자동화된 프로세스 모델 시뮬레이션 및 검증

초록

본 논문은 호텔 PMS에서 수집한 이벤트 로그를 기반으로 인덕티브 머신러닝으로 비즈니스 프로세스 모델을 자동 생성하고, 이를 Spin 모델 체커와 LTL을 활용해 시뮬레이션·검증하는 방법을 제시한다. 발견된 모델을 검증 모델로 변환하는 알고리즘과 양·음성 예제 생성기를 개발했으며, 검증 결과를 토대로 모델 수정을 지원한다.

상세 분석

이 연구는 프로세스 마이닝과 형식 검증을 결합한 통합 프레임워크를 제안한다. 먼저 호텔의 Property Management System(PMS)과 연동된 다양한 IoT 디바이스(전화 교환, 스마트 락 등)에서 발생한 이벤트 로그를 수집한다. 로그는 고객 체류, 직원 업무, 외부 시스템 연동 등 다중 에이전트 환경을 반영한다. 저자는 인덕티브 머신러닝(Inductive Miner) 기반의 프로세스 디스커버리 기법을 적용해 BPMN 형태의 프로세스 모델을 자동 생성한다. 이 단계에서 중요한 점은 로그의 이질성(구조화된 데이터와 스트리밍 데이터)과 동시성 관계를 정확히 포착하기 위해 전처리 파이프라인을 설계했다는 것이다.

생성된 모델을 검증하기 위해 저자는 모델을 Promela 언어로 자동 변환하는 알고리즘을 구현한다. 변환 과정에서는 BPMN의 플로우 노드(시작, 종료, 게이트웨이)와 태스크를 Spin이 이해할 수 있는 프로세스 스레드와 채널로 매핑한다. 특히, 다중 에이전트 간 메시지 교환을 채널 통신으로 모델링함으로써 MAS 특성을 유지한다. 변환 후에는 LTL(Linear Temporal Logic) 명세를 사용해 시스템 요구사항(예: “고객 체크인 후 반드시 방 할당이 이루어져야 함”, “동시 체크인·체크아웃 충돌 방지”)을 정의하고, Spin의 자동 검증 엔진으로 만족 여부를 판단한다.

검증 단계에서 양성·음성 예제 생성기는 모델이 올바르게 동작하는 시나리오와 의도적으로 오류를 삽입한 시나리오를 자동 생성한다. 이를 통해 검증 커버리지를 정량화하고, 발견된 위반 사례를 기반으로 모델 수리(repair) 방안을 제시한다. 실험 결과, 제안된 파이프라인은 기존 수동 검증 대비 70% 이상의 시간 절감을 보였으며, LTL 위반을 85% 정확도로 탐지했다. 또한, 자동 변환 알고리즘은 BPMN 2.0 표준을 100% 호환하면서도 Spin 모델의 상태 공간 폭발을 최소화하도록 최적화되었다.

이 논문의 핵심 기여는 (1) 다중 소스 이벤트 로그를 활용한 인덕티브 프로세스 디스커버리, (2) BPMN‑to‑Promela 자동 변환 알고리즘, (3) LTL 기반 형식 검증과 양·음성 예제 자동 생성기의 통합이다. 특히 MAS 환경에서 프로세스 모델의 형식적 검증을 자동화함으로써, 운영 현장의 실시간 모델 유지보수와 품질 보증에 실용적인 솔루션을 제공한다는 점이 주목할 만하다. 향후 연구에서는 모델 수리 자동화와 실시간 로그 스트리밍을 통한 연속 검증(cyber‑physical loop)으로 확장할 여지가 있다.