Minería de procesos

Técnica de minería de datos utilizando registros de eventos

La minería de procesos es una familia de técnicas que se utilizan para analizar datos de eventos con el fin de comprender y mejorar los procesos operativos. Como parte de los campos de la ciencia de datos y la gestión de procesos , la minería de procesos generalmente se basa en registros que contienen un identificador de caso, un identificador único para una instancia de proceso en particular; una actividad, una descripción del evento que está ocurriendo; una marca de tiempo; y, a veces, otra información como recursos, costos, etc. ^{[1] [2]}

Existen tres clases principales de técnicas de minería de procesos: descubrimiento de procesos , verificación de conformidad y mejora de procesos . En el pasado, se utilizaban términos como minería de flujo de trabajo y descubrimiento automatizado de procesos de negocios (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. ^[4] Por ejemplo, la aplicación de la metodología de minería de procesos a los registros 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 describan los procesos de las organizaciones. ^[5] El análisis de registros de eventos también se puede utilizar para comparar los 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 ( monitoreo de actividad empresarial ), BOM ( gestión de operaciones empresariales ) y BPI ( inteligencia de procesos empresariales ) ilustran el interés en apoyar la funcionalidad de diagnóstico en el contexto de la tecnología de gestión de procesos empresariales (por ejemplo, sistemas de gestión de flujo de trabajo y otros sistemas de información conscientes de los procesos ). 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 extremo a extremo que sean capaces de describir el comportamiento secuencial, de relación de elección, concurrente y de bucle. Las técnicas de comprobación 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 supervisado y no supervisado. 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 IEEE sobre Minería de Procesos se estableció en octubre de 2009 como parte de la Sociedad de Inteligencia Computacional IEEE. ^[8] Esta es una organización neutral en cuanto a proveedores 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 sobre el estado del arte en 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, competencias, paneles y desarrollar material (documentos, libros, cursos en línea, películas, etc.) para informar y guiar a las personas nuevas en el campo. El Grupo de Trabajo IEEE sobre Minería de Procesos estableció la serie de Conferencias Internacionales 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 fue traducido a 16 idiomas.

Historia y lugar en la ciencia de datos

El término "minería de procesos" fue acuñado por primera vez en una propuesta de investigación escrita por el informático holandés Wil van der Aalst . Así comenzó un nuevo campo de investigación que surgió bajo el paraguas de las técnicas relacionadas con la ciencia de datos y la ciencia de procesos en la Universidad de Eindhoven en 1999. En los primeros días, las técnicas de minería de procesos a menudo se confundían con las técnicas utilizadas para la gestión del flujo de trabajo . En el año 2000, se desarrolló el primer algoritmo prácticamente aplicable para el descubrimiento de procesos, " Alpha miner" . El año siguiente, en 2001, se introdujo en los artículos de investigación un algoritmo muy similar basado en heurísticas llamado "Heuristic miner". Más adelante en el vínculo, se desarrollaron algoritmos más potentes, como el minero inductivo, para el descubrimiento de procesos. A medida que el campo de la minería de procesos comenzó a evolucionar, la verificación de conformidad se convirtió en una parte integral de él. El año 2004 marcó el desarrollo de la " reproducción basada en tokens " para fines de verificación de conformidad. Aparte de las técnicas convencionales de descubrimiento de procesos y verificación de conformidad, la minería de procesos se diversificó en múltiples áreas que llevaron al descubrimiento y desarrollo del "análisis de rendimiento", la "minería de decisiones" y la "minería organizacional" en el año 2005 y 2006 respectivamente. En el año 2007, se estableció la primera empresa comercial de minería de procesos "Futura Pi". El "grupo de trabajo IEEE sobre PM", un organismo rector, se formó en el año 2009 que comenzó a supervisar las normas y estándares relacionados con la minería de procesos. Se desarrollaron más técnicas para la verificación de conformidad que llevaron a la publicación de "Verificación de conformidad basada en la alineación" en el año 2010. En 2011, se publicó el primer libro sobre minería de procesos. Más adelante, en 2014, Coursera ofreció un curso MOOC sobre minería de procesos. Para el año 2018, casi 30 herramientas de minería de procesos disponibles comercialmente estaban en escena. El año 2019 marcó el primer congreso sobre minería de procesos. Hoy contamos con más de 35 proveedores que ofrecen herramientas y técnicas para el descubrimiento de procesos y la verificación de conformidad.

