El descubrimiento de procesos de negocio (BPD) relacionado con la gestión de procesos de negocio y la minería de procesos es un conjunto de técnicas que construyen de forma manual o automática una representación de los procesos de negocio actuales de una organización y sus principales variaciones de proceso. Estas técnicas utilizan datos registrados en los métodos de trabajo organizativos existentes, la documentación y los sistemas tecnológicos que ejecutan los procesos de negocio dentro de una organización. El tipo de datos necesarios para el descubrimiento de procesos se denomina registro de eventos. Cualquier registro de datos que contenga el identificador del caso (un identificador único que resulta útil para agrupar las actividades que pertenecen al mismo caso), el nombre de la actividad (descripción de la actividad que se lleva a cabo) y la marca de tiempo . Un registro de este tipo califica para un registro de eventos y se puede utilizar para descubrir el modelo de proceso subyacente. El registro de eventos puede contener información adicional relacionada con el proceso, como los recursos que ejecutan la actividad, el tipo o la naturaleza de los eventos o cualquier otro detalle relevante. El descubrimiento de procesos tiene como objetivo obtener un modelo de proceso que describa el registro de eventos lo más fielmente posible. El modelo de proceso actúa como una representación gráfica del proceso ( redes de Petri , BPMN , diagramas de actividad , diagramas de estado , etc.). Los registros de eventos utilizados para el descubrimiento pueden contener ruido, información irregular y marcas de tiempo inconsistentes o incorrectas. El descubrimiento de procesos es un desafío debido a estos registros de eventos ruidosos y porque el registro de eventos contiene solo una parte del proceso real oculto detrás del sistema. Los algoritmos de descubrimiento deben depender únicamente de un pequeño porcentaje de los datos proporcionados por los registros de eventos para desarrollar el modelo más cercano posible al comportamiento real.
Técnicas de descubrimiento de procesos
A lo largo de los años se han desarrollado varios algoritmos para descubrir el modelo de proceso utilizando un registro de eventos:
Algoritmo α : el algoritmo α fue el primer algoritmo de descubrimiento de procesos que podía manejar adecuadamente la concurrencia. Con un registro de eventos como entrada, el algoritmo α deriva varias "relaciones" entre las actividades que ocurren en el registro de eventos. Estas relaciones se utilizan para producir una red de Petri que representa el registro. Aunque el algoritmo α no debe considerarse una técnica de minería que se pueda utilizar en la práctica, proporciona una buena introducción al tema. El algoritmo α proporcionó la base para muchas otras técnicas de descubrimiento de procesos. [1]
Minería heurística : los algoritmos de minería heurística utilizan una representación similar a las redes causales. Además, estos algoritmos tienen en cuenta las frecuencias de los eventos y las secuencias al construir un modelo de proceso. La idea básica es que no se deben incorporar al modelo rutas poco frecuentes. [2]
Minería de procesos genéticos : el algoritmo α y las técnicas de minería heurística y difusa proporcionan modelos de procesos de manera directa y determinista. Los algoritmos genéticos son una técnica de búsqueda que imita el proceso natural de evolución en los sistemas biológicos. Estos algoritmos intentan encontrar una solución en el espacio de búsqueda, ya sea probando puntos existentes o mediante el proceso de mutación o una combinación de puntos existentes. Estos enfoques no son deterministas y dependen de la aleatorización para encontrar nuevas alternativas. [3]
Minería basada en regiones : en el contexto de las redes de Petri, los investigadores han estado estudiando el llamado problema de síntesis, es decir, la construcción de un modelo de sistema a partir de una descripción de su comportamiento. Las regiones basadas en estados se pueden utilizar para construir una red de Petri a partir de un sistema de transición. Esta técnica encuentra "regiones de excitación general" y construye redes de Petri utilizando dichas regiones. Las regiones basadas en lenguaje se pueden utilizar para construir una red de Petri a partir de un lenguaje cerrado por prefijo. La técnica de región basada en lenguaje utiliza restricciones algebraicas modeladas a partir del registro de eventos para determinar los lugares que permiten el comportamiento observado en el registro de eventos. [4]
Minero inductivo : existe una variedad de técnicas de descubrimiento de procesos inductivos para árboles de procesos, que garantizan la solidez desde la construcción. Por lo tanto, el marco de minería inductiva es altamente extensible y permite muchas variantes del enfoque básico. Se considera uno de los enfoques de descubrimiento de procesos líderes debido a su flexibilidad, garantías formales y escalabilidad. [5]
Solicitud
Business Process Discovery complementa y amplía el trabajo en muchos otros campos.
