Zapata Abad María Antonia 2025 La minería de procesos utiliza registros de eventos generados por sistemas de información para analizar<br />cómo se ejecutan los procesos en la práctica y generar modelos que representen estas secuencias<br />de actividades. Esto permite analizar, monitorizar y mejorar procesos reales dentro de una organización.<br />Los modelos empleados son representaciones simplificadas y abstractas de sistemas que capturan los<br />aspectos esenciales, facilitando su comprensión y análisis. En este trabajo, se usan redes de Petri como<br />principal modelo para representar la dinámica de los procesos.<br />La minería de procesos se puede clasificar en tres tipos principales. El primero es el descubrimiento<br />de procesos, que consiste en crear automáticamente un modelo a partir de registros de eventos. El<br />segundo tipo es la verificación de conformidad, que compara el comportamiento real registrado en los<br />logs con un modelo de proceso predefinido, permitiendo identificar actividades que no siguen el modelo<br />esperado y marcando las desviaciones. Finalmente, el tercer tipo es la optimización y mejora, que<br />busca identificar áreas de mejora en los procesos, como eliminar ineficiencias, reorganizar secuencias o<br />acelerar actividades.<br />Además, la minería de procesos puede analizarse desde distintas perspectivas. Entre las más relevantes<br />está la perspectiva de control de flujo, que analiza el orden y la secuencia de las actividades. También<br />está la perspectiva organizacional, que examina los recursos involucrados, como personas y departamentos,<br />y la perspectiva temporal, que analiza la ocurrencia temporal de eventos, tiempos muertos y<br />frecuencias. En este trabajo nos centramos en el primer tipo de minería de procesos, el descubrimiento<br />de procesos, desde la perspectiva de control de flujo.<br />Dentro de los algoritmos de descubrimiento, en este trabajo vamos a describir dos de ellos, el algoritmo<br />α y el algoritmo de minería inductiva. El algoritmo α fue uno de los primeros en abordar<br />la concurrencia en los procesos. Aunque presenta limitaciones, como la incapacidad de representar con<br />precisión estructuras complejas, su simplicidad lo convierte en una herramienta valiosa para introducirse<br />en los desafíos del descubrimiento. Este algoritmo identifica relaciones causales entre actividades al<br />buscar patrones en los registros de eventos. Por otro lado, el algoritmo de minería inductiva emplea<br />una estrategia de divide y vencerás, procesando registros en bloques y generando modelos estructurados<br />en forma de árboles de procesos. Una de las ventajas de este algoritmo es que garantiza que los<br />modelos resultantes sean correctos desde el principio, superando problemas de incompletitud o errores<br />en los datos. Además, el descubrimiento inductivo es especialmente útil para registros grandes o con<br />datos infrecuentes, resolviendo problemas que el algoritmo α no puede abordar. Actualmente, el descubrimiento<br />inductivo es uno de los enfoques líderes en minería de procesos gracias a su flexibilidad,<br />garantías formales y escalabilidad.<br />Finalmente, haciendo uso de la herramienta de minería de procesos ProM, hemos aplicado estos dos<br />algoritmos a un registro de eventos, que está disponible públicamente, y que proviene de un sistema real<br />de gestión de multas de tráfico.<br /><br /> TAZ