Promotie: Enhancing Trust and Adaptability in Online Predictive Process Monitoring

LET OP: De kandidaat houdt een lekenpraatje, hierdoor start de livestream een kwartier eerder.

Organisaties gebruiken steeds vaker data om te voorspellen wat er in hun bedrijfsprocessen kan gebeuren. Zo kunnen ziekenhuizen voorspellingen gebruiken om behoeften van patiënten te voorzien. Banken kunnen ze gebruiken om verdachte transacties te detecteren. Deze voorspellingen zijn gebaseerd op digitale sporen van werk, zogenaamde event logs, die stap voor stap vastleggen hoe processen verlopen. Daardoor is het mogelijk om processen niet alleen te analyseren nadat ze zijn afgerond, maar ook terwijl ze nog lopen. Online voorspellende procesmonitoring bouwt hierop voort door besluitvorming tijdens de uitvoering van processen te ondersteunen. 

In dit proefschrift hebben we bestudeerd hoe zulke voorspellende systemen betrouwbaar blijven wanneer er nieuwe dingen gebeuren en processen veranderen. We richtten ons op twee hoofdthema’s: vertrouwen en aanpassingsvermogen. Vertrouwen betekent dat organisaties moeten kunnen vertrouwen op de data en op de waarschuwingen die het systeem geeft. Aanpassingsvermogen betekent dat voorspellende modellen goed moeten blijven presteren wanneer nieuw gedrag zichtbaar wordt. We ontwikkelden methoden om ongebruikelijke gebeurtenissen in real time te detecteren, beperkte feedback van experts te gebruiken, de kwaliteit van voorspellingen continu te evalueren, de stabiliteit van prestaties te meten en te bepalen wanneer modellen opnieuw moeten worden getraind. Samen helpen deze methoden om online voorspellende procesmonitoring bruikbaarder te maken voor dynamische omgevingen in de praktijk.