El descubrimiento de procesos es uno de los tres tipos principales de minería de procesos . Los otros dos tipos de minería de procesos son la comprobación de conformidad y la ampliación/mejora del modelo. [6] Todas estas técnicas tienen como objetivo extraer conocimiento relacionado con el proceso de los registros de eventos. En el caso del descubrimiento de procesos, no hay un modelo de proceso previo; el modelo se descubre en función de los registros de eventos. La comprobación de conformidad tiene como objetivo encontrar diferencias entre un modelo de proceso determinado y un registro de eventos. De esta manera, es posible cuantificar el cumplimiento y analizar las discrepancias. La mejora toma un modelo a priori y lo mejora o amplía utilizando información del registro de eventos, por ejemplo, muestra cuellos de botella.
El descubrimiento de procesos de negocios es el siguiente nivel de comprensión en el campo emergente de la analítica de negocios , que permite a las organizaciones ver, analizar y ajustar la estructura y los procesos subyacentes que intervienen en las operaciones diarias. Este descubrimiento incluye la recopilación de información de todos los componentes de un proceso de negocios, incluida la tecnología, las personas, los procedimientos y protocolos del departamento.
El descubrimiento de procesos de negocio crea un maestro de procesos que complementa el análisis de procesos de negocio (BPA). Las herramientas y metodologías de BPA son adecuadas para la descomposición jerárquica de procesos de arriba hacia abajo y el análisis de los procesos futuros. BPD proporciona un análisis de abajo hacia arriba que se combina con el de arriba hacia abajo para proporcionar un proceso de negocio completo, organizado jerárquicamente por BPA.
Business Intelligence proporciona a las organizaciones informes y análisis de los datos de sus organizaciones. Sin embargo, BI no tiene un modelo de proceso, conocimiento ni análisis. BPD complementa a BI al proporcionar una vista explícita del proceso de las operaciones actuales y brindar análisis sobre ese modelo de proceso para ayudar a las organizaciones a identificar y actuar ante ineficiencias o anomalías en los procesos de negocios.
Los análisis web son un ejemplo limitado de BPD, ya que reconstruyen el proceso del usuario web a medida que interactúa con un sitio web. Sin embargo, estos análisis se limitan al proceso tal como está contenido en la sesión, desde la perspectiva del usuario y con respecto únicamente al sistema y proceso basados en la web.
El triaje empresarial proporciona un marco para categorizar los procesos identificados mediante el análisis de procesos empresariales (BPA) en función de su importancia relativa para lograr un objetivo o resultado determinado y medible. Utilizando las mismas categorías empleadas por los servicios médicos militares y de atención médica en caso de desastre, los procesos empresariales se clasifican de la siguiente manera:
Esencial/crítico (proceso rojo): proceso esencial para lograr resultados/objetivos.
Importante/urgente (proceso amarillo): proceso que acelera el logro de resultados/objetivos.
Opcional/de apoyo (proceso verde): proceso que no es necesario para lograr resultados/objetivos.
Los recursos se asignan en función de la categoría del proceso: primero se destinan a los procesos rojos, luego a los amarillos y, por último, a los verdes. En caso de que los recursos se vuelvan limitados, primero se retienen los recursos de los procesos verdes y luego de los amarillos. Solo se retienen los recursos de los procesos rojos si no se logran los resultados o las metas, lo que es aceptable.
El propósito y el ejemplo
Un pequeño ejemplo puede ilustrar la tecnología de Business Process Discovery que se requiere hoy en día. Las herramientas de Business Process Discovery automatizadas capturan los datos necesarios y los transforman en un conjunto de datos estructurados para el diagnóstico real; un desafío importante es la agrupación de acciones repetitivas de los usuarios en eventos significativos. A continuación, estas herramientas de Business Process Discovery proponen modelos de procesos probabilísticos. El comportamiento probabilístico es esencial para el análisis y el diagnóstico de los procesos. A continuación se muestra un ejemplo en el que se recupera un proceso de reparación probabilístico a partir de las acciones del usuario. El modelo de proceso "tal como está" muestra exactamente dónde está el problema en este negocio. Un cinco por ciento de reparaciones defectuosas es una mala señal, pero peor aún, las reparaciones repetitivas que se necesitan para completar esas reparaciones son engorrosas.
Ejemplo de descubrimiento de procesos de negocio
Un análisis más profundo de los datos del proceso "tal como están" puede revelar cuáles son las piezas defectuosas responsables del comportamiento general en este ejemplo. Puede llevar al descubrimiento de subgrupos de reparaciones que realmente necesitan la atención de la gerencia para mejorarlas.
