A Framework for Object-Centric Predictive Monitoring of Collaborative Processes
作者: Daniel Calegari, Andrea Delgado, Leonel Peña, Martín Rubio
分类: cs.AI
发布日期: 2026-08-27
备注: Submitted to Information Systems, under review
💡 一句话要点
提出面向对象的预测监控框架以解决协作过程中的监控问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 预测过程监控 协作过程 面向对象挖掘 事件日志 数据转换 智能决策
📋 核心要点
- 现有的预测过程监控方法在处理协作和跨组织过程时，往往忽视了多实体间的复杂关系，导致信息结构隐含。
- 本文提出了一种新的框架，通过将协作事件日志映射到面向对象的表示，明确了各实体间的关系，并重新定义了预测任务。
- 实验结果表明，该框架在多个公共数据集上表现优异，能够有效处理复杂的协作过程，提升了预测准确性。
📝 摘要（中文）
协作的跨组织过程的预测监控（PPM）需要对多个相互依赖的实体进行推理，包括参与者、消息、本地执行和全球协作案例。现有方法通过扩展传统事件日志来引入协作属性，但仍然保持单一案例视角，导致许多结构隐含。面向对象的过程挖掘（OCPM）通过将这些实体表示为一等公民对象，提供了替代方案。本文通过三项贡献将协作PPM与OCPM连接起来：一是将扩展的协作事件日志正式映射到符合OCED的面向对象表示；二是将协作预测任务重新表述为面向对象的预测任务；三是实现了可复现的转换器和预测管道。我们在四个公共协作事件日志和一个基于BPI Challenge 2013事件管理日志派生的日志上评估了该框架。
🔬 方法详解
问题定义：本文旨在解决现有预测过程监控方法在处理协作过程时的不足，特别是对多实体间关系的隐含处理。现有方法往往局限于单一案例视角，无法充分利用协作信息。
核心思路：论文的核心思路是将协作事件日志映射到面向对象的表示，明确各个参与者、消息和执行之间的关系，从而实现更为精准的预测。通过这种方式，预测任务被重新定义为面向对象的任务，能够更好地反映协作过程的复杂性。
技术框架：整体架构包括三个主要模块：首先是扩展的协作事件日志的语义映射；其次是面向对象的预测任务的定义；最后是实现该映射的转换器和预测管道。每个模块都经过精心设计，以确保数据流的顺畅和预测的准确性。
关键创新：最重要的技术创新在于将协作事件日志与面向对象的过程挖掘相结合，形成了一种新的预测监控框架。这种方法与传统的单案例视角截然不同，能够处理更复杂的协作关系。
关键设计：在技术细节上，论文设计了OCEL 2.0格式的对象中心表示，并实现了可复现的转换器和预测管道，支持多种预测策略的应用。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提出的框架在处理复杂协作事件日志时，预测准确性显著提升。通过在四个公共数据集上执行十四个重新定义的任务，使用五种预测策略，框架在不同编码方式下均表现出优越的性能，具体提升幅度未知。
🎯 应用场景
该研究的潜在应用领域包括企业协作管理、供应链优化和项目管理等。通过明确协作过程中的各个实体及其关系，企业能够更好地进行资源配置和风险管理，从而提升整体效率和决策质量。未来，该框架有望在智能制造和数字化转型等领域发挥重要作用。
📄 摘要（原文）
Predictive Process Monitoring (PPM) of collaborative, inter-organizational processes requires reasoning over multiple interdependent entities, including participants, messages, local executions, and the global collaboration case. Existing approaches extend traditional event logs with collaboration attributes but retain a single-case perspective, leaving much of this structure implicit. Object-centric process mining (OCPM) provides an alternative by representing these entities as first-class objects with explicit relations and multiple notions of case. This study connects collaborative PPM and OCPM through three contributions: (i) a formal semantic mapping from extended collaborative event logs to an OCED-conformant object-centric representation, serialized in OCEL 2.0; (ii) a reformulation of collaborative prediction tasks as object-centric prediction tasks; and (iii) a reproducible converter and prediction pipeline implementing the proposed mapping. We evaluate the framework on four public collaborative event logs and a fifth derived from the BPI Challenge 2013 incident-management log by executing the fourteen reformulated tasks using five predictive strategies across tabular, sequential, and graph-native encodings. We further discuss the benefits, limitations, and threats to the approach's validity. The representation makes collaboration structure explicit and makes it natural to state prediction targets based on object relations that fall outside the case-centric taxonomy, at the cost of increased relational complexity and dependence on object-centric tooling.