Arcabouço de classificação e escolha de algoritmos de descoberta de processos

Página do item simplificado
dc.contributor.advisor1Federson, Fernando Marques
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0513724372523279eng
dc.contributor.referee1Federson, Fernando Marques
dc.contributor.referee2Soares, Anderson da Silva
dc.contributor.referee3Lima, Eliomar Araújo de
dc.creatorRezende, Caio Appelt
dc.creator.Latteshttp://lattes.cnpq.br/1178029036391163eng
dc.date.accessioned2017-07-24T11:15:36Z
dc.date.issued2017-05-03
dc.description.abstractProcess Mining is a recent area of research and is composed of techniques that allow the analysis and extraction of knowledge from the logs of the business processes obtained from Management Information Systems (MIS). The analyzes can be classified into three types: Process Discovery, Conformance Check and Process Improvement. With the current growth not only of quantity, but also of the types of algorithms that seek to fulfill the objectives of Process Mining, a classification that takes into account the performance of the algorithm in the various real situations of its application becomes important. The Evaluation and Comparison of the algorithms from the repository data could be done through the application of Quality Metrics or Machine Learning Techniques. This work presents a proposal of a set of Quality Metrics to allow the classification, evaluation and comparison of Process Discovery algorithms. The proposal is based on the review of algorithms and their families; the possible performance characteristics, that can be applied to any type of algorithm being tested; and in simulations of business process patterns. The results obtained by the work are promising in the sense of creating the conceptual basis and a methodology for future research to allow the construction of a framework for Evaluation and Comparison of new algorithms.eng
dc.description.provenanceSubmitted by Luciana Ferreira (lucgeral@gmail.com) on 2017-07-24T11:15:23Z No. of bitstreams: 2 Dissertação - Caio Appelt Rezende - 2017.pdf: 1362955 bytes, checksum: b87d99aa29bcdf87d151fb1d32bb57ee (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-07-24T11:15:36Z (GMT) No. of bitstreams: 2 Dissertação - Caio Appelt Rezende - 2017.pdf: 1362955 bytes, checksum: b87d99aa29bcdf87d151fb1d32bb57ee (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceMade available in DSpace on 2017-07-24T11:15:36Z (GMT). No. of bitstreams: 2 Dissertação - Caio Appelt Rezende - 2017.pdf: 1362955 bytes, checksum: b87d99aa29bcdf87d151fb1d32bb57ee (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-05-03eng
dc.description.resumoA Mineração de Processos (Process Mining) é uma área de pesquisa recente e é composta por técnicas que permitem a análise e a extração de conhecimento a partir dos registros de eventos (logs) dos processos de negócios obtidos de Sistemas de Informação Gerenciais (SIG). As análises podem ser classificadas em três tipos: Descoberta de Processos, Checagem da Conformidade e Melhoria de Processos. Com o atual crescimento não apenas da quantidade, mas também dos tipos de algoritmos que procuram cumprir os objetivos da Mineração de Processos, uma classificação que leve em consideração a performance do algoritmo nas diversas situações reais de sua aplicação se torna importante. A Avaliação e a Comparação dos algoritmos a partir dos dados do repositório poderiam ser feitas através da aplicação de Métricas de Qualidade ou Técnicas de Aprendizado de Máquina. Este trabalho apresenta uma proposta de um conjunto de Métricas de Qualidade que tem como objetivo permitir a classificação, avaliação e comparação de algoritmos de Descoberta de Processos. A proposta foi construída com base na revisão dos algoritmos e suas famílias; no levantamento das possíveis características de performance, que podem ser aplicadas a qualquer tipo de algoritmo sendo testado; e em simulações de registros de eventos de padrões de processos de negócio. Os resultados obtidos pelo trabalho são promissores no sentido de criar a base conceitual e uma metodologia para que futuras pesquisas permitam a construção de um arcabouço (framework) de Avaliação e Comparação de novos algoritmos.eng
dc.formatapplication/pdf*
dc.identifier.citationREZENDE, Caio Appelt. Arcabouço de classificação e escolha de algoritmos de descoberta de processos. 2017. 71 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2017.eng
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/7607
dc.languageporeng
dc.publisherUniversidade Federal de Goiáseng
dc.publisher.countryBrasileng
dc.publisher.departmentInstituto de Informática - INF (RG)eng
dc.publisher.initialsUFGeng
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)eng
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectProcessos de negóciospor
dc.subjectClassificação de algoritmospor
dc.subjectDescoberta de processospor
dc.subjectSistemas de informação gerenciaispor
dc.subjectMineração de processospor
dc.subjectBusiness processeng
dc.subjectProcess discoveryeng
dc.subjectAlgorithms classificationeng
dc.subjectManagement information systemseng
dc.subjectProcess mningeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOeng
dc.titleArcabouço de classificação e escolha de algoritmos de descoberta de processoseng
dc.title.alternativeClassification and selection of process discovery algorithms frameworkeng
dc.typeDissertaçãoeng

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Caio Appelt Rezende - 2017.pdf
Tamanho:
1.3 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.11 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Ciência da Computação (INF)