PhD Defense: 'Deep Learning Models for Predictive Monitoring of Business Processes'

La minería de procesos es una disciplina que tiende un puente entre las técnicas tradicionales de análisis basadas en modelos y los enfoques centrados en los datos. Esta disciplina utiliza los registros de eventos para extraer conocimientos sobre el rendimiento real de los procesos empresariales. La minería de procesos ha evolucionado rápidamente, ofreciendo potentes herramientas de análisis, descubrimiento, optimización y mejora de procesos empresariales complejos. Un reto en este ámbito es la monitorización predictiva, que se centra en predecir, desde distintos puntos de vista, cómo se desarrollará un caso en ejecución. 

Algunas predicciones relevantes son la predicción de la siguiente actividad o la secuencia de las siguientes actividades. Los métodos tradicionales de monitorización predictiva suelen encontrar muchas dificultades debido a la naturaleza dinámica y compleja de los procesos empresariales del mundo real, lo que conduce a predicciones menos precisas y robustas.  En esta tesis, la monitorización predictiva en la minería de procesos se mejora mediante el uso de técnicas avanzadas de aprendizaje profundo. Mediante la integración de redes neuronales de grafos con redes neuronales recurrentes, se posibilita el aprendizaje directo sobre el modelo del proceso a la vez que se permite tener en cuenta la información contenida en la secuencia de eventos. Así, se introducen dos modelos neuronales: el primero predice la siguiente actividad en un proceso de negocio mientras que el segundo predice la secuencia de actividades restante hasta el final del caso en ejecución. Para el segundo problema, también se propone un modelo novedoso basado en el aprendizaje profundo por refuerzo, de forma que la estrategia óptima de selección de actividades se aprende durante el entrenamiento de la red. Todos los modelos han sido rigurosamente validados utilizando registros de eventos reales mediante una metodología de evaluación novedosa en el campo que facilita la comparación robusta y justa entre diferentes enfoques de monitorización predictiva.

Directores: Manuel Lama Penín and Juan Carlos Vidal Aguiar