چکیده: امروزه سازمان‌ها از سامانه‌های اطلاعاتی همانند سامانه مدیریت منابع سازمانی (ERP) و سامانه مدیریت فرآیندهای سازمانی (BPMS) برای ثبت فعالیت‌ها و رویدادهای خود در سابقه‌رویدادها (Event Log) استفاده می‌کنند. دانشی که به کشف، نظارت و بهبود فرایندهای سازمانی از درون سابقه‌رویدادها می‌پردازد، فرآیندکاوی نام دارد. یکی از حوزه‌های فرآیندکاوی، مدیریت و کنترل هوشمند زمانی فرآیندهای سازمانی بر اساس اطلاعات زمانی مستخرج از رویدادها می‌باشد که محققان بسیاری را به خود جذب کرده است. کنترل زمانی، شامل عملیات‌هایی اعم از پیش‌بینی زمان باقی‌مانده پرونده‌ها در فرآیند، تنظیم زمان رسیدن یک نمونه‌فرآیند به یک وظیفه خاص در یک فرآیند و همچنین، ایجاد هم‌زمانی، تقدم و تأخر برای دو نمونه‌فرآیند مختلف می‌باشد. مسئله باز عمومی در کنترل زمانی، ارائه رویکرد پیش‌بینی زمانی با لحاظ حداکثر پارامترها و فاکتورها همانند صف، توزیع‌های احتمالاتی، رانش مفهوم، انشعاب توکن‌ها در نمونه‌فرآیندها، داده‌های نمونه‌فرآیندها، چندفرآیندی و غیره به صورت همزمان می‌باشد. مسئله باز تخصصی‌تر، کاوش وابستگی‌های پردازشی پنهان نمونه‌فرآیندها و تنظیم همزمانی روند نمونه‌فرآیندها برپایه رویکرد پیش‌بینی می‌باشد که این رساله در پی ارائه راهکار برای این مسائل باز می‌باشد. این رساله با بررسی رویکرد‌های موجود برای کنترل زمانی نمونه‌فرآیندها، ابتدا چهار رویکرد پیشنهادی برپایه تکنیک تجزیه مسیر و فرمول‌بندی تحلیلی مسیر را با استفاده از مدل‌های ماشین بردار پشتیبان بدست‌آمده از داده‌های پیشین ارائه می‌کند و پس از آن یک رویکرد احتمالاتی با احتساب صف وظیفه‌ها را جهت پیش‌بینی چرخه زمانی باقیمانده نمونه فرآیندها ارائه می‌کند. آزمایش‌ها نشان می‌دهد رویکرد ترکیبی ارائه شده به نسبت رویکرد رگرسیون‌های محلی در پیش‌بینی چرخه زمانی، خطای MAE نرمال سازی شده را مجموعاً برای تمام 8 پایگاه‌داده به اندازه 12.83 درصد کاهش داد. پس از آن، مفروضات مسئله را با لحاظ رانش مفهوم به دنیای واقعی نزدیک‌تر می‌کنیم و عملیات پیش‌بینی چرخه زمانی نمونه فرآیندها را با فرض تغییر در مدل فرآیندی با ارائه یک رویکرد آماری مبتنی بر سیستم گذار حاشیه‌نویسی شده با خروجی ماشین‌های بردار پشتیبان فازی انجام می‌دهیم. رویکرد پویای چندمدله پیشنهادی برای مقابله با رانش مفهوم بهبود 22.56 درصدی در معیار دقت نسبت به رویکرد تک مدله استاتیک مجموعاً بر روی دو پایگاه داده را نشان داد. درنهایت، یک وابستگی پردازشی پنهان میان جفت نمونه فرآیندهای وابسته از درون سابقه رویدادها به صورت رسمی تعریف و استخراج می‌کنیم و برای آن راهکاری با تنظیم و کنترل زمانی رویدادهای نمونه فرآیندها ارائه می‌نماییم. آزمایش‌ها برروی پایگاه داده BPI Challenge 2012 نشان از کاهش 4.3% چرخه زمانی کلی و کاهش 39% چرخه زمانی نمونه فرآیندهای وابسته نسبت به حالت بدون تنظیم همزمانی دارد.