняет проверку, вероятность задержки — 60%.
Если проверку выполняет кто-то другой, вероятность задержки — 40%.
Тогда epsilon = 0.6 - 0.4 = 0.2 (20%).
Шаг 4: Проверка на значимость (FDR)
Затем система анализирует все полученные значения epsilon, чтобы отсеять случайные связи. Для этого используется контроль частоты ложных открытий (False Discovery Rate, FDR). Он показывает, с какой вероятностью найденная связь окажется ложной.
В результате мы получаем таблицу с ключевыми показателями для каждой гипотезы.
Какие показатели подтверждают гипотезу?
Вот пример вывода алгоритма для набора гипотез, где эффектом является задержка:
|
Гипотеза (Причина) |
epsilon (ε) |
z-значение |
FDR |
|
Активность T02 + Ресурс 24 |
0.187 |
7.44 |
0.0000 |
|
Активность T04 + Ресурс 10 |
0.120 |
4.36 |
0.0259 |
|
Активность T05 + admin1 |
0.074 |
2.22 |
0.0259 |
Как это читать:
Epsilon (ε): Это величина влияния. В первой строке ε = 0.187. Это значит, что участие Ресурса 24 в активности T02 повышает вероятность задержки на 18.7%. Чем выше epsilon, тем сильнее влияние.
Z-значение: Это статистическая значимость эффекта. Z-значение показывает, на сколько стандартных отклонений наблюдаемый результат отклоняется от ожидаемого при нулевой гипотезе (то есть от того, что можно было бы объяснить просто случайным процессом). Проще говоря: оно помогает понять, является ли выявленная закономерность в данных действительно значимой или возникла случайно. Чем больше z-значение, тем более «выдающимся» является эффект. В примере z = 7.44 — это очень высокий показатель.
FDR (False Discovery Rate): Это вероятность ложного срабатывания. Значение FDR = 0.0259 означает, что существует примерно 2.6% вероятности, что эта связь является случайной (ложной).
Гипотеза считается подтверждённой, если:
Epsilon (ε) статистически значимо отличается от нуля.
Z-значение достаточно высокое (обычно > 2).
FDR ниже порога, который вы задали. Обычно используют порог 0.05 (5%).
В нашем примере все три гипотезы имеют FDR < 0.05, что позволяет считать их статистически значимыми причинами задержки.
AITIA-PM на практике
AITIA-PM — это строгий статистический тест, который:
Формулирует гипотезы на языке логики.
Считает силу влияния (epsilon).
Оценивает вероятность случайности (FDR).
Это позволяет не просто увидеть, что «Ресурс 24 медленный», а доказать, что его участие действительно увеличивает вероятность задержки, и оценить, насколько этот эффект силён.
Какие инструменты есть для применения AITIA-PM
Для применения AITIA-PM есть готовые инструменты, но это не коммерческий софт с графическим интерфейсом, а открытый исходный код (open-source) для технических специалистов - разработчиков и аналитиков (data scientists, аналитиков с навыками программирования).
Оригинальная реализация (основной инструмент) алгоритма AITIA-PM доступна на GitHub. В своей работе AITIA-PM использует статистический метод для контроля ложных открытий (FDR). Для этого он задействует R-пакет fdrtool. Это значит, что для полноценного запуска может потребоваться среда R.
Вам может быть интересно:
Data-Driven, Process Mining и Process Intelligence
Экспресс-анализ делового процесса в Process Mining. Порядок действий