• 인터넷정보학회논문지
• /
• 제20권1호
• /
• pp.87-96
• /
• 2019

본 논문에서는 분산 워크플로우 실행 이벤트 로그를 수집하고 분류하기 위한 사전 처리 도구로서 맵-리듀스기반 클러스터링 기법을 제안한다. 특히 우리는 볼륨, 속도, 다양성, 진실성 및 가치와 같은 BIG 데이터의 5V 속성에 만족하고 잘 충족되어 있기 때문에 분산 워크플로우 실행 이벤트 로그를 특별히 워크플로우 빅-로그(Workflow BIG-Logs)라고 정의한다. 이 논문에서 개발하는 클러스터링 기술은워크플로우 빅-로그를 기반으로 하는 특정 워크플로 프로세스 마이닝 및 분석 알고리즘의 사전 처리 단계에 적용하기 위한 목적으로 고안된 것이다. 즉, 맵리듀스(Map-Reduce) 프레임워크를 워크플로우 빅-로그 처리 플랫폼으로 사용하고, IEEE XES 표준 데이터 형식을 지원하며, 결국 본 연구에서 개발중에 있는 구조적 정보제어넷기반 워크플로우 프로세스 마이닝 알고리즘인 ${\rho}$-알고리즘의 사전 처리 단계 전용으로 사용되도록 구현된 것이다. 보다 자세하게 말하자면, 워크플로우 빅-로그의 클러스터링 패턴은 단위업무액티버티 기반 클러스터링 패턴과 단위업무 수행자 기반 클러스터링 패턴으로 분류되는데, 특별히 단위업무 액티버티 패턴의 하나인 시간적 워크케이스 패턴과 그의 발생 건수를 재발견하는 맵리듀스 기반 클러스터링 알고리즘을 설계하고 구현하고자 한다. 마지막으로, 우리는 BPI 챌린지에서 공개한 워크플로우 실행 이벤트 로그 데이터세트에 대해 일련의 실험을 수행함으로써 제안된 클러스터링 기법의 기술적 타당성을 검증한다.

• 대한산업공학회지
• /
• 제33권1호
• /
• pp.99-109
• /
• 2007

To realize process-driven management, so many companies have been launching business process managementsystems. Business process is collection of standardized and structured tasks inducing value creation of acompany. Moreover, it is recognized as one of significant intangible business assets to achieve competitiveadvantages. This research introduces a novel approach of workflow process analysis, which has more and moresignificance as process-aware information systems are spreading widely into a lot of companies, In this paper, amethodology of workflow clustering based on process similarity has been proposed. The purpose of workflowclustering is to analyze accumulated process definitions in order to assist design of new processes andimprovement of existing ones. The proposed methodology exploits measures of structural similarity of workflowprocesses.The methodology has been experimented with synthetic process models for illustrating the implicationofworkflow clustering.

• 인터넷정보학회논문지
• /
• 제9권6호
• /
• pp.89-97
• /
• 2008

최근 기업 및 조직들은 대규모 엔터프라이즈 환경에서 발생하는 대량의 업무 인스턴스들을 안정적으로 처리해줄 수 있는 초대형 워크플로우 관리 시스템 도입에 대한 활성화를 요구하고 있다. 워크플로우 벤더들은 초대형 워크플로우 서비스를 제공하는데 적합한 워크플로우 엔진을 구현하기 위해, 하드웨어들의 추가적인 연계를 통한 워크플로우 엔진의 물리적 성능 확장에 초점을 맞추고 있다. 그러나 워크플로우 엔진의 소프트웨어적인 아키텍처를 고려하지 않은 단순한 물리적 성능 확장은 불필요한 서비스 구축 시간 및 비용의 낭비를 야기할 수 있다. 이러한 한계를 개선하기 위하여, 본 논문에서는 워크플로우 엔진을 구성하는 소프트웨어 아키텍처를 고려하는 논리적 관점에서의 성능 향상을 위한 접근 방법을 모색한다. 이를 위해 워크플로우 서비스의 하드웨어 인프라를 전형적인 단위 클라이언트-서버 구조를 채택하고 있다고 가정하고, 대다수의 워크플로우 벤더들이 채택하고 있는 액티비티 인스턴스 아키텍처 기반 워크플로우 엔진과 본 논문에서 제안하는 워크케이스 아키텍처 기반 워크플로우 엔진의 성능을 비교 측정한다. 우리는 성능 측정의 분석 결과를 통해 논리적인 소프트웨어 아키텍처가 워크플로우 엔진의 초대형성에 많은 영향을 미칠 수 있음을 보여주고자 한다.

