Key points are not available for this paper at this time.
Die probabilistische Programmierung (PP) ist ein Programmierparadigma, das das Schreiben statistischer Modelle wie gewöhnliche Programme ermöglicht, Simulationen durch das Ausführen dieser Programme durchführt und ihr statistisches Verhalten mithilfe leistungsstarker Inferenzmaschinen analysiert und verfeinert. Diese Arbeit macht einen Schritt in Richtung der Nutzung von PP zum Denken über datenbewusste Prozesse. Zu diesem Zweck präsentieren wir eine systematische Übersetzung von Daten-Petri-Netzen (DPNs) in ein Modell, das in einer PP-Sprache geschrieben ist, deren Merkmale von den meisten PP-Systemen unterstützt werden. Wir zeigen, dass unsere Übersetzung korrekt ist und statistische Garantien für die Simulation von DPNs bietet. Darüber hinaus diskutieren wir, wie PP für Aufgaben des Process Mining verwendet werden kann, und berichten über eine Prototypimplementation unserer Übersetzung. Wir diskutieren auch weitere Analyseszenarien, die auf der vorgeschlagenen Übersetzung und den verfügbaren PP-Tools leicht angegangen werden könnten.
Kühn et al. (2024) haben diese Frage untersucht.