Busca avançada
Ano de início
Entree

Uma abordagem evolutiva para a descoberta de processos de negócio não estruturados com base em coevolução cooperativa e no modelo de ilha

Processo: 17/26491-1
Modalidade de apoio:Bolsas no Exterior - Pesquisa
Data de Início da vigência: 01 de agosto de 2018
Data de Término da vigência: 31 de julho de 2019
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Marcelo Fantinato
Beneficiário:Marcelo Fantinato
Pesquisador Anfitrião: Hajo Alexander Reijers
Instituição Sede: Escola de Artes, Ciências e Humanidades (EACH). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Instituição Anfitriã: University Amsterdam (VU), Holanda  
Assunto(s):Algoritmos genéticos   Sistemas de informação
Palavra(s)-Chave do Pesquisador:Algoritmos Geneticos | Bpm | Business Process Management | Gestão de Processos de Negócio | mineração de processos | Process mining | Sistemas de Informação

Resumo

A combinação de Gestão de Processos de Negócio (BPM - Business Process Management) com mineração de dados estabeleceu um novo campo de pesquisa - conhecido como mineração de processos. O objetivo da mineração de processos é extrair conhecimento sobre dados obtidos a partir do trabalho realizado em diferentes estágios do ciclo de vida de BPM. A mineração de processos busca melhorar os processos de negócio ao descobrir ligações entre variáveis e padrões comportamentais (ou não comportamentais). Os dados a serem extraídos são geralmente formados por registros de eventos produzidos pelos sistemas de informação usados pelas organizações. Embora já tenha havido uma evolução significativa em relação às técnicas específicas necessárias para a mineração de processos, elas ainda não são adequadas para processos não estruturados, que são de fato os mais frequentemente encontrados em organizações reais. O fluxo de execução dos processos não estruturados tem uma dependência causal fraca entre suas atividades, ou seja, esses fluxos dependem em grande parte de decisões ocasionais feitas por seus participantes, o que torna a execução das instâncias essencialmente diferentes umas das outras. Esse alto grau de comportamento irregular leva a uma complexidade considerável e representa um desafio para as técnicas atuais de mineração de processos. Alguns estudos buscaram o apoio de técnicas avançadas de mineração de dados para ajudar a lidar com esse tipo de cenário, incluindo o uso de algoritmos genéticos. No entanto, mesmo com a ajuda de algoritmos genéticos, o problema de como descobrir modelos de processos de negócio não estruturados ainda não foi resolvido satisfatoriamente. Este projeto adota duas estratégias avançadas: coevolução cooperativa e modelo de ilha. A coevolução cooperativa faz uma avaliação de aptidão subjetiva de indivíduos, determinando se eles funcionam juntos ou não; o modelo de ilha leva à evolução de subpopulações separadamente. Espera-se com este projeto que sejam encontradas melhores soluções para a descoberta de modelos de processos não estruturados.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (8)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
AVILA, DIEGO TORALES; CIGANA, RAPHAEL PIEGAS; FANTINATO, MARCELO; REIJERS, HAJO A.; MENDLING, JAN; THOM, LUCINEIA HELOISA; HARTMANN, S; KUNG, J; CHAKRAVARTHY, S; ANDERSTKOTSIS, G; et al. An Experiment to Analyze the Use of Process Modeling Guidelines to Create High-Quality Process Models. DATABASE AND EXPERT SYSTEMS APPLICATIONS, PT II, v. 11707, p. 11-pg., . (17/26491-1)
NEUBAUER, THAIS RODRIGUES; PERES, SARAJANE MARQUES; FANTINATO, MARCELO; LU, XIXI; REIJERS, HAJO ALEXANDER. Interactive clustering: a scoping review. ARTIFICIAL INTELLIGENCE REVIEW, v. 54, n. 4, p. 2765-2826, . (17/26487-4, 17/26491-1)
CASTRO, CAMILA F.; FANTINATO, MARCELO; AKSU, UNAL; REIJERS, HAJO A.; THOM, LUCINEIA H.; FILIPE, J; SMIALEK, M; BRODSKY, A; HAMMOUDI, S. Towards a Conceptual Framework for Decomposing Non-functional Requirements of Business Process into Quality of Service Attributes. PROCEEDINGS OF THE 21ST INTERNATIONAL CONFERENCE ON ENTERPRISE INFORMATION SYSTEMS (ICEIS 2019), VOL 2, v. N/A, p. 12-pg., . (17/26491-1, 17/26487-4)
GARCIA, MARCIA TAVARES; NUNES, MARINA MACEDO; FANTINATO, MARCELO; PERES, SARAJANE MARQUES; THOM, LUCINEIA HELOISA. BPMN-Sim: A multilevel structural similarity technique for BPMN process models. INFORMATION SYSTEMS, v. 116, p. 26-pg., . (17/26491-1)
BIAZUS, MILLER; DOS SANTOS, CARLOS HABEKOST; TAKEDA, LARISSA NARUMI; DE OLIVEIRA, JOSE PALAZZO MOREIRA; FANTINATO, MARCELO; MENDLING, JAN; THOM, LUCINEIA HELOISA; HARTMANN, S; KUNG, J; CHAKRAVARTHY, S; et al. Software Resource Recommendation for Process Execution Based on the Organization's Profile. DATABASE AND EXPERT SYSTEMS APPLICATIONS, PT II, v. 11707, p. 11-pg., . (17/26491-1)
FANTINATO, MARCELO; PERES, SARAJANE MARQUES; REIJERS, HAJO A.. X-Processes: Process model discovery with the best balance among fitness, precision, simplicity, and generalization through a genetic algorithm. INFORMATION SYSTEMS, v. 119, p. 25-pg., . (20/05248-4, 17/26491-1)
FANTINATO, MARCELO; PERES, SARAJANE MARQUES; REIJERS, HAJO A.; IEEE COMP SOC. X-Processes: Discovering More Accurate Business Process Models with a Genetic Algorithms Method. 2021 IEEE 25TH INTERNATIONAL ENTERPRISE DISTRIBUTED OBJECT COMPUTING CONFERENCE (EDOC 2021), v. N/A, p. 10-pg., . (17/26491-1, 20/05248-4)
BORGES, EVANDO S.; FANTINATO, MARCELO; AKSU, UNAL; REIJERS, HAJO A.; THOM, LUCINEIA H.; FILIPE, J; SMIALEK, M; BRODSKY, A; HAMMOUDI, S. Monitoring of Non-functional Requirements of Business Processes based on Quality of Service Attributes of Web Services. PROCEEDINGS OF THE 21ST INTERNATIONAL CONFERENCE ON ENTERPRISE INFORMATION SYSTEMS (ICEIS 2019), VOL 2, v. N/A, p. 8-pg., . (17/26491-1, 17/26487-4)