Petiano: Fábio Quiochi Tanaka (lattes)
Orientador: Prof. Dr. Marcelo Fantinato (lattes)
Mineração de processos é uma área de pesquisa relativamente recente que se situa entre mineração de dados e aprendizado de máquina, de um lado, e modelagem e análise de processos de negócio, de outro lado [1]. Modelagem e análise de processos de negócio fazem parte do ciclo de vida da Gestão de Processos de Negócio (BPM – Business Process Management), que se refere à área de pesquisa e aplicação que combina tecnologia da informação e conhecimentos de gestão para aplicar no tratamento de processos de negócio [2, 3]. Por outro lado, mineração de dados é usada para encontrar conhecimento útil, e muitas vezes inesperado, a partir da análise de dados produzidos nos mais diversos tipos de sistemas e processos, por meio da revelação de padrões de comportamento que podem servir como base para a tomada de decisão com alto nível de valor estratégico [4]. Neste contexto de integração de estratégias, mineração de processos visa descobrir, monitorizar e melhorar processos reais, ou seja, um modelo de processo é construído, avaliado ou melhorado de forma automática por meio da extração de informações que apoiam a execução dos processos de negócio, em geral, os logs de eventos criados pelos sistemas [1].
Por meio de um projeto de mestrado [5], verificou-se o baixo uso de técnicas de aprendizado de máquina, incluindo redes neurais artificiais, no contexto de mineração de processos. Este projeto de iniciação científica visa continuar e aprimorar os experimentos realizados nesse projeto de mestrado para avaliar o uso de redes neurais artificiais aplicadas nos logs gerados por um sistema de ensino a distância. Uma rede neural artificial do tipo Multilayer Perceptron foi aplicada, com o auxílio da ferramenta Weka. Os resultados obtidos foram comparados com os de outras ferramentas populares de mineração de processos, nesse caso, as ferramentas Disco Fluxicon e ProM. O objetivo deste projeto é permitir um aprofundamento no estudo da aplicação de redes neurais em mineração de processos em busca de resultados mais concretos, principalmente pela realização de experimentos mais completos e sistemáticos. Como resultados esperados, busca-se solucionar algumas das limitações apontadas no citado projeto de mestrado em relação à aplicação de técnicas de aprendizado de máquina em mineração de processos, tais como: as limitações envolvidas na modelagem do problema a ser minerado e a adaptação desse tipo de técnica para a aplicação nesse contexto.
[1] AALST, W. M. P. van der. Process Mining – Discovery, Conformance and Enhancement of Business Process. 1 ed. [S.l.]: Springer, 2011.
[2] W. M. P. van der Aalst, “Business process management demystified: a tutorial on models, systems and standards for workflow management,” in Lectures on Concurrency and Petri Nets, J. Desel, W. Reisig, and G. Rozenberg, Eds., vol. 3098 of Lecture Notes in Computer Science, pp. 1-65, Springer-Verlag, Berlin, Germany, 2004.
[3] WESKE, M. Business Process Management: Concepts, Languages, Architectures, Springer-Verlag, Berlin, Germany, 2007.
[4] NAZEM, S. M.; SHIN, B. Data mining: New arsenal for strategic decision-making. In: IRM PRESS. Data warehousing and web engineering. [S.l.], 2002. P. 103-112.
[5] CÁRDENAS MAITA, Ana Rocío. Um estudo da aplicação de técnicas de inteligência computacional e de aprendizado em máquina de mineração de processos de negócio [online]. São Paulo: Escola de Artes, Ciências e Humanidades, Universidade de São Paulo, 2016. Dissertação de Mestrado em Sistemas de Informação.