Comprender el proceso empresarial
En este caso, resultaría obvio que las piezas defectuosas también son responsables de las reparaciones repetidas. Se han documentado casos similares, como el caso de un proveedor de seguros médicos, en el que en cuatro meses se obtuvo el retorno de la inversión del análisis de procesos comerciales gracias a la comprensión precisa de su proceso de tramitación de reclamaciones y al descubrimiento de las piezas defectuosas.
Historia
La inteligencia empresarial (BI) surgió hace más de 20 años y es fundamental para informar lo que sucede dentro de los sistemas de una organización. Sin embargo, las aplicaciones de BI y las tecnologías de minería de datos actuales no siempre son adecuadas para evaluar el nivel de detalle necesario para analizar datos no estructurados y la dinámica humana de los procesos empresariales.
Six Sigma y otros enfoques cuantitativos para la mejora de los procesos de negocio se han utilizado durante más de una década con distintos grados de éxito. Una limitación importante para el éxito de estos enfoques es la disponibilidad de datos precisos para formar la base del análisis. Con BPD, muchas organizaciones Six Sigma están descubriendo la capacidad de extender su análisis a los principales procesos de negocio de manera eficaz.
Minería de procesos Según investigadores de la Universidad Tecnológica de Eindhoven, la minería de procesos (PM) surgió como disciplina científica alrededor de 1990 cuando técnicas como el algoritmo Alpha permitieron extraer modelos de procesos (típicamente representados como redes de Petri ) de registros de eventos. Han surgido críticas [ cita requerida ] que señalan que la minería de procesos no es más que un conjunto de algoritmos que resuelve un problema empresarial específico y simple: el descubrimiento de procesos de negocio y métodos auxiliares de evaluación. Hoy en día, existen más de 100 algoritmos de minería de procesos que pueden descubrir modelos de procesos que también incluyen concurrencia, por ejemplo, técnicas de descubrimiento de procesos genéticos, algoritmos de minería heurística, algoritmos de minería basados en regiones y algoritmos de minería difusa.
Modelos de procesos
Las técnicas de descubrimiento de procesos aplicadas a los registros de eventos proporcionan una representación gráfica de un proceso. El resultado de un algoritmo de descubrimiento de procesos es generalmente un modelo de proceso y estadísticas de los casos que forman parte del registro de eventos. La representación y la precisión del modelo descubierto dependen tanto de la técnica utilizada para el descubrimiento como del tipo de visualización que se elija.
Gráfico de seguimiento directo : un gráfico de seguimiento directo (DFG) es la representación más simple de los modelos de proceso. En un gráfico de seguimiento directo, cada nodo representa una actividad y los arcos describen la relación entre varias actividades. Por lo general, en un modelo de proceso, el gráfico de seguimiento directo tiene una fuente y un sumidero que representan las actividades de inicio y fin. Un arco en el gráfico de seguimiento directo entre dos actividades cualesquiera representa que la actividad de origen es seguida directamente por la actividad de sumidero en el registro de eventos. [7]
Redes de Petri : Las redes de Petri proporcionan una representación de alto nivel de los modelos de procesos y permiten una representación compacta del comportamiento concurrente en los procesos. Una red de Petri es capaz de mostrar diferentes tipos de transformaciones entre las actividades. Las redes de Petri son capaces de describir la ejecución secuencial, paralela, de elección y de bucle entre varias actividades en los procesos. La noción de flujos de tokens ha sido adoptada por la mayoría de los lenguajes de modelado gráfico de procesos (BPMN, diagramas de actividad UML, etc.). [8]
BPMN : El estándar BPMN 2.0 (Business Process Model and Notation) es ampliamente utilizado y permite construir modelos de procesos compactos y comprensibles. Además de la perspectiva de flujo de control plana, los subprocesos, los flujos de datos y los recursos se pueden integrar dentro de un diagrama BPMN. Esto hace que BPMN sea muy atractivo tanto para los mineros de procesos como para los usuarios comerciales, ya que la perspectiva de flujo de control se puede integrar con las perspectivas de datos y recursos descubiertas a partir de los registros de eventos. [9]
^ van der Aalst, W.; Weijters, T.; Maruster, L. (septiembre de 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. doi :10.1109/TKDE.2004.47. ISSN 1558-2191. S2CID 5282914.
^ AJMM, Weijters (2006). Minería de procesos con el algoritmo HeuristicsMiner. Universidad Técnica de Eindhoven. OCLC 1028695309.
