Mineração de Processos para Monitoramento Preditivo

Authors

  • Denise Maria Vecino Sato Instituto Federal do Paraná
  • Deborah Ribeiro Carvalho Pontifícia Universidade Católica do Paraná
  • Edson Emílio Scalabrin Pontifícia Universidade Católica do Paraná

DOI:

https://doi.org/10.5753/compbr.2023.49.4056

Keywords:

Mineração de Processos, Monitoramento Preditivo, Processo de Negócio

Abstract

O monitoramento preditivo de processos utiliza dados históricos de casos finalizados para fornecer predições durante a execução de novos casos. Com isso, é possível atuar nessas situações a partir dessas predições, que podem indicar, por exemplo, em um Sistema Hospitalar, quanto tempo resta para que um paciente seja liberado, ou mesmo se ele vai ou não realizar determinado exame. É necessário ter em mente qual informação o modelo de predição vai fornecer, as informações de entrada disponíveis e qual abordagem pode ser aplicada. Dependendo da complexidade do processo, dados não estruturados ou relacionados ao contexto podem ser incluídos nos modelos combinados com os dados obtidos em logs de eventos. Fornecer informações em situações nas quais ainda podemos atuar pode trazer ganhos muito interessantes durante o acompanhamento dos diferentes processos de negócio.

Downloads

Não há dados estatísticos.

Referências

DI FRANCESCOMARINO CHIARAAND GHIDINI, C.; M. F. M. AND M. F. Predictive Process Monitoring Methods: Which One Suits Me Best? In: M. and W. I. and vom B. J. Weske Mathiasand Montali (Org.); Business Process Management. Anais... . p.462–479, 2018. Cham: Springer International Publishing.

DI FRANCESCOMARINO CHIARAAND GHIDINI, C. Predictive Process Monitoring. In: J. van der Aalst Wil M. P.and Carmona (Org.); Process Mining Handbook. p.320–346, 2022. Cham: Springer International Publishing.

MARQUEZ-CHAMORRO, A. E.; RESINAS, M.; RUIZ-CORTES, A. Predictive monitoring of business processes: A survey. IEEE Transactions on Services Computing, v. 11, n. 6, p. 962–977, 2018.

RESINAS, M.; RUIZ-CORT, A.; M, A. E. Predictive Monitoring of Business Processes: A Survey. IEEE Transactions on Services Computing, v. 11, n. 6, p. 962–977, 2018.

SATO, D. M. V.; DE FREITAS, S. C.; BARDDAL, J. P.; SCALABRIN, E. E. A Survey on Concept Drift in Process Mining. ACM Computing Surveys, v. 54, n. 9, p. 1–38, 2022. ACM PUB27 New York, NY.

VAN DER AALST, W. Operational Support. Process Mining: Data Science in Action. p.301–321, 2016. Berlin, Heidelberg: Springer Berlin Heidelberg.

Downloads

Published

2023-04-01

Como Citar

Sato, D. M. V., Carvalho, D. R., & Scalabrin, E. E. (2023). Mineração de Processos para Monitoramento Preditivo. Computação Brasil, (49), 16–19. https://doi.org/10.5753/compbr.2023.49.4056

Issue

No. 49 (2023)

Section

Artigos

Licença

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.

Artigos mais lidos pelo mesmo(s) autor(es)