INCEPTION: Gestión inteligente del cambio en minería de procesos sustentada por la nube

En el proyecto coordinado INCEPTION proponemos desarrollar una prueba de concepto donde se maduren los resultados del proyecto de I+D previo BIGBISC: aportando inteligencia a los procesos de negocio mediante soft computing en escenarios de datos, coordinado entre la Universidade de Santiago de Compostela (USC) y la Universidad de Zaragoza (UNIZAR), done se desarrollaron i) diversos algoritmos de minería de procesos, para las tareas de descubrimiento, conformidad, simplificación, descripción textual, agrupamiento de trazas y minería del cambio, y ii) diversos componentes para el procesamiento y el despliegue de dichos algoritmos en una infraestructura en la nube.

En el subproyecto 1 "Gestión inteligente del cambio en minería de procesos: detección y descripción explicables (XAIDrift)" el equipo del CiTIUS-Universidade de Santiago de Compostela XAIDrift amplía el desarrollo y transferencia de algoritmos de minería de procesos, ampliándola al ámbito de la minería de procesos predictiva. Además, se hace énfasis en la componente de explicabilidad de los cambios detectados, de modo que se XAIDrift se enmarca en el paradigma de la IA explicable y responsable. Este aspecto resulta de especial interés en tanto que la información relativa a los cambios detectados debe ser comprendida por usuarios no especializados. Una adecuada explicación de dichos cambios conllevará una toma de decisiones adecuada. El paradigma que se empleará para dotar de explicabilidad a los resultados es la generación de lenguaje natural, ya explorada con éxito dentro de BIGBISC en otros contextos de la analítica de procesos (process-to-text).

Objetivos

El objetivo principal del proyecto consiste en la adaptación de la tecnología de gestión del cambio en modelos de procesos a las necesidades de los entornos de negocio reales con grandes volúmenes de datos, facilitando la detección y descripción textual de dichos cambios. Además de este objetivo general se han identificado los siguientes objetivos específicos:

Adaptación del algoritmo de detección del cambio en modelos de proceso a los resultados de la experimentación con registros de procesos de clientes reales, en los que es necesario tratar con la complejidad de los modelos del proceso y la variabilidad de las trazas.
Adaptación de la tecnología de process-to-text para la descripción en lenguaje natural de los cambios en el modelo que representa la conducta observada de un proceso.
Diseño y desarrollo de una infraestructura orientada a servicios que integre los algoritmos para la detección y descripción del cambio de los procesos.
Licenciamiento y transferencia de la propuesta orientada sobre todo a empresas que ya disponen de tecnología de minería de procesos y que, por lo tanto, tienen la necesidad de realizar un análisis más pormenorizado del comportamiento del proceso.

En el proyecto coordinado INCEPTION proponemos desarrollar una prueba de concepto donde se maduren los resultados del proyecto de I+D previo BIGBISC: aportando inteligencia a los procesos de negocio mediante soft computing en escenarios de datos, coordinado entre la Universidade de Santiago de Compostela (USC) y la Universidad de Zaragoza (UNIZAR), done se desarrollaron i) diversos algoritmos de minería de procesos, para las tareas de descubrimiento, conformidad, simplificación, descripción textual, agrupamiento de trazas y minería del cambio, y ii) diversos componentes para el procesamiento y el despliegue de dichos algoritmos en una infraestructura en la nube. En el subproyecto 1 "Gestión inteligente del cambio en minería de procesos: detección y descripción explicables (XAIDrift)" el equipo del CiTIUS-Universidade de Santiago de Compostela XAIDrift amplía el desarrollo y transferencia de algoritmos de minería de procesos, ampliándola al ámbito de la minería de procesos predictiva. Además, se hace énfasis en la componente de explicabilidad de los cambios detectados, de modo que se XAIDrift se enmarca en el paradigma de la IA explicable y responsable. Este aspecto resulta de especial interés en tanto que la información relativa a los cambios detectados debe ser comprendida por usuarios no especializados. Una adecuada explicación de dichos cambios conllevará una toma de decisiones adecuada. El paradigma que se empleará para dotar de explicabilidad a los resultados es la generación de lenguaje natural, ya explorada con éxito dentro de BIGBISC en otros contextos de la analítica de procesos (process-to-text). El objetivo principal del proyecto consiste en la adaptación de la tecnología de gestión del cambio en modelos de procesos a las necesidades de los entornos de negocio reales con grandes volúmenes de datos, facilitando la detección y descripción textual de dichos cambios. Además de este objetivo general se han identificado los siguientes objetivos específicos:<ul><li>Adaptación del algoritmo de detección del cambio en modelos de proceso a los resultados de la experimentación con registros de procesos de clientes reales, en los que es necesario tratar con la complejidad de los modelos del proceso y la variabilidad de las trazas.</li><li>Adaptación de la tecnología de process-to-text para la descripción en lenguaje natural de los cambios en el modelo que representa la conducta observada de un proceso.</li><li>Diseño y desarrollo de una infraestructura orientada a servicios que integre los algoritmos para la detección y descripción del cambio de los procesos.</li><li>Licenciamiento y transferencia de la propuesta orientada sobre todo a empresas que ya disponen de tecnología de minería de procesos y que, por lo tanto, tienen la necesidad de realizar un análisis más pormenorizado del comportamiento del proceso.</li></ul> - Alberto José Bugarín Diz, Manuel Lama Penín - Senén Barro Ameneiro, Juan Carlos Vidal Aguiar, Manuel Mucientes Molina, Víctor José Gallego Fontenla