La minería de procesos es una familia de técnicas que relacionan los campos de la ciencia de datos y la gestión de procesos para respaldar el análisis de procesos operativos basados en registros de eventos. El objetivo de la minería de procesos es convertir los datos de eventos en conocimientos y acciones. La minería de procesos es una parte integral de la ciencia de datos, impulsada por la disponibilidad de datos y el deseo de mejorar los procesos. [1] Las técnicas de minería de procesos utilizan datos de eventos para mostrar qué están haciendo realmente las personas, las máquinas y las organizaciones. La minería de procesos proporciona conocimientos novedosos que se pueden utilizar para identificar y abordar problemas de rendimiento y cumplimiento.
La minería de procesos comienza a partir de datos de eventos. La entrada para la minería de procesos es un registro de eventos. Un registro de eventos ve un proceso desde un ángulo particular. Cada evento en el registro se refiere a (1) una instancia de proceso particular (llamada caso), (2) una actividad y (3) una marca de tiempo. Puede haber atributos de eventos adicionales que se refieran a recursos, personas, costos, etc., pero son opcionales. Con algo de esfuerzo, estos datos se pueden extraer de cualquier sistema de información que respalde los procesos operativos. La minería de procesos utiliza estos datos de eventos para responder una variedad de preguntas relacionadas con el proceso. Las técnicas de minería de procesos como el descubrimiento de procesos, la verificación de conformidad, la mejora del modelo y el soporte operativo se pueden utilizar para mejorar el rendimiento y el cumplimiento. [2]
Hay tres clases principales de técnicas de minería de procesos: descubrimiento de procesos , verificación de conformidad y minería de rendimiento (también llamada extensión, ver más abajo). En el pasado, se utilizaron términos como Workflow Mining y Automated Business Process Discovery (ABPD) [3] .
Descripción general
Las técnicas de minería de procesos se utilizan a menudo cuando no se puede obtener una descripción formal del proceso mediante otros enfoques, o cuando la calidad de la documentación existente es cuestionable. Según Gartner, Process Mining es un subconjunto de la hiperautomatización . [4] Por ejemplo, la aplicación de la metodología de minería de procesos a las pistas de auditoría de un sistema de gestión de flujo de trabajo , los registros de transacciones de un sistema de planificación de recursos empresariales o los registros electrónicos de pacientes en un hospital pueden dar como resultado modelos que describen procesos, organizaciones y productos. . [5] El análisis de registro de eventos también se puede utilizar para comparar registros de eventos con modelos anteriores para comprender si las observaciones se ajustan a un modelo prescriptivo o descriptivo. Se requiere que los datos de los registros de eventos estén vinculados a un ID de caso, actividades y marcas de tiempo [6] · . [7]
Las tendencias de gestión contemporáneas como BAM ( Business Activity Monitoring ), BOM ( Business Operations Management ) y BPI ( Business Process Intelligence ) ilustran el interés en respaldar la funcionalidad de diagnóstico en el contexto de la tecnología de Business Process Management (p. Ej., Sistemas de gestión de flujo de trabajo y otros procesos). -sistemas de información conscientes ). La minería de procesos es diferente de las técnicas convencionales de aprendizaje automático , minería de datos e inteligencia artificial . Por ejemplo, las técnicas de descubrimiento de procesos en el campo de la minería de procesos intentan descubrir modelos de procesos de un extremo a otro que también pueden describir el comportamiento concurrente. Las técnicas de verificación de conformidad están más cerca de la optimización que de los enfoques de aprendizaje tradicionales. Sin embargo, la minería de procesos se puede utilizar para generar problemas de aprendizaje automático , minería de datos e inteligencia artificial . Después de descubrir un modelo de proceso y alinear el registro de eventos, es posible crear problemas básicos de aprendizaje supervisados y no supervisados. Por ejemplo, para predecir el tiempo de procesamiento restante de un caso en ejecución o para identificar las causas fundamentales de los problemas de cumplimiento.
