ПРИМЕНЕНИЕ МЕТОДОВ ПРОЦЕССНОЙ АНАЛИТИКИ ДЛЯ АВТОМАТИЗИРОВАННОГО АУДИТА И ПОИСКА СТРУКТУРНЫХ АНОМАЛИЙ В РЕГЛАМЕНТАХ ГОСУДАРСТВЕННЫХ УСЛУГ

​APPLICATION OF PROCESS MINING TECHNIQUES FOR AUTOMATED AUDITING AND DETECTING STRUCTURAL ANOMALIES IN PUBLIC SERVICE DELIVERY

Vlasov Egor Aleksandrovich

4th year full-time student, North-West Institute of Management - branch of the Russian Presidential Academy of National Economy and Public Administration,

Russia, St. Petersburg

АННОТАЦИЯ

В статье исследуется применение методов процессной аналитики для алгоритмического аудита межведомственных процессов на основе транзакционных логов. Описан подход к трансформации сырых данных систем межведомственного электронного взаимодействия в структурированные событийные логи. Обосновано использование алгоритма Inductive Miner для восстановления фактических графов процессов, а также метода выравнивания для математической оценки соответствия реального исполнения услуг нормативным моделям BPMN. Предложенная методология позволяет перейти от традиционной описательной статистики к объективному выявлению структурных отклонений, нерегламентированных операций и локализации «узких мест», формируя доказательную базу для последующего реинжиниринга административных регламентов электронного правительства.

ABSTRACT

The article investigates the application of Process Mining techniques for the algorithmic auditing of interdepartmental processes based on transactional event logs. An approach to transforming raw data from the system of interdepartmental electronic interaction into structured event logs is described. The study substantiates the use of the Inductive Miner algorithm for discovering actual process graphs, as well as the Alignment-based Conformance Checking method for the mathematical evaluation of compliance between real service execution and normative BPMN models. The proposed methodology enables a transition from traditional descriptive statistics to the objective identification of structural deviations, unauthorized operations, and bottleneck localization, thereby forming an evidence base for the subsequent reengineering of e-government administrative regulations.

Ключевые слова: процессная аналитика, Process Mining, государственные услуги, событийный лог, электронное правительство, BPMN, аудит бизнес-процессов, алгоритм Inductive Miner, оценка соответствия.

Keywords: process analytics, Process Mining, public services, event log, e-government, BPMN, business process auditing, Inductive Miner algorithm, conformance checking.

Традиционный мониторинг SLA (Service Level Agreement) в государственном секторе фиксирует только итоговое время оказания услуги. Для локализации скрытых задержек (bottlenecks) и нерегламентированных циклов (re-work) необходим переход к процессно-ориентированному анализу.

Входными данными для методов Process Mining выступает событийный лог (Event Log) , который формируется путем парсинга сырых транзакций систем межведомственного электронного взаимодействия (СМЭВ).

Каждое событие  формализуется как кортеж:

где:

 (Case ID) — сквозной идентификатор экземпляра процесса (например, единый номер заявки на ЕПГУ);

 (Activity) — атомарная операция или статус (например, SendRequest, ReceiveResponse);

 (Timestamp) — временная метка фиксации события;

 (Resource) — инициатор (ведомство или автоматизированный шлюз);

 (Data) — полезная нагрузка (payload), характеризующая атрибуты заявки.

Критическим этапом подготовки лога является корреляция событий (Event Correlation), поскольку логи СМЭВ распределены по разным узлам, и сборка единого трассировочного пути требует объединения (Join) таблиц по первичному ключу .

Для автоматического синтеза модели процесса по логу  алгоритмы класса Alpha Miner показывают низкую эффективность из-за чувствительности к шуму и неполным логам. В рамках исследования обосновано применение алгоритма Inductive Miner, который гарантирует построение синтаксически корректных (block-structured) моделей в виде деревьев процессов.