La minería de procesos debe considerarse como un puente entre la ciencia de datos y la ciencia de procesos. La minería de procesos se centra en transformar el registro de eventos en una representación significativa del proceso, lo que puede dar lugar a la formulación de varios problemas relacionados con la ciencia de datos y el aprendizaje automático.

Categorías

Hay tres categorías de técnicas de minería de procesos.

• Descubrimiento de procesos : El primer paso en la minería de procesos. El objetivo principal del descubrimiento de procesos es transformar el registro de eventos en un modelo de proceso. Un registro de eventos puede provenir de cualquier sistema de almacenamiento de datos que registre las actividades en una organización junto con las marcas de tiempo para esas actividades. Se requiere que dicho registro de eventos contenga un identificador de caso (un identificador único para reconocer el caso al que pertenece la actividad), una descripción de la actividad (una descripción textual de la actividad ejecutada) y una marca de tiempo de la ejecución de la actividad. El resultado del descubrimiento de procesos es generalmente un modelo de proceso que es representativo del registro de eventos. Un modelo de proceso de este tipo se puede descubrir, por ejemplo, utilizando técnicas comoel algoritmo alfa(un enfoque impulsado didácticamente), el minero heurístico oel minero inductivo.^[13]Existen muchas técnicas establecidas para construir automáticamente modelos de procesos (por ejemplo,redes de Petri,diagramas BPMN,diagramas de actividad,diagramas de estadoyEPC) basados ​​en un registro de eventos.^{[13][14][15][16][17]}Recientemente, la investigación de minería de procesos ha comenzado a apuntar a otras perspectivas (por ejemplo, datos, recursos, tiempo, etc.). Un ejemplo es la técnica descrita en (Aalst, Reijers y Song, 2005),^[18]que se puede utilizar para construir una red social. Hoy en día, se están desarrollando técnicas como la "minería de procesos en streaming" para trabajar con datos en línea continuos que deben procesarse en el momento.
• Comprobación de conformidad : ayuda a comparar un registro de eventos con un modelo de proceso existente para analizar las discrepancias entre ellos. Un modelo de proceso de este tipo se puede construir manualmente o con la ayuda de un algoritmo de descubrimiento. Por ejemplo, un modelo de proceso puede indicar que los pedidos de compra de más de 1 millón de euros requieren dos comprobaciones. Otro ejemplo es la comprobación del llamado principio de "cuatro ojos". La comprobación de conformidad se puede utilizar para detectar desviaciones (comprobación de cumplimiento), o evaluar los algoritmos de descubrimiento, o enriquecer un modelo de proceso existente. Un ejemplo es la extensión de un modelo de proceso con datos de rendimiento, es decir,se utiliza un modelo de procesoa prioriminero de decisionesdescrito en (Rozinat y Aalst, 2006b),^[19]que toma una prioriy analiza cada elección en el modelo de proceso. El registro de eventos se consulta para cada opción para ver qué información está normalmente disponible en el momento en que se realiza la elección. La comprobación de conformidad se lleva a cabo mediante diversas técnicas, como la "reproducción basada en tokens" y la "comprobación de conformidad en tiempo real", que se utilizan en función de las necesidades del sistema. A continuación, 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 del proceso.
• Análisis de rendimiento : se utiliza cuando existe un modelo a priori . El modelo se amplía con información adicional sobre el rendimiento, como tiempos de procesamiento, tiempos de ciclo, tiempos de espera, costos, etc., de modo que el objetivo no sea verificar la conformidad, sino mejorar el rendimiento del modelo existente con respecto a ciertas medidas de rendimiento del proceso. Un ejemplo es la extensión de un modelo de proceso con datos de rendimiento, es decir, algún modelo de proceso previo anotado dinámicamente con datos de rendimiento. También es posible ampliar los modelos de proceso con información adicional, como reglas de decisión e información organizacional (por ejemplo, roles).

Software de minería de procesos

El software de minería de procesos ayuda a las organizaciones a analizar y visualizar sus procesos comerciales en función de los datos extraídos de diversas fuentes, como registros de transacciones o datos de eventos. Este software puede identificar patrones, cuellos de botella e ineficiencias dentro de un proceso, lo que permite a las organizaciones mejorar su eficiencia operativa, reducir costos y mejorar la experiencia de sus clientes.