El Grupo de Trabajo de IEEE sobre Minería de Procesos se estableció en octubre de 2009 como parte de la Sociedad de Inteligencia Computacional de IEEE. [8] Esta es una organización independiente del proveedor que tiene como objetivo promover la investigación, el desarrollo, la educación y la comprensión de la minería de procesos, concienciar a los usuarios finales, desarrolladores, consultores e investigadores del estado del arte en la minería de procesos. promover el uso de técnicas y herramientas de minería de procesos y estimular nuevas aplicaciones, desempeñar un papel en los esfuerzos de estandarización para registrar datos de eventos (por ejemplo, XES), organizar tutoriales, sesiones especiales, talleres, concursos, paneles y desarrollar material (artículos, libros, cursos en línea, películas, etc.) para informar y orientar a las personas nuevas en el campo. El Grupo de Trabajo de IEEE sobre Minería de Procesos estableció la serie de la Conferencia Internacional de Minería de Procesos (ICPM), [9] lideró el desarrollo del estándar IEEE XES para almacenar e intercambiar datos de eventos [10] [11] , y escribió el Manifiesto de Minería de Procesos [12 ] que se tradujo a 16 idiomas.
Aplicaciones
La minería de procesos se ha aplicado en todas las industrias (por ejemplo, banca, seguros, producción, logística, transporte, telecomunicaciones, energía y atención médica). Ejemplos de organizaciones que aplican la minería de procesos a gran escala son Siemens , BMW , Zalando , Uber , Lufthansa , AkzoNobel , ABB , Elsevier , Neste y Vodafone . [13] HSPI publica regularmente una base de datos con ejemplos de aplicaciones de minería de procesos. En 2020 hubo 551 estudios de casos de 27 países de todo el mundo. [14]
Clasificación
Hay tres clases de técnicas de minería de procesos. Esta clasificación se basa en si existe un modelo anterior y, de ser así, cómo se utiliza el modelo anterior durante la minería de procesos.
- Descubrimiento : No existen modelos anteriores ( a priori ). Basado en un registro de eventos, se construye o descubre un nuevo modelo basado en eventos de bajo nivel. Por ejemplo, utilizando el algoritmo alfa (un enfoque impulsado didácticamente). [15] Existen muchas técnicas establecidas para construir automáticamente modelos de procesos (por ejemplo, redes de Petri , diagramas BPMN , diagramas de actividad , diagramas de estado y EPC ) basados en un registro de eventos. [15] [16] [17] [18] [19] Recientemente, la investigación de minería de procesos ha comenzado a enfocarse en otras perspectivas (por ejemplo, datos, recursos, tiempo, etc.). Un ejemplo es la técnica descrita en (Aalst, Reijers y Song, 2005), [20] que se puede utilizar para construir una red social.
- Comprobación de conformidad : se utiliza cuando existe unmodelo a priori . El modelo existente se compara con el registro de eventos del proceso; Se analizan las discrepancias entre el logaritmo y el modelo. Por ejemplo, puede haber un modelo de proceso que indique que las órdenes de compra de más de 1 millón de euros requieren dos controles. Otro ejemplo es el control del llamado principio de los "cuatro ojos". La verificación de conformidad se puede utilizar para detectar desviaciones para enriquecer el modelo. Un ejemplo es la extensión de un modelo de proceso con datos de rendimiento, es decir,se utilizaalgúnmodelo de proceso a priori para proyectar los posibles cuellos de botella. Otro ejemplo es el minero de decisiones descrito en (Rozinat & Aalst, 2006b) [21] que toma unmodelo de proceso a priori y analiza cada elección en el modelo de proceso. Para cada elección, se consulta el registro de eventos para ver qué información suele estar disponible en el momento en que se realiza la elección. Luego, se utilizan técnicas clásicas de minería de datos para ver qué elementos de datos influyen en la elección. Como resultado, se genera un árbol de decisiones para cada elección en el proceso.
