Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 프로세스 마이닝 결과물을 URN 기반의 유스케이스 맵(UCM)으로 변환하는 PM4Py-UCM 라이브러리를 제안합니다. 이를 통해 마이닝된 프로세스를 요구사항 공학(RE) 활동에 직접 활용할 수 있는 파이프라인과 계층적 분해 전략을 제시합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기조직 시스템에서 사용 가능한 데이터의 양이 증가함에 따라, 초기 요구사항 공학 (RE, Requirements Engineering) 활동을 그 어느 때보다 증거에 기반하여 더 잘 수행할 수 있는 기회가 생겼습니다. 프로세스 마이닝 (PM, Process Mining)은 이러한 데이터에서 추출된 이벤트 로그로부터 현행 (as-is) 프로세스 모델을 발견하고 분석하는 데 20년 이상 사용되어 왔으며, 그 결과물은 주로 Petri Nets, 직접 연결 그래프 (directly-follows graphs), 또는 BPMN 모델의 형태로 나타납니다. 본 논문은 ITU-T의 사용자 요구사항 표기법 (URN, User Requirements Notation)에서 사용하는 유스케이스 맵 (UCM, Use Case Map) 모델을 프로세스 발견 (process discovery)의 일급 결과물 (first-class output)로 만드는 것을 목표로 하며, 이를 통해 마이닝된 동작이 URN 기반의 모델링, 분석 및 관리 활동에 사용될 수 있도록 합니다. 본 논문은 기존의 PM4Py Python 라이브러리에 대한 오픈 소스 확장 기능인 PM4Py-UCM을 제안하고 설명합니다. 이 새로운 도구는 1) UCM 발견 파이프라인, 2) 중첩된 UCM 모델을 생성하는 계층적 분해 (hierarchical decomposition) 전략, 3) UCM 및 BPMN 시각화를 위한 설정 가능한 수행자 매핑 (performer mappings), 4) 라운드트립 (round-trip) 과정에서 마이닝된 모델을 보존하며 URN 도구 (jUCMNav)로 내보내는 익스포터 (exporter)를 제공합니다. 본 논문은 공개 및 합성 (synthetic) 이벤트 로그를 사용하여 동일한 동작이 서로 다른 수행자 추상화 (performer abstractions) 및 분해 전략 하에서 어떻게 렌더링되는지 보여주며, 프로세스 마이닝 (PM)이 어떻게 모델 주도 요구사항 공학 (model-driven RE)을 위한 실질적인 도구가 될 수 있는지 논의합니다.