[en] DEVIANCE MINING OF ONLINE PROCESSES WITH NON-ATOMIC EVENTS IN THE COVID-19 DOMAIN

[pt] MINERAÇÃO DE DESVIOS EM PROCESSOS ONLINE COM EVENTOS NÃO ATÔMICOS EM UM CENÁRIO DE COMBATE AO COVID-19

[pt] LUCAS SEIXAS JAZBIK

[pt] EVENTOS NAO ATOMICOS

[pt] PROCESSOS ONLINE

[pt] APRENDIZADO DE TRATAMENTOS

[pt] MINERACAO DE DESVIOS

[en] NON-ATOMIC EVENTS

[en] ONLINE PROCESS

[en] TREATMENT LEARNING

[en] DEVIANCE MINING

[pt] As técnicas de mineração de processos têm sido aplicadas com sucesso como uma abordagem orientada a dados e aplicável a diversos cenários que foca em melhorar o desempenho de processos de negócios em diferentes organizações. Entre suas aplicações, a mineração de desvios visa descobrir as razões pelas quais um subconjunto das execuções de um processo de negócio se desvia em relação aos resultados esperados ou desejáveis, produzindo insights para melhorar a operação do processo. Apesar do fato de que os processos da vida real são tipicamente compostos por eventos não atômicos, as abordagens existentes para mineração de desvios lidam apenas com eventos atômicos em seus experimentos. Este trabalho propõe um método orientado a domínio para codificar processos com eventos não atômicos que utiliza a dimensão temporal para descobrir os tratamentos mais eficazes que representam execuções de processos desviantes. O método é aplicado no domínio COVID-19, para descobrir como a dimensão temporal das intervenções não farmacêuticas contribuíram para diminuir a taxa de casos de COVID-19 nos países.

[en] Process Mining techniques have been successfully applied as a data-driven and domain-aware approach for improving business process performance in several organizations. Among its applications, Deviance Mining aims at uncovering the reasons why a subset of the executions of a business process deviate with respect to its expected or desirable outcomes, thus producing insights towards improving the process operation. Despite the fact that real-life processes are typically composed by non-atomic events, existing approaches for deviance mining only deal with atomic events in their experiments. This work proposes a domain-driven method for codifying processes with non-atomic events that uses the temporal dimension for discovering the most effective treatments that represent deviant process executions. The method is applied in the COVID-19 domain, to find who the temporal dimension of the non-pharmaceutical interventions contributed to slow down the rate of COVID-19 cases in countries around the world.

FERNANDA ARAUJO BAIAO AMORIM

2022-08-19

[pt] TEXTO

application/pdf

INGLÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60266@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=60266@2

https://doi.org/10.17771/PUCRio.SeminarPPGEP.60266