- Performance Mining : Se utiliza cuando existe un modelo a priori . El modelo se amplía con información de rendimiento adicional como tiempos de procesamiento, tiempos de ciclo, tiempos de espera, costos, etc., de modo que el objetivo no es verificar la conformidad, sino mejorar el rendimiento del modelo existente con respecto a cierto rendimiento del proceso. medidas. Un ejemplo es la extensión de un modelo de proceso con datos de rendimiento, es decir, algún modelo de proceso anterior anotado dinámicamente con datos de rendimiento. También es posible ampliar los modelos de proceso con información adicional, como reglas de decisión e información organizativa (por ejemplo, roles).
Ver también
- Gestión de Procesos de Negocio
- Descubrimiento de procesos
- Comprobación de conformidad
- Gestión de flujo de trabajo
- Aprendizaje automático
- Ciencia de los datos
- Minería de secuencia
- Procesamiento de datos
- Minería intencional
- Visualización de datos
- Análisis de proceso
Referencias
- ↑ van der Aalst, Wil (2016). Minería de procesos: ciencia de datos en acción .
- ^ van der Aalst, Wil (2011). Minería de procesos: ciencia de datos en acción .
- ^ "Descubrimiento automatizado de procesos de negocio (ABPD)" . Gartner.com . Gartner, Inc. 2015 . Consultado el 6 de enero de 2015 .Definición de Gartner .
- ^ "Las 10 principales tendencias tecnológicas estratégicas de Gartner para 2020" . Gartner .
- ^ Kirchmer, M., Laengle, S. y Masias, V. (2013). Gestión de procesos empresariales basada en la transparencia en entornos sanitarios [vanguardia]. Revista Tecnología y Sociedad, IEEE, 32 (4), 14-16.
- ^ Luis M. Camarinha-Matos, Frederick Benaben, Willy Picard (2015). Riesgos y resiliencia de las redes colaborativas
- ^ Symeon Christodoulou, Raimar Scherer (2016). eWork y eBusiness en Arquitectura, Ingeniería y Construcción: ECPPM 2016
- ^ "Grupo de trabajo IEEE sobre minería de procesos" . Página de inicio del grupo de trabajo sobre minería de procesos . Grupo de trabajo del IEEE sobre minería de procesos . Consultado el 10 de enero de 2021 .
- ^ "Serie de la Conferencia Internacional de Minería de Procesos (CIMF)" . Página de inicio de la serie de conferencias de la CIMF . Grupo de trabajo del IEEE sobre minería de procesos . Consultado el 10 de enero de 2021 .
- ^ "Estándar IEEE para flujo de eventos extensible (XES) para lograr la interoperabilidad en registros de eventos y flujos de eventos" . Estándar IEEE para flujo de eventos extensible (XES) . ieee. 11 de noviembre de 2016 . Consultado el 10 de enero de 2021 .
- ^ "Secuencia de eventos extensible (XES)" . Secuencia de eventos extensible (XES) . Grupo de trabajo del IEEE sobre minería de procesos. 11 de noviembre de 2016 . Consultado el 10 de enero de 2021 .
- ^ "Manifiesto de Minería de Procesos" . Manifiesto de Minería de Procesos . Grupo de trabajo del IEEE sobre minería de procesos. 2011 . Consultado el 10 de enero de 2021 .
- ^ Reinkemeyer, Lars (2020). Minería de procesos en acción: principios, casos de uso y perspectivas .
- ^ "Base de datos de aplicaciones de minería de procesos 2020" . HSPI . HSPI. 20 de enero de 2020 . Consultado el 10 de enero de 2021 .
- ↑ a b Aalst, W. van der , Weijters, A. y Maruster, L. (2004). Minería de flujo de trabajo: descubrimiento de modelos de proceso a partir de registros de eventos. IEEE Transactions on Knowledge and Data Engineering, 16 (9), 1128-1142.
