Ir al contenido

Usuario:FarKeld

De Wikipedia, la enciclopedia libre
Esta es una versión antigua de esta página, editada a las 04:42 7 sep 2012 por FarKeld (discusión · contribs.). La dirección URL es un enlace permanente a esta versión, que puede ser diferente de la versión actual.

Minería de procesos es una técnica de administración de procesos que permite analizar los procesos de negocios en base a un registro de eventos. A través de esta activdad se desea extraer conocimiento desde los registros de evento de los procesos almacenados por los sistemas. Este conocimiento implica lograr realizar la traza de los procesos en estudio, incluyendo información de los actores que lo realizan, los tiempos involucrados, entre otras cosas. Uno de los objetivos es llevar el control de los procesos, pero además tiene como objetivo permitir el descubrimiento de procesos, controles, informacion y estructuras organizacionales partiendo de la base de los registros de eventos.[1]​

Descripción

La Minería de Procesos es utilizada generalmente cuando no existe una descripción formal de los procesos, o cuando la información existente es de mala calidad. Por ejemplo, el registro de atencín de un paciente en un hospital puede ser analizado a través de la Minería de Procesos para descubrir modelos que describan el flujo del paciente. Por otro lado, también pueden utilizarse los registros de eventos para compararlos con modelos probabilísticos para constrastar la realidad con el modelo propuesto.

Siendo el descubrimiento de modelos de proceso una etapa inicial, el paso siguiente de la Minería de Procesos es lograr una mejora en los procesos estudiados mediante la detección de cuellos de botella en el proceso, mejores rutas para cumplir con el mismo propósito, detección temprana de congestión, entre otras cosas.

Las tendencias actuales en gestión como el (Business Activity Monitoring), BOM (Business Operations Management), BPI (Business Process Intelligence) muestran el interés en soportar la funcionalidad de diagnóstico en el contexto de la tecnología de Business Process Management (ej., Flujos de trabajos y otros sistemas centrados en la información).

Aplicación

De acuerdo a fuentes relevantes[2]​, la Minería de Procesos sigue las posibilidades conocidas de la ingeniería de procesos de negocios y además aporta al modelado de procesos de negocios:

  • Análisis de procesos filtra, ordena y comprime los archivos de registros para facilitar las conexiones entre la operación de los procesos.
  • Diseño de procesos puede ser mantenido gracias a la información del monitoreo almacenada en los registros de eventos. Esto permite determinar cual es el modelo de procesos utilizado de manera empírica.
  • Validación de procesos utiliza los resultados de la minería de procesos, basado en los registros de eventos. para gatillar alguna operación.


Classification

There are three classes of process mining techniques. This classification is based on whether there is a prior model and, if so, how it is used.

  • Discovery: There is no a priori model, i.e., based on an event log some model is constructed a process model can be discovered based on low-level events. For example, using the alpha algorithm, which is a didactically driven approach, where the authors state the lack of analytiic capability for large event data volumes with such simple method. [3]​ . There exist many techniques to automatically construct process models (e.g., in terms of a Petri net) based some event log.[3]​[4]​[5]​[6]​[7]​ Recently, process mining research also started to target the other perspectives (e.g., data, resources, time, etc.). For example, the technique described in (Aalst, Reijers, & Song, 2005)[8]​ can be used to construct a social network.
  • Conformance analysis: There is an a priori model. This model is compared with the event log and discrepancies between the log and the model are analyzed. For example, there may be a process model indicating that purchase orders of more than 1 million euro require two checks. Another example is the checking of the so-called “four-eyes” principle. Conformance checking may be used to detect deviations to enrich the model. An example is the extension of a process model with performance data, i.e., some a priori process model is used to project the bottlenecks on. Another example is the decision miner described in (Rozinat & Aalst, 2006b)[9]​ which takes an a priori process model and analyzes every choice in the process model. For each choice the event log is consulted to see which information is typically available the moment the choice is made. Then classical data mining techniques are used to see which data elements influence the choice. As a result, a decision tree is generated for each choice in the process.
  • Extension: There is a prior model also. This model is extended with a new aspect or perspective, i.e., the goal is not to check conformance but to enrich the model. An example is the extension of a process model with performance data, i.e., some prior process model dynamically annotated with performance data (e.g., bottlenecks are shown by coloring parts of the process model).

See the book Process Mining: Discovery, Conformance and Enhancement of Business Processes by Wil van der Aalst for details.

Software para la Minería de procesos

Una aplicación para la evaluación de algoritmos de minería de procesos ha sido desarrollada por la Universidad Tecnológica de Eindhoven por Wil van der Aalst y otros colaboradores, estando esta herramienta disponible de manera abierta.

  • Process Mining[10]​
  • ProM Framework[11]​
  • ProM Import Framework[12]​

La funcionalidad de la Minería de procesos también es ofrecida por las siguientes empresas[13]​:

  • Celonis Discovery [14]​, plataforma de Minería de procesos e Inteligencia Empresarial para sistemas ERP como SAP u Oracle.
  • Celonis Orchestra [15]​, una plataforma de Minería de procesos e Inteligencia Empresarial para Servicios de Administración TI como BMC Remdy o HP Service Manager
  • Futura Reflect[16]​, una suite de Minería de procesos e Inteligencia Empresarial desarrollada por Futura Technology
  • Interstage Automated Process Discovery,[17]​ un servicio de Minería de procesos ofrecido por Fujitsu, Ltd. como parte de la Interstage Integration Middleware Suite.
  • BPMone[18]​, ofrecee tanto la funcionalidad más básica de Minería de procesos, como niveles más avanzados como parte de la Pallas Athena BPMone software suite.
  • Nitro[19]​ es una herramienta de Fluxicon[20]​ para convertir registros de eventos en CSV y XLS para ProM.
  • ARIS Process Performance Manager[21]​, a una plataforma de Minería de procesos e Inteligencia Empresarial ofrecida por Software AG como parte de su Process Intelligence Solution.
  • QPR ProcessAnalyzer[22]​, una herramienta para Automated Business Process Discovery, y QPR ProcessAnalysis[23]​, un servicio basado en las citas, ofrecido por QPR Software Plc[24]​
  • Disco[25]​ es una aplicación completa de minería de procesos hecha por Fluxicon[26]​.

Enlaces relacionados

References

  1. ↑ Process mining website. Accessed April 18th, 2011.
  2. ↑ Process Mining: Discovery, Conformance and Enhancement of Business Processes, Springer Verlag, Berlin (ISBN 978-3-642-19344-6).
  3. ↑ a b Aalst, W. van der, Weijters, A., & Maruster, L. (2004). Workflow Mining: Discovering Process Models from Event Logs. IEEE Transactions on Knowledge and Data Engineering, 16 (9), 1128–1142.
  4. ↑ Agrawal, R., Gunopulos, D., & Leymann, F. (1998). Mining Process Models from Workflow Logs. In Sixth international conference on extending database technology (pp. 469–483).
  5. ↑ Cook, J., & Wolf, A. (1998). Discovering Models of Software Processes from Event-Based Data. ACM Transactions on Software Engineering and Methodology, 7 (3), 215–249.
  6. ↑ Datta, A. (1998). Automating the Discovery of As-Is Business Process Models: Probabilistic and Algorithmic Approaches. Information Systems Research, 9 (3), 275–301.
  7. ↑ Weijters, A., & Aalst, W. van der (2003). Rediscovering Workflow Models from Event-Based Data using Little Thumb. Integrated Computer-Aided Engineering, 10 (2), 151–162.
  8. ↑ Aalst, W. van der, Beer, H., & Dongen, B. van (2005). Process Mining and Verification of Properties: An Approach based on Temporal Logic. In R. Meersman & Z. T. et al. (Eds.), On the Move to Meaningful Internet Systems 2005: CoopIS, DOA, and ODBASE: OTM Confederated International Conferences, CoopIS, DOA, and ODBASE 2005 (Vol. 3760, pp. 130–147). Springer-Verlag, Berlin.
  9. ↑ Rozinat, A., & Aalst, W. van der (2006a). Conformance Testing: Measuring the Fit and Appropriateness of Event Logs and Process Models. In C. Bussler et al. (Ed.), BPM 2005 Workshops (Workshop on Business Process Intelligence) (Vol. 3812, pp. 163–176). Springer-Verlag, Berlin.
  10. ↑ Process Mining
  11. ↑ Prom Framework
  12. ↑ Prom Import Framework
  13. ↑ Bloor Research: Automating Business Process Discovery
  14. ↑ Celonis Discovery
  15. ↑ Celonis Orchestra
  16. ↑ Futura Reflect
  17. ↑ Interstage Automated Process Discovery
  18. ↑ Pallas Athena Process Analysis
  19. ↑ Nitro
  20. ↑ Fluxicon
  21. ↑ [1]
  22. ↑ QPR ProcessAnalyzer
  23. ↑ QPR ProcessAnalysis
  24. ↑ QPR Software Plc
  25. ↑ Disco
  26. ↑ Fluxicon

Otras lecturas

  • Aalst, W. van der (2011). Process Mining: Discovery, Conformance and Enhancement of Business Processes. Springer Verlag, Berlin (ISBN 978-3-642-19344-6).
  • Aalst, W. van der, Dongen, B. van, Herbst, J., Maruster, L., Schimm, G., & Weijters, A. (2003). Workflow Mining: A Survey of Issues and Approaches. Data and Knowledge Engineering, 47 (2), 237–267.
  • Aalst, W. van der, Reijers, H., & Song, M. (2005). Discovering Social Networks from Event Logs. Computer Supported Cooperative work, 14 (6), 549–593.
  • Jans, M., van der Werf, J.M., Lybaert, N., Vanhoof, K. (2011) A business process mining application for internal transaction fraud mitigation, Expert Systems with Applications, 38 (10), 13351–13359
  • Dongen, B. van, Medeiros, A., Verbeek, H., Weijters, A., & Aalst, W. van der (2005). The ProM framework: A New Era in Process Mining Tool Support. In G. Ciardo & P. Darondeau (Eds.), Application and Theory of Petri Nets 2005 (Vol. 3536, pp. 444–454). Springer-Verlag, Berlin.
  • Dumas, M., Aalst, W. van der, & Hofstede, A. ter (2005). Process-Aware Information Systems: Bridging People and Software through Process Technology. Wiley & Sons.
  • Grigori, D., Casati, F., Castellanos, M., Dayal, U., Sayal, M., & Shan, M. (2004). Business Process Intelligence. Computers in Industry, 53 (3), 321–343.
  • Grigori, D., Casati, F., Dayal, U., & Shan, M. (2001). Improving Business Process Quality through Exception Understanding, Prediction, and Prevention. In P. Apers, P. Atzeni, S. Ceri, S. Paraboschi, K. Ramamohanarao, & R. Snodgrass (Eds.), Proceedings of 27th international conference on Very Large Data Bases (VLDB’01) (pp. 159–168). Morgan Kaufmann.
  • IDS Scheer. (2002). ARIS Process Performance Manager (ARIS PPM): Measure, Analyze and Optimize Your Business Process Performance (whitepaper).
  • Ingvaldsen, J.E., & J.A. Gulla. (2006). Model Based Business Process Mining. Journal of Information Systems Management, Vol. 23, No. 1, Special Issue on Business Intelligence, Auerbach Publications
  • zur Muehlen, M. (2004). Workflow-based Process Controlling: Foundation, Design and Application of workflow-driven Process Information Systems. Logos, Berlin.
  • zur Muehlen, M., & Rosemann, M. (2000). Workflow-based Process Monitoring and Controlling – Technical and Organizational Issues. In R. Sprague (Ed.), Proceedings of the 33rd Hawaii international conference on system science (HICSS-33) (pp. 1–10). IEEE Computer Society Press, Los Alamitos, California.
  • Rozinat, A., & Aalst, W. van der (2006b). Decision Mining in ProM. In S. Dustdar, J. Faideiro, & A. Sheth (Eds.), International Conference on Business Process Management (BPM 2006) (Vol. 4102, pp. 420–425). Springer-Verlag, Berlin.
  • Sayal, M., Casati, F., Dayal, U., & Shan, M. (2002). Business Process Cockpit. In Proceedings of 28th international conference on very large data bases (VLDB’02) (pp. 880–883). Morgan Kaufmann.
  • Huser V, Starren JB, EHR Data Pre-processing Facilitating Process Mining: an Application to Chronic Kidney Disease. AMIA Annu Symp Proc 2009 link

Enlaces externos




Chile Este usuario es originario de Chile
Obtenido de «https://es.wikipedia.org/w/index.php?title=Usuario:FarKeld&oldid=59462235»