Minería Heurística Estable 2: Evaluando la Estabilidad Estadística en Registros de Eventos para Descubrir Procesos Empresariales

Resumen El descubrimiento de procesos automatizado como uno de los paradigmas de la minería de procesos ha atraído tanto a industrias como a investigadores académicos. Estos métodos ofrecen visibilidad y comprensión a partir de registros de eventos complejos y no estructurados. En la última década, el minero heurístico clásico y los algoritmos de descubrimiento de procesos basados en heurísticas aplicadas mostraron resultados prometedores en la revelación de los patrones de proceso ocultos en los sistemas de información. Uno de los desafíos relacionados con tales algoritmos es la selección arbitraria de comportamientos registrados en un registro de eventos. Los umbrales de filtrado ofrecidos son ajustables manualmente, lo que podría llevar a la extracción de un modelo de proceso no óptimo. Esto también es visible en las soluciones comerciales de minería de procesos. Recientemente, la primera versión del algoritmo de minería heurística estable abordó este problema al evaluar la estabilidad estadística de un registro de eventos. Sin embargo, la versión anterior se limitó a evaluar solo los comportamientos de las actividades. En este artículo, evaluaremos la estabilidad estadística tanto de las actividades como de los bordes de un gráfico, que podrían ser descubiertos a partir de un registro de eventos. Como contribución, se introduce la minería heurística estable 2. En consecuencia, la definición del modelo de proceso de referencia descriptivo ha mejorado. El nuevo algoritmo se evalúa utilizando dos registros de eventos del mundo real. Estos registros de eventos son el conocido conjunto de datos de Sepsis y el registro de eventos de los caminos de los pacientes del departamento de urología, que se registran mediante el monitoreo de los datos de ubicación interpretados de los pacientes en las instalaciones del hospital y se comparten con la comunidad científica en este artículo.