• 인터넷정보학회논문지
• /
• 제10권6호
• /
• pp.205-217
• /
• 2009

최근 기업들은 조직 내외의 협업 또는 협력에 의해 발생되는 거대량의 업무들을 안정적으로 처리해줄 수 있는 초대형 워크플로우 관리 시스템의 등장을 요구하고 있다. 워크플로우 벤더들은 초대형 워크플로우 서비스를 지원하는 워크플로우 관리시스템을 구현하기 위해, 하드웨어들의 추가적 확장을 통한 워크플로우 관리 시스템의 성능 향상을 모색하고 있다. 그러나 워크플로우 관리 시스템의 소프트웨어적인 아키텍처를 고려하지 않은 단순한 물리적 확장은 시스템 구축에 소요되는 시간적 또는 비용적 낭비를 야기할 수 있다. 이러한 한계를 개선하기 위하여, 본 논문에서는 워크케이스 기반 워크플로우 아키텍처를 제안하고, 해당 아키텍처를 토대로 하는 초대형 워크플로우 관리 시스템을 구현한다. 또한 워크케이스 기반 초대형 워크플로우 관리 시스템에 관한 생성 반응 시간 관련 실험을 통해서, 논리적인 소프트웨어 아키텍처의 개선이 워크플로우 관리 시스템의 초대형성에 매우 큰 영향을 미칠 수 있음을 증명하고자 한다.

• 대한산업공학회지
• /
• 제34권4호
• /
• pp.460-469
• /
• 2008

Process mining aims at mining valuable information from process execution results (called "event logs"). Even though process mining techniques have proven to be a valuable tool, the mining results from real process logs are usually too complex to interpret. The main cause that leads to complex models is the diversity of process logs. To address this issue, this paper proposes a trace clustering approach that splits a process log into homogeneous subsets and applies existing process mining techniques to each subset. Based on log profiles from a process log, the approach uses existing clustering techniques to derive clusters. Our approach are implemented in ProM framework. To illustrate this, a real-life case study is also presented.

• 산업경영시스템학회지
• /
• 제38권3호
• /
• pp.56-63
• /
• 2015

Several fields of science have demanded large-scale workflow support, which requires thousands of CPU cores or more. In order to support such large-scale scientific workflows, high capacity parallel systems such as supercomputers are widely used. In order to increase the utilization of these systems, most schedulers use backfilling policy: Small jobs are moved ahead to fill in holes in the schedule when large jobs do not delay. Since an estimate of the runtime is necessary for backfilling, most parallel systems use user's estimated runtime. However, it is found to be extremely inaccurate because users overestimate their jobs. Therefore, in this paper, we propose a novel system for the runtime prediction based on workload-aware clustering with the goal of improving prediction performance. The proposed method for runtime prediction of parallel applications consists of three main phases. First, a feature selection based on factor analysis is performed to identify important input features. Then, it performs a clustering analysis of history data based on self-organizing map which is followed by hierarchical clustering for finding the clustering boundaries from the weight vectors. Finally, prediction models are constructed using support vector regression with the clustered workload data. Multiple prediction models for each clustered data pattern can reduce the error rate compared with a single model for the whole data pattern. In the experiments, we use workload logs on parallel systems (i.e., iPSC, LANL-CM5, SDSC-Par95, SDSC-Par96, and CTC-SP2) to evaluate the effectiveness of our approach. Comparing with other techniques, experimental results show that the proposed method improves the accuracy up to 69.08%.

• Nuclear Engineering and Technology
• /
• 제52권10호
• /
• pp.2262-2273
• /
• 2020

Digital twin technology can provide significant value for the prognostics and health management (PHM) of critical plant components by improving insight into system design and operating conditions. Digital twinning of systems can be utilized for anomaly detection, diagnosis and the estimation of the system's remaining useful life in order to optimize operations and maintenance processes in a nuclear plant. In this regard, a conceptual framework for the application of digital twin technology for the prognosis of Control Element Drive Mechanism (CEDM), and a data-driven approach to anomaly detection using coil current profile are presented in this study. Health management of plant components can capitalize on the data and signals that are already recorded as part of the monitored parameters of the plant's instrumentation and control systems. This work is focused on the development of machine learning algorithm and workflow for the analysis of the CEDM using the recorded coil current data. The workflow involves features extraction from the coil-current profile and consequently performing both clustering and classification algorithms. This approach provides an opportunity for health monitoring in support of condition-based predictive maintenance optimization and in the development of the CEDM digital twin model for improved plant safety and availability.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.199-202
• /
• 2004

