USO DE REDE BAYESIANA PARA O GERENCIAMENTO DE RISCOS COM MODELOS DE PROCESSOS DE NEGÓCIOS

PROBST, Otavio Augusto Sens1; SCALABRIN, Edson Emilio2;

Resumo

Introdução:A mineração de processos é dados no formato de logs de eventos. Dados são o novo petróleo, nos últimos 10 minutos foram gerados tantos dados quanto da era pré-histórica até 2003, com todos os equipamentos de IoT, sensores de celular, compras em praticamente qualquer estabelecimento. O desafio de hoje não é gerar mais dados e sim o que fazer com eles, transforma-los em valor, informação aplicável. Um conjunto de conhecimentos entre estatística, mineração de dados, tratar base de dados gigantescas, questões de ética e privacidade, é englobado em mineração de dados. O foco não é melhorar o dado, e sim o processo em que o dado está sendo gerado. Descobrindo qual o processo realmente feito pelo usuário, quais caminhos eles tomam, quais erros eles cometem, aonde se encontram os gargalos que impedem o processo de ser mais rápido, barato, eficiente. Quando se tem um registro de eventos é onde consegue-se aplicar a mineração de processos, construindo seu modelo sem informação prévia do processo em si. Dentre o leque de opções de como tratar com as informações contidas em um processo e seu registro de eventos, a rede Bayesiana é uma alternativa atrativa de como lidar com a incerteza. Com seu modelo gráfico representando o processo, onde cada nó identifica uma variável e cada conexão entre nós a influência entre os nós.

Objetivo:Avaliar experimentalmente o uso de rede Bayesiana para realizar análises relacionadas ao gerenciamento de riscos juntamente com modelos de processos de negócios.

Metodologia:A realização da pesquisa seguiu os seguintes passos: estudo das redes Bayesianas como modelo de tratamento de incerteza e estudo das redes causais geradas por ferramentas (e.g., UpFlux), como modelos de processos reais ou sintéticos. Os passos seguintes consistiu em converter modelos causais de processos em redes Bayesianas. A conversão não é direta, pois requer-se a definição de estratégias para realizar a tarefa "De-Para". Uma limitação imposta foi não tratar ciclos de redes causais, ou seja, os ciclos foram desconsiderados pela estratégia adotada. Outra limitação foi operar apenas sobre modelos com alto nível de significância, interessando-se apenas a modelos de processos bem-estruturados como resultado.

Resultados:Destaca-se como resultado o estudo sobre as redes Bayesianas e sua viabilidade para operar em binômio com as redes causais obtidas por meio de algoritmos de mineração de processos. A ferramenta UpFlux mostrou grande potencial para a descoberta de modelos causais a partir de logs de eventos reais e complexos em termos de volume de eventos, em particular.

Conclusões:A implementação de estratégia que estima a máxima de verossimilhança na rede causal do processo permite gerar uma rede Bayesiana concisa. A conversão de modelos de processos, na forma de redes causais, obtidos por meio da ferramenta UpFlux, mostrou-se viável do ponto de vista teórico. Todavia, a conversão de redes causais de processos em redes Bayesianas não é um processo trivial em função da complexidade dos processos. Logo, para tornar viável tal conversão precisa gerar modelos processos com alta qualidade em termos de compreensibilidade. Limitação do trabalho. O processo de conversão não foi completamente automatizado.

Palavras-chave: Mineração de Processos. Tratamento de Incerteza.

Legendas

    1. Estudante
    2. Orientador