Melhoria de modelos de processo de negócio com mineração de processos e simulação baseada em agentes

Abstract

Técnicas de mineração de processos permitem a descoberta de modelos de processos em logs de eventos. Apesar dos importantes progressos nesta área, os modelos de processo minerados se apresentam frequentemente de forma complexa dificultando a compreensão dos processos de negócio. Essa complexidade envolve de forma implícita as relações entre as atividades de alto nível de abstração, utilizadas pelos analistas ao descrever seus processos de negócio, e as atividades de baixo nível representadas nos logs de eventos. De fato, nas técnicas atuais de mineração de processos existe uma lacuna entre os eventos de baixo nível e a abstração de alto nível das atividades empresariais. Esta pesquisa aborda o problema através do desenvolvimento de uma técnica de mineração de processos denominada modelo hierárquico de Markov. Este modelo é capaz de produzir a hierarquização de processos relacionando os eventos de alto e baixo nível de abstração utilizando um procedimento de descoberta baseado na técnica denominada Expectation-Maximization. Para a geração dos logs de eventos mais próximos a realidade organizacional, relacionando os diversos agentes aos múltiplos cenários dos processos de negócio, foi utilizado uma plataforma de simulação baseada em agentes denominada Agent-Object Relationship (AOR) framework. Com a finalidade de avaliar experimentalmente a abordagem proposta foram descritos três modelos de processo de negócio utilizando Business Process Modeling Notation associados à simulação baseada em agentes para gerar os logs de eventos de baixo nível na plataforma AOR e também implementado um estudo de caso utilizando um log de eventos real. Os resultados foram comparados com técnicas de mineração de processos existentes no framework ProM. Também foram estudadas e selecionadas métricas para avaliar quantitativamente aspectos de complexidade dos modelos de processos hierárquicos gerados. O resultado da avaliação indicou a viabilidade do modelo hierárquico proposto para preencher a lacuna entre os dois níveis de abstração nos processos de negócio existentes nas organizações. _______________________________________________________________________________________ ABSTRACT

Process mining techniques allow the discovery of process models in event logs. Despitethe significant progress in this field, the mined process models are often presented in acomplex form, dificulting the understand of business processes. This complexity involvesimplicitly the relationship between the high-level abstraction used by analysts to describetheir business processes, and the low-level activities, represented in the event logs. Infact, there is a gap between the low-level events and the high-level abstraction of businessactivities. This research addresses this problem by developing a process mining techniqueso called hierarchical Markov model. This model is able to produce a hierarchical processmodel relating the low- and high-level events through the use of a discovering procedurebased on the Expectation-Maximization technique. For the event logs generation closestto the organizational reality, where agents are involved in diferent business scenarios, weused the Agent-Object Relationship (AOR) simulation framework. In order to evaluatethe proposed approach three diferent business process models were described using theBusiness Process Modeling Notation, together with the agent-based simulation platform(AOR) to generate the event logs, and also implemented a case study using a real-lifeevent log. The results were compared with existing process mining techniques in the ProMframework. Also, metrics were studied and selected to quantitatively evaluate aspects ofcomplexity in the generated hierarchical process models. The evaluation results indicatedthe feasibility of the hierarchical proposed model to fill the gap between the two businessprocess abstraction levels existents in organizations.