Boxma wil in zijn project twee ogenschijnlijk heel verschillende gebieden uit de toegepaste kansrekening – wachtrijtheorie en verzekeringswiskunde - met elkaar verbinden. Wachtrijtheorie beschrijft de doorstroming in bijvoorbeeld het wegverkeer, ziekenhuizen, call centers, productielijnen en het internet. Wachtrijen ontstaan als gevolg van een beperkte ‘bedieningscapaciteit’, waardoor de genoemde systemen op sommige momenten niet kunnen voldoen aan een willekeurig fluctuerende vraag. Ook in de verzekeringswereld spelen dergelijke ‘random’ fluctuaties een belangrijke rol. Calamiteiten, en het daarmee samenhangende claimgedrag, zijn namelijk vaak random van aard.

Situaties met een enkele wachtrij zijn inmiddels uitputtend bestudeerd, maar de praktijk (zoals het internet) bestaat vaak uit netwerken van wachtrijen. Ook is het kapitaal van herverzekeraars op een ingewikkelde manier vervlochten via herverzekeringscontracten. De stap naar ‘hoger-dimensionale’ modellen om deze meer realistische systemen te beschrijven is echter lastig. Het plan van Boxma is daarom om binnen het TOP-project wiskundig gereedschap te ontwikkelen om twee-dimensionale stochastische processen beter te kunnen bestuderen.

Het project van Van der Aalst valt qua onderwerp binnen het nieuwe Data Science Center Eindhoven (DSC/e), waarvan deze expert op het gebied van ‘Process Mining’ de leiding krijgt. Doel van dit project, Desire Lines in Big Data, is om in de digitale verslaglegging van bijvoorbeeld informatiesystemen in ziekenhuizen na te pluizen op zogeheten ‘olifantenpaadjes’: die manieren waarop mensen de officiële procedures omzeilen. Die informatie is bijzonder waardevol, omdat het inzicht geeft in hoe deze procedures efficiënter kunnen worden gemaakt.

Van der Aalst gaat zich in het bijzonder richten op datasets die zo groot zijn dat ze met conventionele methoden niet meer geanalyseerd kunnen worden. Om dat probleem aan te pakken, wil hij deze datasets opbreken in kleine stukjes en daarnaast technieken ontwikkelen om de data ‘on-the-fly’ te analyseren terwijl het wordt gegenereerd. Dat is volgens Van der Aalst een bittere noodzaak vanwege de continue stroom van events in ‘Big Data’. Tot slot wil hij technieken ontwikkelen om te kunnen omgaan met snel veranderende processen.