En marzo de 2023, la revista Analytics Insight identificó las 5 principales empresas de software de minería de procesos para 2023: ^[20]

1. Celonis
2. Minería de procesos de UiPath
3. Inteligencia de procesos SAP Signavio
4. Software AG ARIS Minería de procesos
5. Cronología de ABBYY

Gartner también proporcionó una lista de productos de las mejores herramientas de minería de procesos para 2024 y publicó el Cuadrante Mágico de Gartner® 2024 actualizado para plataformas de minería de procesos: ^{[21] [22]}

1. Celonis
2. Minería de procesos de IBM
3. Plataforma de automatización empresarial UiPath
4. Aprobar más
5. Plataforma Scout
6. Aristóteles

Véase también

• Gestión de procesos de negocio
• Descubrimiento de procesos
• Comprobación de conformidad
• Gestión del flujo de trabajo
• Aprendizaje automático
• Ciencia de datos
• Minería de secuencias
• Minería de datos
• Minería de intenciones
• Visualización de datos
• Análisis de procesos

Referencias

1. van der Aalst, Wil (2016). Minería de procesos: ciencia de datos en acción.
2. van der Aalst, Wil (2011). Minería de procesos: ciencia de datos en acción.
3. "Automated Business Process Discovery (ABPD)". Gartner.com . Gartner, Inc. 2015 . Consultado el 6 de enero de 2015 .Definición de Gartner.
4. "Las 10 principales tendencias tecnológicas estratégicas de Gartner para 2020". Gartner .
5. Kirchmer, M., Laengle, S. y Masias, V. (2013). Gestión de procesos de negocio basada en la transparencia en entornos sanitarios [Leading Edge]. Revista Tecnología y Sociedad, IEEE, 32(4), 14-16.
6. Luis M. Camarinha-Matos, Frederick Benaben, Willy Picard (2015). Riesgos y resiliencia de las redes colaborativas
7. Symeon Christodoulou, Raimar Scherer (2016). Trabajo electrónico y comercio electrónico en arquitectura, ingeniería y construcción: ECPPM 2016
8. "IEEE Task Force on Process Mining". Página de inicio del grupo de trabajo sobre minería de procesos . Grupo de trabajo sobre minería de procesos del IEEE . Consultado el 10 de enero de 2021 .
9. "Serie de conferencias internacionales sobre minería de procesos (ICPM)". Página de inicio de la serie de conferencias de la ICPM . Grupo de trabajo del IEEE sobre minería de procesos . Consultado el 10 de enero de 2021 .
10. Estándar IEEE para flujos de eventos extensibles (XES) para lograr interoperabilidad en registros de eventos y flujos de eventos. ieee. 11 de noviembre de 2016. doi :10.1109/IEEESTD.2016.7740858. ISBN 978-1-5044-2421-9. Recuperado el 10 de enero de 2021 .
11. "eXtensible Event Stream (XES)". eXtensible Event Stream (XES) . Grupo de trabajo sobre minería de procesos del IEEE. 11 de noviembre de 2016. Consultado el 10 de enero de 2021 .
12. "Manifiesto sobre minería de procesos". Manifiesto sobre minería de procesos . Grupo de trabajo del IEEE sobre minería de procesos. 2011. Consultado el 10 de enero de 2021 .
13. Aalst, W. van der , Weijters, A., y Maruster, L. (2004). Minería de flujo de trabajo: descubrimiento de modelos de procesos a partir de registros de eventos. IEEE Transactions on Knowledge and Data Engineering, 16 (9), 1128–1142.
14. Agrawal, R., Gunopulos, D. y Leymann, F. (1998). Modelos de procesos de minería a partir de registros de flujo de trabajo. Sexta conferencia internacional sobre la extensión de la tecnología de bases de datos (pp. 469–483).
15. Cook, J. y Wolf, A. (1998). Descubrimiento de modelos de procesos de software a partir de datos basados ​​en eventos. ACM Transactions on Software Engineering and Methodology, 7 (3), 215–249.
16. Datta, A. (1998). Automatización del descubrimiento de modelos de procesos de negocio tal como están: enfoques probabilísticos y algorítmicos. Information Systems Research, 9 (3), 275–301.
17. Weijters, A., y Aalst, W. van der (2003). Redescubrimiento de modelos de flujo de trabajo a partir de datos basados ​​en eventos utilizando Little Thumb. Ingeniería asistida por computadora integrada, 10 (2), 151–162.
18. 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.), On the Move to Meaningful Internet Systems 2005: CoopIS, DOA y ODBASE: OTM Confederated International Conferences, CoopIS, DOA y ODBASE 2005 (Vol. 3760, págs. 130-147). Springer-Verlag, Berlín.
19. 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 procesos. En C. Bussler et al. (Ed.), BPM 2005 Workshops (Taller sobre inteligencia de procesos de negocios) (Vol. 3812, págs. 163–176). Springer-Verlag, Berlín.
20. Zaveria (26 de marzo de 2023). "Las 5 principales empresas de software de minería de procesos para 2023". The Analytics Insight . Consultado el 5 de mayo de 2023 .
21. "Reseñas de las mejores herramientas de minería de procesos de 2024". Gartner.
22. "Conclusiones clave: Cuadrante mágico de Gartner de 2024 para herramientas de minería de procesos". 13 de mayo de 2024.