^ de Medeiros, AKA; Weijters, AJMM; van der Aalst, WMP (1 de abril de 2007). "Minería de procesos genéticos: una evaluación experimental". Minería de datos y descubrimiento de conocimiento . 14 (2): 245–304. doi : 10.1007/s10618-006-0061-7 . ISSN 1573-756X. S2CID 17840407.
^ Carmona, Josep; Cortadella, Jordi; Kishinevsky, Michael (2008). "Un algoritmo basado en regiones para descubrir redes de Petri a partir de registros de eventos". En Dumas, Marlon; Reichert, Manfred; Shan, Ming-Chien (eds.). Business Process Management . Apuntes de clase en informática. Vol. 5240. Berlín, Heidelberg: Springer. págs. 358–373. doi :10.1007/978-3-540-85758-7_26. hdl : 2117/130975 . ISBN978-3-540-85758-7.
^ Leemans, Sander JJ; Fahland, Dirk; van der Aalst, Wil MP (2013). "Descubrimiento de modelos de procesos estructurados en bloques a partir de registros de eventos: un enfoque constructivo". En Colom, José-Manuel; Desel, Jörg (eds.). Aplicación y teoría de redes de Petri y concurrencia . Lecture Notes in Computer Science. Vol. 7927. Berlín, Heidelberg: Springer. págs. 311–329. doi :10.1007/978-3-642-38697-8_17. ISBN .978-3-642-38697-8.
^ Minería de procesos
^ van der Aalst, Wil MP (2019). "Guía para profesionales de la minería de procesos: limitaciones del grafo de seguimiento directo". Procedia Computer Science . 164 : 321–328. doi : 10.1016/j.procs.2019.12.189 . ISSN 1877-0509.
^ Van Der Aalst, Wil MP (2013). "Descomposición de redes de Petri para minería de procesos: un enfoque genérico". Bases de datos distribuidas y paralelas . 31 (4): 471–507. doi :10.1007/s10619-013-7127-5. S2CID 3364469.
^ Kalenkova, Anna A.; van der Aalst, Wil MP; Lomazova, Irina A.; Rubin, Vladimir A. (2015-10-20). "Minería de procesos usando BPMN: relacionando registros de eventos y modelos de procesos". Software & Systems Modeling . 16 (4): 1019–1048. doi :10.1007/s10270-015-0502-0. ISSN 1619-1366. S2CID 5459379.
Lectura adicional
WMP van der Aalst , "Minería de procesos: descubrimiento, conformidad y mejora de los procesos comerciales". Springer Verlag, Berlín, 2011 ( ISBN 978-3-642-19344-6 ).
Cook JE, Wolf AL, "Automatización del descubrimiento de procesos a través del análisis de datos de eventos", Actas de la 17a Conferencia Internacional sobre Ingeniería de Software, Seattle, Washington, EE. UU., 1995.
Irani Z., Hlupic V., Giaglis G., "Reingeniería de procesos de negocio: una perspectiva de diseño", The International Journal of Flexible Manufacturing Systems, 12, págs. 247-252 (2000)
Linton, JD, "Enfrentando los desafíos de la automatización de servicios: un facilitador para el comercio electrónico y la ganancia de productividad en los servicios tradicionales", IEE transactions on Engineering Management, 54, No. 4, noviembre de 2003.
Linton, J., "Mapeo y diseño de procesos: un mapa de procesos detallado puede ayudar a reducir todo, desde el tiempo de ciclo hasta los defectos y los pasos del proceso", Circuits Assembly: The Journal for Surface Mount and Electronics Assembly, febrero de 2007
Verner, L., "El desafío del descubrimiento de procesos", BPM Trends, mayo de 2004.
WMP van der Aalst , BF van Dongen, J. Herbst, L. Maruster, G. Schimm y AJMM Weijters. Minería de flujo de trabajo: un estudio de problemas y enfoques. Ingeniería de datos y conocimiento, 47(2):237-267, 2003.
WMP van der Aalst , AJMM Weijters y L. Maruster. 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, 2004.
WMP van der Aalst , HA Reijers, AJMM Weijters, BF van Dongen, AK Alves de Medeiros, M. Song y HMW Verbeek. Minería de procesos comerciales: una aplicación industrial. Sistemas de información, 32(5):713-732, 2007.
W. van der Aalst , T. Weijters y L. Maruster, "Minería de flujo de trabajo: descubrimiento de modelos de procesos a partir de registros de eventos", en IEEE Transactions on Knowledge and Data Engineering, vol. 16, núm. 9, págs. 1128–1142, septiembre de 2004, doi: 10.1109/TKDE.2004.47.