Алгоритм рекурсивно разбивает лог на подлоги на основе графа прямого следования (Directly-Follows Graph, DFG). Вершины графа — это уникальные активности , а ребра фиксируют отношения следования. Вес ребра  равен частоте непосредственного перехода от  к .

Применение Inductive Miner позволяет выявить реальный граф исполнения государственной услуги, включая скрытые параллельные ветвления (AND-split) и логические исключения (XOR-split), которые де-факто возникают при обработке заявок, но отсутствуют в нормативной документации.

Самая наукоемкая задача аудита — математическая оценка расхождений между фактическим логом  и нормативной моделью BPMN, утвержденной административным регламентом (модель ).

Для решения этой задачи применяется метод выравнивания (Alignment-based Replay). Суть метода заключается в поиске оптимального сопоставления между последовательностью событий в фактической трассе лога и валидной трассой в регламентной модели . Результатом является выравнивание , представляющее собой последовательность парных шагов . В рамках метода выделяются три типа операций:

• Синхронный шаг  — фактическое выполнение операции строго соответствует регламенту;
• Шаг лога— операция выполнена в системе, но отсутствует в регламенте (несанкционированное действие или отклонение);
• Шаг модели — обязательный по регламенту этап был пропущен в реальности.

Каждому отклонению присваивается штрафная стоимость . На этой основе рассчитывается интегральный показатель соответствия , выражаемый через отношение суммарной стоимости оптимальных выравниваний  к теоретическому максимуму отклонений

Значение метрики варьируется от 0 до 1. Показатель  свидетельствует о систематическом отклонении реального процесса от утверждённых административных регламентов.

После построения выравнивания производится наложение временных меток Timestamp на граф процесса. Время перехода между смежными операциями  и  вычисляется как разность временных меток:

Агрегация значений  с использованием медианы и 90-го перцентиля позволяет исключить влияние случайных выбросов и выделить устойчивые «узкие места» (bottlenecks) — этапы межведомственного взаимодействия с максимальным временем ожидания ответа, приводящие к нарушению нормативных сроков (SLA).

Список литературы:

1. Федеральный закон от 27.07.2010 № 210-ФЗ (ред. от 2026) «Об организации предоставления государственных и муниципальных услуг» // СПС КонсультантПлюс. – URL: https://www.consultant.ru/document/cons_doc_LAW_103023/ (дата обращения: 11.06.2026).
2. Постановление Правительства Российской Федерации от 08.09.2010 № 697 (ред. от 2025) «О единой системе межведомственного электронного взаимодействия» // СПС КонсультантПлюс. – URL: https://www.consultant.ru/document/cons_doc_LAW_104665/ (дата обращения: 14.06.2026).
3. Постановление Правительства Российской Федерации от 16.12.2022 № 2338 «Об утверждении Положения о единой цифровой платформе Российской Федерации "ГосТех"» // ГАРАНТ. – URL: https://base.garant.ru/405980325/ (дата обращения: 20.06.2026).
4. ООН. Электронное правительство 2024 : ускорение цифровой трансформации для устойчивого развития / Департамент по экономическим и социальным вопросам Организации Объединённых Наций. – Нью-Йорк : ООН, 2024. – URL: https://desapublications.un.org/sites/default/files/publications/2025-01/E-Government%20Survey%202024%20RUS-compressed.pdf (дата обращения: 10.06.2026).
5. Единый портал государственных и муниципальных услуг (функций) [Электронный ресурс]. – URL: https://www.gosuslugi.ru/ (дата обращения: 05.06.2026).
6. Технологический портал СМЭВ [Электронный ресурс] // Министерство цифрового развития, связи и массовых коммуникаций РФ. –URL:https://info.gosuslugi.ru/new/smev (дата обращения: 02.06.2026).
7. pandas Documentation [Электронный ресурс] // The pandas Development Team. – URL: https://pandas.pydata.org/docs/ (дата обращения: 20.06.2026).