MODELOS PROBABILÍSTICOS, APRENDIZADO DE MÁQUINA E MINERAÇÃO DE PROCESSOS PARA ANÁLISE DE SISTEMAS INDUSTRIAIS

VERONA, Eduardo Fazolo1; SANTOS, Eduardo Alves Portela2;

Resumo

Introdução:A introdução do documento fala, em poucas palavras, sobre o que é o projeto e o que será feito, bem como fornece um link do diretório do projeto. Primeiramente é introduzido o conceito da mineração de processos e sobre sua utilidade no setor de produção. Depois apresenta-se o que é o projeto, o que deverá ser desenvolvido e quem o propôs. Por fim, é dada uma ideia sobre o que a ferramenta deverá fazer ao fim do projeto e seu diretório público.

Objetivo:O objetivo do projeto é desenvolver uma ferramenta capaz de simular diferentes probabilidades dentro de um modelo probabilístico que reflete possíveis cenários de determinado processo de produção. A ferramenta terá uma interface gráfica simples a qual permitirá alterações nas probabilidades de acontecimento das atividades dos processos, assim, gerando simulações de outros cenários.

Metodologia:A linguagem usada no projeto será Python, por ser uma linguagem simples e amplamente usada na área de inteligência artificial. Também é informado o que foi feito na primeira etapa, sobre como obter o modelo probabilístico e que, a principio, foi discutido sobre o uso de uma ferramenta de terceiros, mas depois concluiu-se que não haveria necessidade do uso dessa. Para obter esse modelo, entretanto, há a necessidade de obter os modelos preditivos através do uso da biblioteca statsmodel da linguagem python. Porém, primeiramente houve a necessidade de fazer tratamento dos dados, e o método que foi feito é explicado com mais detalhes no documento.

Resultados:Ao fim da última etapa, o grupo obteve algoritmos genéricos que podem ser usados para tratamento de futuros logs que resultam em um log ideal, a fim de facilitar trabalhos futuros e evitar possíveis mudanças no código. Com isso, há então a interface de entrada para o log ideal que processa os dados gera os modelos preditivos das séries temporais das atividades presentes nos logs.

Conclusões:O projeto ainda não possui uma interface gráfica uma vez que há uma necessidade forte de que o backend do sistema esteja bem desenvolvido antes de tudo. Isso se dá porque, por se tratar de um projeto novo, todo o sistema deve ser desenvolvido do zero. Por esse motivo, o grupo teve que aprender sobre os passos iniciais a serem tomados para que o projeto pudesse ser implementado. Foi discutido sobre a filtragem dos logs e processamento dos dados para que então isso pudesse ser implementado, facilitando futuras etapas e exigindo menos possíveis mudanças no código. Por fim, ainda há deve ser desenvolvido um modelo causal para obter o modelo baysiano com a mesma estrutura e, a partir disso, implementar uma interface de comunicação entre esse modelo e os modelos preditivos das atividades.

Palavras-chave: Modelo probabilístico. Modelo preditivo. Rede Bayesiana. Mineração de processos.

Legendas

    1. Estudante
    2. Orientador