Süreç madenciliği ve makine öğrenimi yöntemleri ile iş süreçlerinin analizi: Kredi başvuru süreci üzerine bir uygulama
Analyzing business processes with process mining and machine learning methods: An application on the loan application process
- Tez No: 1020909
- Danışmanlar: PROF. DR. AYŞEGÜL ALAYBEYOĞLU, DR. ÖĞR. ÜYESİ HAKAN DALKILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bir işletmenin operasyonel performansını iyileştirmeye yönelik stratejik kararlar alabilmesi, ancak mevcut iş süreçlerinin ne ölçüde etkin işlediğini bütüncül bir bakış açısıyla değerlendirmesiyle mümkün olmaktadır. Bu noktada süreç madenciliği, bilgi sistemlerinde zaman damgalarıyla kaydedilen olay verilerini analiz ederek süreçlerin gerçek davranışını görünür kılan ve örgütsel operasyonların iç dinamiklerini nesnel biçimde ortaya çıkaran güçlü bir analitik yaklaşım olarak öne çıkmaktadır. Bu çalışmada, Hollanda'da faaliyet gösteren bir finans kuruluşunun kredi değerlendirme süreçlerine ait bir yıllık olay kayıtları incelenmiş ve özellikle bekleme süreleri, işlem yoğunlukları ve müşteri–süreç etkileşim sıklıkları üzerinden sürecin genel işleyişi değerlendirilmektedir. Amaç, sürecin hangi aşamalarda akıcı bir performans sergilediğini, hangi noktalarda ise verim kaybı yaşandığını sistematik biçimde ortaya koymaktır. Analiz kapsamında Python programlama dilinde PM4Py kütüphanesi kullanılarak kapsamlı bir süreç analizi gerçekleştirilmiştir. Olay kayıtları EventLog formatına dönüştürüldükten sonra sürecin kontrol akışını modellemek amacıyla Inductive Miner algoritması uygulanmış; faaliyetler arasındaki geçiş ilişkilerini incelemek için Veri Akış Grafiği (DFG) oluşturulmuş ve süreç akışının resmileştirilmesi için Petri Net modelleri elde edilmiştir. Bu modeller, sürecin hangi varyantlarda tekrarlandığını, hangi adımlarda bekleme veya gecikme yaşandığını ve kaynak kullanımındaki örüntüleri ayrıntılı biçimde ortaya koymaktadır. Süreç yapısının keşfinden sonra, süreç davranışındaki örüntüleri ve performans göstergelerini tahminleyebilmek adına Random Forest (Breiman, 2001), LSTM (Hochreiter & Schmidhuber, 1997), XGBoost (Chen & Guestrin, 2016) ve DNN (LeCun, Bengio & Hinton, 2015) gibi farklı makine öğrenimi algoritmaları uygulanmıştır. Süreç madenciliği çıktıları ile makine öğrenimi modellerinden elde edilen tahminlerin birlikte yorumlanması, hem mevcut süreç akışının güçlü yanlarını hem de performans açısından iyileştirme gerektiren kritik aşamaları çok boyutlu bir perspektifle değerlendirme olanağı sağlamaktadır. Genel bulgular, kredi değerlendirme sürecinin büyük ölçüde istikrarlı ve düzenli işlediğini, ancak belirli faaliyetlerde optimizasyon yapılması hâlinde sistemin toplam çevrim süresinin anlamlı biçimde iyileştirilebileceğini göstermektedir.
Özet (Çeviri)
Enhancing an organization's operational performance requires a comprehensive understanding of how effectively its business processes function. In this context, process mining emerges as a powerful analytical approach that uncovers the actual behavior of processes by analyzing event logs recorded with timestamps in information systems, thereby revealing the internal dynamics of organizational operations in an objective manner. In this study, one year of event data from the credit assessment process of a financial institution operating in the Netherlands is examined, with particular focus on waiting times, activity workloads, and customer–process interaction frequencies to evaluate the overall process performance. The aim is to systematically identify the stages where the process operates efficiently and the points at which performance losses occur. A comprehensive process analysis was conducted using the PM4Py library in Python. After converting the event data into an EventLog structure, the Inductive Miner algorithm was applied to model the control flow of the process; subsequently, a Directly-Follows Graph (DFG) was generated to analyze activity transitions, and Petri Net models were constructed to formalize the process behavior. These models provide detailed insights into process variants, bottlenecks, delays, and resource utilization patterns. Following the discovery phase, several machine learning algorithms including Random Forest (Breiman, 2001), LSTM (Hochreiter & Schmidhuber, 1997), XGBoost (Chen & Guestrin, 2016), and DNN models (LeCun, Bengio & Hinton, 2015) were applied to predict performance indicators and behavioral patterns within the process. The combined interpretation of process mining outputs and machine learning predictions allows for a multidimensional assessment of both the strengths of the current process flow and the critical stages that require improvement. Overall findings indicate that the credit assessment process operates in a largely stable and consistent manner, yet significant reductions in total cycle time can be achieved through targeted optimization of specific activities.
Benzer Tezler
- Sistemli mimari tasarım sürecinde üretken bir yapay yardımcı önerisi
Proposal for a productive artificial aid in the systematic architectural design process
BETÜL ŞEN
Yüksek Lisans
Türkçe
2024
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. YÜKSEL DEMİR
- Recommanding new products with high sales potential in fashion retail: A machine learning approach
Moda perakendesinde yüksek satış potansiyeline sahip yeni ürünlerin önerilmesi: Bir makine öğrenimi yaklaşımı
ENES TEZCAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜL HALİM ZAİM
- Enhancing botnet detection using federated learning in iot networks
Iot ağlarinda federe öğrenme yöntemini kullanarak botnet tespitinin geliştirilmesi
NİLÜFER USLAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- Metin madenciliği ve makine öğrenimi tekniklerinin uygulanmasıyla standart inşaat sözleşmesi belgelerinin metin analizi
Text analysis of standard construction contract documents by the application of text mining and machine learning techniques
ANIL DEMİRCAN
Doktora
Türkçe
2025
İnşaat MühendisliğiDüzce Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. LATİF ONUR UĞUR
- An investigation of the performance of text mining-based text representation and classification methods on different datasets
Farklı veri kümeleri üzerinde metin madenciliği tabanlı metin temsili ve sınıflandırma yöntemlerinin performansının incelenmesi
ABDULKERİM BEKAR
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN