Tratamiento de la falta de información en minería de procesos

Autores/as

  • Raykenler Yzquierdo-Herrera Universidad de las Ciencias Informáticas
  • Rogelio Silverio-Castro Universidad de las Ciencias Informáticas
  • Manuel Lazo-Cortés Universidad de las Ciencias Informáticas

DOI:

https://doi.org/10.17533/udea.redin.18131

Palabras clave:

minería de procesos, registro de eventos, Trazador, ausencia de información

Resumen

La minería de procesos es una disciplina que abarca el descubrimiento, monitoreo y mejora de los procesos reales, a través de la extracción de conocimiento de los registros de eventos ampliamente disponibles en los actuales sistemas de información. La mayoría de los algoritmos de minería de procesos parten del supuesto que las trazas son completas y están libres de ruido. En la realidad este supuesto rara vez se cumple. La ausencia de información afecta la comprensión del modelo descubierto. En el trabajo se propone un conjunto de pasos para la estimación de la información ausente en las trazas utilizadas para la minería de procesos. Como parte de la estimación se propone alinear las trazas durante la etapa de pre-procesamiento de estas para detectar las posibles situaciones en las que se manifiesta la ausencia de información. A partir de las situaciones detectadas se estima la información ausente y se genera en correspondencia un nuevo registro de evento, el cual puede ser utilizado por los diferentes algoritmos de descubrimiento de proceso existentes. Finalmente se discuten los resultados experimentales obtenidos al aplicar la propuesta.

|Resumen
= 252 veces | PDF
= 47 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Citas

C. Hentrich, Z. Uwe. Service Integration Patterns for Invoking Services from Business Processes. In Proceedings of 12th European Conference on Pattern Languages of Programs (EuroPLoP 2007). Irsee, Germany. 2007. pp. 1-45.

R. Agrawal, D. Gunopulos, F. Leymann. Mining Process Models from Workflow Logs. In 6th International Conference on Extending Database Technology. Ed. Springer-Verlag. London, UK. 1998. pp. 469-483. DOI: https://doi.org/10.1007/BFb0101003

J. Cook, A. Wolf, “Discovering Models of Software Processes from Event-Based Data,” ACM Transactions on Software Engineering and Methodology. Vol. 7. 1998. pp. 215-249. DOI: https://doi.org/10.1145/287000.287001

W. Van der Aalst. Process Mining: Discovery, Conformance and Enhancement of Business Processes. Ed. Springer-Verlag. Heidelberg, Germany. 2011. pp. 352. DOI: https://doi.org/10.1007/978-3-642-19345-3

W. Van der Aalst, A. Adriansyah, A. de Medeiros, F. Arcieri, T. Baier, T. Blickle, J. Chandra. “Business Process Management Workshops”. Lecture Notes in Business Information Processing. Vol. 99. 2011. pp. 167-168.

C. Günther, W. van der Aalst. “Fuzzy Mining: Adaptive Process Simplification Based on Multi-Perspective Metrics”. Lecture Notes in Computer Science. Vol. 4714. 2007. pp. 328-343. DOI: https://doi.org/10.1007/978-3-540-75183-0_24

W. van der Aalst, A. Weijters, “Process Mining: A Research Agenda.” Special Issue of Computers in Industry. Vol. 53. 2004. pp. 231-244. DOI: https://doi.org/10.1016/j.compind.2003.10.001

R. Farkhady, S. Aali. “A Probabilistic Approach for Process Mining in Incomplete and Noisy Logs”. Lecture Notes in Engineering and Computer Science. Vol. 2188. 2011. pp. 415-420.

A. Adriansyah, B. van Dongen, W. van der Aalst. Conformance Checking Using Cost-Based Fitness Analysis. In EDOC ‘11 Proceedings of the 2011 IEEE 15th International Enterprise Distributed Object Computing Conference, Helsinki, Finland. Ed. IEEE Computer Society. Washington DC, USA. 2011. pp. 55-64. DOI: https://doi.org/10.1109/EDOC.2011.12

J. Muñoz, J. Carmona. A fresh look at precision in process conformance. Ed. Springer-Verlag. Hoboken, NJ, USA. 2010. pp. 211-226. DOI: https://doi.org/10.1007/978-3-642-15618-2_16

W. Van der Aalst. On the Representational Bias in Process Mining. In Proceedings of the 2011 IEEE 20th International Workshops on Enabling Technologies: Infrastructure for Collaborative Enterprises. Paris, France. 2011. pp. 2-7. DOI: https://doi.org/10.1109/WETICE.2011.64

M. Song, W. Van der Aalst. Supporting process mining by showing events at a glance. In K. Chari & A. Kumar (Eds.). Proceeding of the Seventeenth Annual Workshop on Information Technologies and Systems (WITS’07). Montreal, Canada. December 8-9. 2007. pp. 139-145.

R. Bose, W. Van der Aalst. “Process diagnostics using trace alignment: Opportunities, issues and challenges.” Inf. Syst. Vol. 37. 2012. pp. 117-141. DOI: https://doi.org/10.1016/j.is.2011.08.003

L. Ly, C. Indiono, J. Mangler, S. Rinderle. “Data Transformation and Semantic Log Purging for Process Mining”. Lecture Notes in Computer Science. Vol. 7328. 2012. pp. 238-253. DOI: https://doi.org/10.1007/978-3-642-31095-9_16

W. Van der Aalst, H. Beer, B. Dongen. “Process mining and verification of properties: An approach based on temporal logic.” Lecture Notes in Computer Science. Vol. 3761. 2005. pp. 130-147. DOI: https://doi.org/10.1007/11575771_11

W. Van. der Aalst, B. Van Dongen, C. Günther, A. Rozinat, E. Verbeek, A. Weijters. ProM: the process mining toolkit. In A.K. Alves de Medeiros & B. Weber (Eds.), Proceedings of the BPM 2009 Demonstration Track. Ulm, Germany. 2009. pp. 1-4.

H.. Verbeek, J. Buijs, B. van Dongen, W. van der Aalst. ProM6: The Process Mining Toolkit. Proceeding of the Proceedings of the Business Process Management 2010 Demonstration Track. Hoboken NJ, USA. 2010. Vol. 615. pp. 34-39.

A. de Medeiros. Genetic Process Mining. PhD. Thesis. Technische Universiteit Eindhoven. Eindhoven, Netherlands. 2006. pp. 384.

A. Tiwari, C. Turner, B. Majeed. “A review of business process mining: state-of-the-art and future trends.” Business Process Management. Vol. 14. 2008. pp. 5-22 DOI: https://doi.org/10.1108/14637150810849373

R. Yzquierdo, R. Silverio, M. Lazo, A. Torres. “Diagnóstico de proceso basado en el descubrimiento de subprocesos.” Revista Ingeniería Industrial. Vol. 33. 2012. pp. 133-141.

A. Rozinat, W. Van der Aalst. “Conformance checking of processes based on monitoring real behavior.” Inf. Syst. Vol. 33. 2008. pp. 64-95. DOI: https://doi.org/10.1016/j.is.2007.07.001

R. Van Arendonk. A Benchmark Set for Process Discovery Algorithms. Master Thesis. Eindhoven University of Technology. Eindhoven, Netherlands. 2011. pp. 69.

J. Weerdt, M. Backer, J. Vanthienen, B. Baesens. “A critical evaluation study of model-log metrics in process discovery”. Lecture Notes in Business Information Processing. Vol. 66. 2011. pp. 158-169. DOI: https://doi.org/10.1007/978-3-642-20511-8_14

A. Adriansyah, B. Van Dongen, W. Van der Aalst. “Towards Robust Conformance Checking”. Lecture Notes in Business Information Processing. Vol. 66. 2011. pp. 122-133. DOI: https://doi.org/10.1007/978-3-642-20511-8_11

A. Rozinat, W. Van der Aalst. “Conformance Testing: Measuring the Fit and Appropriateness of Event Logs and Process Models.” Lecture Notes in Computer Science. Vol. 3812. 2006. pp. 163-176. DOI: https://doi.org/10.1007/11678564_15

L. Wen, J. Wang, W. Van der Aalst, Z. Wang, J. Sun. “A Novel Approach for Process Mining Based on Event Types.” Journal of Intelligent Information Systems. Vol. 32. 2009. pp. 163-190. DOI: https://doi.org/10.1007/s10844-007-0052-1

J. Werf, B. Dongen, C. Hurkens, A. Serebrenik. Process Discovery Using Integer Linear Programming. In Proceedings of the 29th international conference on Applications and Theory of Petri Nets. Xi’an, China. 2008. pp. 368-387. DOI: https://doi.org/10.1007/978-3-540-68746-7_24

W. Conover. Practical nonparametric statistics. 2nd ed. Ed. John Wiley & Sons. New York, US. 1998. pp. 332-467.

Descargas

Publicado

2014-01-17

Cómo citar

Yzquierdo-Herrera, R., Silverio-Castro, R., & Lazo-Cortés, M. (2014). Tratamiento de la falta de información en minería de procesos. Revista Facultad De Ingeniería Universidad De Antioquia, (69), 67–78. https://doi.org/10.17533/udea.redin.18131

Artículos más leídos del mismo autor/a

Artículos similares

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 > >> 

También puede {advancedSearchLink} para este artículo.