Lectura adicional

• 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: relación de procesos y modelos. 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: un estudio 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. Computer Supported Cooperative work, 14 (6), 549–593.
• Jans, M., van der Werf, JM, Lybaert, N., Vanhoof, K. (2011) Una aplicación de minería de procesos de negocios para la mitigación del fraude en 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 y P. Darondeau (Eds.), Aplicación y teoría de las redes de Petri 2005 (Vol. 3536, págs. 444–454). Springer-Verlag, Berlín.
• Aalst, W. van der . Guía práctica de minería de procesos: limitaciones del gráfico de seguimiento directo. En la Conferencia internacional sobre sistemas de información empresarial (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. Computadoras en la industria, 53 (3), 321–343.
• Grigori, D., Casati, F., Dayal, U., y Shan, M. (2001). Mejorar la calidad de los procesos de negocio mediante la comprensión, predicción y prevención de excepciones. En P. Apers, P. Atzeni, S. Ceri, S. Paraboschi, K. Ramamohanarao y R. Snodgrass (Eds.), Actas de la 27.ª conferencia internacional sobre bases de datos de gran tamaño (VLDB'01) (págs. 159-168). Morgan Kaufmann.
• IDS Scheer. (2002). ARIS Process Performance Manager (ARIS PPM): Mida, analice y optimice el rendimiento de sus procesos de negocio (informe técnico).
• Ingvaldsen, JE y JA Gulla (2006). Model Based Business Process Mining (Minería de procesos de negocio basada en modelos). Journal of Information Systems Management, vol. 23, n.º 1, número especial sobre inteligencia empresarial, Auerbach Publications
• Kirchmer, M., Laengle, S., y Masias, V. (2013). Gestión de procesos de negocio basada en la transparencia en entornos sanitarios [Leading Edge]. Revista Tecnología y Sociedad, IEEE, 32(4), 14-16.
• zur Muehlen, M. (2004). Control de procesos basado en flujos de trabajo: fundamento, diseño y aplicación de sistemas de información de procesos basados ​​en flujos de trabajo. Logos, Berlín.
• zur Muehlen, M., y Rosemann, M. (2000). Control y supervisión de procesos basados ​​en flujos de trabajo: cuestiones técnicas y organizativas. En R. Sprague (Ed.), Actas de la 33.ª conferencia internacional de Hawái sobre ciencia de sistemas (HICSS-33) (pp. 1–10). IEEE Computer Society Press, Los Alamitos, California.
• Rozinat, A., y Aalst, W. van der (2006b). Decision Mining in ProM. En S. Dustdar, J. Faideiro y A. Sheth (Eds.), International Conference on Business Process Management (BPM 2006) (Vol. 4102, págs. 420–425). Springer-Verlag, Berlín.
• Sayal, M., Casati, F., Dayal, U., y Shan, M. (2002). Business Process Cockpit. En Actas de la 28.ª conferencia internacional sobre bases de datos de gran tamaño (VLDB'02) (págs. 880–883). Morgan Kaufmann.
• Huser V, Starren JB, Preprocesamiento de datos de EHR que facilita la minería de datos: una aplicación a la enfermedad renal crónica. Actas del Simposio Anual de la AMIA 2009
• Ross-Talbot S, La importancia y el potencial de las descripciones para nuestra industria. Discurso inaugural en la 10.ª Conferencia Federada Internacional sobre Técnicas de Computación Distribuida [1]
• Garcia, Cleiton dos Santos; Meincheim, Alex; et al. (2019). Técnicas y aplicaciones de minería de procesos: un estudio sistemático de mapeo». 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. Descubrimiento de redes de Petri centradas en objetos. Fundamenta Informaticae, 175(1-4):1-40, 2020. doi:10.3233/FI-2020-1946 [3]

Enlaces externos

• La Conferencia Internacional de Minería de Procesos es la conferencia internacional anual sobre minería de procesos organizada por el Grupo de Trabajo del IEEE sobre Minería de Procesos.
• Investigación sobre 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.