- ^ Agrawal, R., Gunopulos, D. y Leymann, F. (1998). Modelos de procesos de minería a partir de registros de flujo de trabajo. En la Sexta conferencia internacional sobre la ampliación de la tecnología de bases de datos (págs. 469–483).
- ^ Cook, J. y Wolf, A. (1998). Descubrimiento de modelos de procesos de software a partir de datos basados en eventos. Transacciones de ACM sobre ingeniería y metodología de software, 7 (3), 215–249.
- ^ Datta, A. (1998). Automatización del descubrimiento de modelos de procesos de negocio tal como están: enfoques probabilísticos y algorítmicos. Investigación de sistemas de información, 9 (3), 275-301.
- ^ Weijters, A. y Aalst, W. van der (2003). Redescubrimiento de modelos de flujo de trabajo a partir de datos basados en eventos con Little Thumb. Ingeniería asistida por computadora integrada, 10 (2), 151–162.
- ^ Aalst, W. van der , Beer, H. y Dongen, B. van (2005). Minería de procesos y verificación de propiedades: un enfoque basado en la lógica temporal. En R. Meersman y ZT et al. (Eds.), En movimiento hacia sistemas de Internet significativos 2005: CoopIS, DOA y ODBASE: Conferencias internacionales confederadas de OTM, CoopIS, DOA y ODBASE 2005 (Vol. 3760, págs. 130–147). Springer-Verlag, Berlín.
- ^ Rozinat, A. y Aalst, W. van der (2006a). Pruebas de conformidad: medición del ajuste y la idoneidad de los registros de eventos y los modelos de proceso. En C. Bussler et al. (Ed.), BPM 2005 Workshops (Workshop on Business Process Intelligence) (Vol. 3812, pp. 163-176). Springer-Verlag, Berlín.
Otras lecturas
- Aalst, W. van der (2016). Minería de procesos: ciencia de datos en acción. Springer Verlag, Berlín ( ISBN 978-3-662-49850-7 ).
- Reinkemeyer, L. (2020). Minería de procesos en acción: principios, casos de uso y perspectivas. Springer Verlag, Berlín ( ISBN 978-3-030-40171-9 ).
- Carmona, J., van Dongen, BF, Solti, A., Weidlich, M. (2018). Verificación de conformidad: procesos y modelos relacionados. Springer Verlag, Berlín ( ISBN 978-3-319-99413-0 ).
- Aalst, W. van der (2011). Minería de procesos: descubrimiento, conformidad y mejora de procesos comerciales. Springer Verlag, Berlín ( ISBN 978-3-642-19344-6 ).
- Aalst, W. van der , Dongen, B. van, Herbst, J., Maruster, L., Schimm, G. y Weijters, A. (2003). Minería de flujo de trabajo: una encuesta de problemas y enfoques. Ingeniería de datos y conocimiento, 47 (2), 237–267.
- Aalst, W. van der , Reijers, H. y Song, M. (2005). Descubrimiento de redes sociales a partir de registros de eventos. Trabajo cooperativo asistido por computadora, 14 (6), 549–593.
- Jans, M., van der Werf, JM, Lybaert, N., Vanhoof, K. (2011) Una aplicación de minería de procesos comerciales para la mitigación del fraude de transacciones internas, Expert Systems with Applications, 38 (10), 13351–13359
- Dongen, B. van, Medeiros, A., Verbeek, H., Weijters, A. y Aalst, W. van der (2005). El marco ProM: una nueva era en el soporte de herramientas de minería de procesos. En G. Ciardo & P. Darondeau (Eds.), Application and Theory of Petri Nets 2005 (Vol. 3536, págs. 444–454). Springer-Verlag, Berlín.
- Aalst, W. van der . Una guía para profesionales de la minería de procesos: limitaciones del gráfico de seguimiento directo. En International Conference on Enterprise Information Systems (Centeris 2019), volumen 164 de Procedia Computer Science, páginas 321-328. Elsevier, 2019.