레거시 시스템을 위한 기존의 도메인 분석의 문제점을 해결하기 위하여 동적인 모델링인 확장된 워크플로우 메커니즘을 기반으로 하는 도메인 분석 방법을 제안하고자 한다. 이 도메인 분석을 통해 공통/비공통의 프로세스 컴포넌트 식별 및 공통 프로세스 컴포넌트들의 클러스터를 추출하고 마지막 단계에서 UML 기법으로 컴포넌트 내의 객체를 추출할 수 있다. 또한 제안한 컴포넌트 가중치 측정 매트릭스에 적용해 사용 빈도수가 많거나 중요한 컴포넌트 및 컴포넌트 클러스터를 찾는 방법을 제시하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 춘계학술발표대회
• /
• pp.160-163
• /
• 2015

워크플로우 매니지먼트시스템은 오늘날의 어플리케이션들의 처리를 위한 효율적인 워크플로우 설계와 수행을 가능하게 한다. 그러나 전체물리학, 생물학, 지질학과 같이 과학탐구에 목적을 둔 어플리케이션들의 경우 대용량의 데이터를 연산해야 하기 때문에 단일 컴퓨팅 자원으로는 단 시간내에 작업을 완료하기 어렵다. 클라우드 환경에서 워크플로우를 효율적으로 수행하기 위해서는 여러 자원을 효율적으로 활용하기 위한 분산 병렬처리가 필수적이다. 일반적으로 시스템의 마스터노드에서는 클러스터의 원격노드들에게 어플리케이션 수행을 위해 설계된 워크플로우에 맞게 작업들을 분배하게 되는데 이때 마스터노드와 원격노드의 큐에서의 대기시간과 원격노드에서 할당된 작업들을 위한 스케줄링 시간은 성능을 좋지 않게 만드는 원인이 된다. 따라서 본 논문은 클라우드 환경에서 원격노드에서 작업수행이전까지의 지연시간을 줄이기 위한 최적화 방법으로 컴퓨팅 자원 활용도를 고려한 작업들의 병합 기법을 적용해서 워크플로우의 처리 속도를 향상시킨다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1273-1284
• /
• 2016

본 연구에서는 기계 학습 분야의 특허를 수집하여 키워드 네트워크를 구축하고 클릭 분석을 실시하였다. 먼저 텍스트 마이닝 기법을 적용하여 핵심 키워드들을 선정한 다음, 이 키워드를 기반으로 키워드 네트워크를 구축하였다. 다음으로 네트워크 구조 분석, 중요 키워드 분석 및 클릭 분석을 시행하여 2005년도와 2015년도에 출원된 기계 학습 특허의 동향을 파악하였을 뿐만 아니라 양해년도의 분석 결과를 통해 특허 경향을 파악하였다. 분석 결과 기계 학습 특허의 키워드 네트워크는 밀도와 군집 계수가 낮은 것으로 드러났으며 기계 학습 기법 자체에 대한 특허보다는 다양한 응용 영역에서 기계학습을 적용한 특허들이 다수이기 때문으로 판단된다. 클릭 분석 결과 2005년도 클릭 분석에 의해 발견된 주제는 뉴스메이커 검증, 상품 소비 예측, 바이러스 공격 예방, 바이오마커, 그리고 워크플로우 관리였으며, 2015년도 기계 학습 특허 주제는 디지털 이미지 편집, 직불카드, 수신자 인라이닝 시스템, 유방 촬영 시스템, 재고 관리 시스템, 이미지 편집 시스템, 비행기 티켓 가격 예측, 그리고 문제 예측 시스템으로 나타났다. 2005년도에 비하여 2015년도의 근접 중앙성은 낮아지고 매개 중심성은 높아진 것으로 보아 최근의 특허 경향은 보다 다양한 분야에서 출원되고 있으며 이들 간의 연결이 활발해지고 있음을 알 수 있다. 클릭 분석은 클릭을 형성하는 키워드 집합을 해석하여 주제를 파악하는데 활용될 수 있을 뿐만 아니라 추출된 공유 멤버쉽 키워드 집합은 특허 검색 시스템과 같이 키워드 검색 기반의 시스템에서 검색 키워드로 활용될 수 있을 것으로 기대된다.