- Grigori, D., Casati, F., Castellanos, M., Dayal, U., Sayal, M. y Shan, M. (2004). Inteligencia de procesos de negocio. Computers in Industry, 53 (3), 321–343.
- Grigori, D., Casati, F., Dayal, U. y Shan, M. (2001). Mejora de la calidad de los procesos comerciales mediante la comprensión, la predicción y la prevención de excepciones. En P. Apers, P. Atzeni, S. Ceri, S. Paraboschi, K. Ramamohanarao y R. Snodgrass (Eds.), Actas de la 27ª conferencia internacional sobre bases de datos muy grandes (VLDB'01) (págs. 159– 168). Morgan Kaufmann.
- IDS Scheer. (2002). ARIS Process Performance Manager (ARIS PPM): mida, analice y optimice el rendimiento de su proceso empresarial (documento técnico).
- Ingvaldsen, JE y JA Gulla. (2006). Minería de procesos de negocio basada en modelos. Revista de gestión de sistemas de información, vol. 23, núm. 1, número especial sobre inteligencia empresarial, publicaciones de Auerbach
- Kirchmer, M., Laengle, S. y Masias, V. (2013). Gestión de procesos empresariales basada en la transparencia en entornos sanitarios [vanguardia]. Revista Tecnología y Sociedad, IEEE, 32 (4), 14-16.
- zur Muehlen, M. (2004). Control de procesos basado en flujo de trabajo: Fundación, diseño y aplicación de sistemas de información de procesos impulsados por flujo de trabajo. Logos, Berlín.
- zur Muehlen, M. y Rosemann, M. (2000). Supervisión y control de procesos basados en el flujo de trabajo: cuestiones técnicas y organizativas. En R. Sprague (Ed.), Actas de la 33ª conferencia internacional de Hawái sobre ciencia de sistemas (HICSS-33) (págs. 1-10). IEEE Computer Society Press, Los Alamitos, California.
- Rozinat, A. y Aalst, W. van der (2006b). Minería de decisiones en ProM. En S. Dustdar, J. Faideiro y A. Sheth (Eds.), International Conference on Business Process Management (BPM 2006) (Vol. 4102, pp. 420–425). Springer-Verlag, Berlín.
- Sayal, M., Casati, F., Dayal, U. y Shan, M. (2002). Cabina de procesos de negocio. En Actas de la 28ª conferencia internacional sobre bases de datos muy grandes (VLDB'02) (págs. 880–883). Morgan Kaufmann.
- Huser V, Starren JB, EHR Preprocesamiento de datos que facilita la minería de procesos: una aplicación a la enfermedad renal crónica. Enlace AMIA Annu Symp Proc 2009
- Ross-Talbot S, La importancia y el potencial de las descripciones para nuestra industria. Conferencia magistral en la 10ª Conferencia Federada Internacional sobre Técnicas de Computación Distribuida [1]
- García, Cleiton dos Santos; Meincheim, Alex; et al. (2019). Técnicas y aplicaciones de minería de procesos: un estudio cartográfico sistemático ». Sistemas Expertos con Aplicaciones. 133: 260–295. ISSN 0957-4174. doi: 10.1016 / j.eswa.2019.05.003 [2]
- van der Aalst, WMP y Berti A. Descubriendo las redes de Petri centradas en objetos. Fundamenta Informaticae, 175 (1-4): 1-40, 2020.
enlaces externos
- La Conferencia Internacional de Minería de Procesos es la conferencia internacional anual de minería de procesos organizada por el Grupo de Trabajo de IEEE sobre Minería de Procesos.
- Investigación en minería de procesos en la Universidad Tecnológica de Eindhoven, Países Bajos.
- Investigación en minería de procesos en la Universidad de Gante, Bélgica.
- Investigación en minería de procesos en la Universidad de Padua , Italia.