Modelo de integración de BPM y

Minería de Procesos con un Enfoque Dimensional, para la Optimización de

Indicadores KPI

Juan Camilo Giraldo Mejía

Universidad Nacional de Colombia

Facultad de Minas, Departamento de Ciencias de la Computación y de la Decisión

Medellín, Colombia

2016

Modelo de integración de BPM y Minería de Procesos con un Enfoque Dimensional, para la optimización de

Indicadores Clave KPI

Juan Camilo Giraldo Mejía

Tesis para optar al título de:

Doctor en Ingeniería – Sistemas e Informática

Director (a):

Ph.D. Jovani Alberto Jiménez Builes

Codirector (a):

PhD. Marta Silvia Tabares Betancur

Universidad Nacional de Colombia

Facultad de Minas, Departamento de Ciencias de la Computación y de la Decisión

Medellín, Colombia

2016

Contenido IV

Dedicatoria

A Dios, por darme cada día la vida, la buena salud, la energía y la sabiduría para lograr esta maravillosa meta. A Mis padres, por su constante y valioso apoyo durante todo mi proceso formativo, que ha contribuido significativamente a cumplir un paso más en mi proyecto de vida.

Juan C. Giraldo M.

Contenido V

Agradecimientos

Agradecimientos muy especiales a un gran profesional, y gran ser humano; el doctor

Jovani Alberto Jiménez Builes, quien más que un excelente tutor, es un amigo, y guía. Un

gran consejero que con su valiosa experiencia, y alto nivel de conocimiento me ha

permitido engranar las piezas correctas y de manera acertada para alcanzar este

maravilloso logro.

A la doctora Marta Silvia Tabares Betancur, por sus valiosos aportes, que son producto de

su gran nivel de experiencia y de conocimiento. Gracias por aportarme tanto durante todo

su acompañamiento, por su valiosa orientación y guía, para saber cómo transformar mis

ideas en productos significativos.

Agradecimientos para la Universidad Nacional de Colombia, por brindarme el apoyo

académico, y económico, que fueron fundamentales para lograr concretar los objetivos.

VII

Resumen

Muchas organizaciones hacen seguimiento a sus procesos de negocio con la identificación

del estado de las actividades de cada proceso. Otras utilizan los registros de eventos de

Bases de Datos Transaccionales para conocer el estado de sus modelos de procesos.

Los registros de eventos son actividades que ocurren en los sistemas de información de

la organización. Esta forma de seguimiento y verificación del estado de procesos es

adecuada, pero tiene algunos problemas. Un primer problema es la dificultad para acceder

a los datos de diferentes sistemas transaccionales. Un segundo problema es la

información que se genera con ruido durante la ejecución de los modelos de procesos de

negocio. Los procesos de negocio son elementos importantes de la organización y

consecuentemente para medirse a nivel de servicio y resultados por medio de KPI. Sin

embargo, la medición de resultados difícilmente se cruza con eventos que se pueden

detectar desde información almacenada en bodegas de datos, la cual es analizada en

diferentes períodos de tiempo y a su vez puede utilizarse para mejorar el proceso y el logro

de los resultados definidos.

Una solución propuesta, es un modelo de gestión que garantice rendimiento y calidad a la

organización, con integración de técnicas y metodologías específicas. El modelo es

desarrollado a partir del ciclo de vida de BPM, y en él se integran el modelado dimensional,

y la minería de procesos, con el propósito de descubrir registros de eventos, y con ellos

evaluar procesos y optimizarlos con un plan de mejora, para alcanzar el estado ideal de

los Indicadores Clave de Proceso KPI. El modelo se prueba mediante un caso de uso y se

concluye que descubrir registros de eventos desde almacenes de datos, facilita evaluar

procesos y optimizarlos con el apoyo de un plan de mejora, de tal forma que se contribuya

al rendimiento y calidad de los procesos la organización.

Contenido VIII

Palabras clave. Gestión de procesos de negocio, Minería de Datos, Minería de

procesos, Modelado Dimensional, Indicadores Clave de Proceso.

Abstract

Most Companies are monitoring their business processes by identifying the status

of activities in each their process. Others are using event logs transactional

database to know the status of their process models. Event logs are activities in the

information systems into Companies. This monitoring of status processing is

appropriate but it has some issues. First problem is the trouble in accessing data

from different transactional systems. Second problem is the information is

generated with noise during the execution of business process models. Business

processes are a relevant element in Companies for measuring service level and

results through KPI. However, measurement of results hardly intersects with events

that can be detected from information stored in data warehouses, which is analyzed

in different periods and it can be used to improve the process and achieving the

results defined.

Purpose of this solution is a management model in order to guarantee performance

and quality to the business process through integrating specific techniques and

methodologies. This model is developed from the lifecycle of BPM and this is

integrated by dimensional modeling and mining process in order to discover event

logs, therefore evaluates processes and optimize them with an improvement plan

to achieve the ideal state of Key Process Indicators KPI. This model was tested by

a use case and it concluded in finding event logs from data warehouses facilitates

evaluating and optimizing process supported by an improvement plan then this

model contribute towaring performance and quality of business processes.

Keywords. Business process Management, Process Mining, Data Mining,

dimensional modeling, Key Process Indicator

9

CONTENIDO

1. INTRODUCCIÓN ..................................................................................................... 13 1.1 Motivación ........................................................................................................ 13 1.2 Planteamiento del Problema ............................................................................ 16

1.2.1 Descripción del problema .............................................................................. 17 1.3 Hipótesis .......................................................................................................... 18 1.4 Preguntas de Investigación .............................................................................. 18 1.5 Objetivos .......................................................................................................... 19

1.5.1 General .......................................................................................................... 19 1.5.2 Específicos .................................................................................................... 19

1.6 Metodología .................................................................................................... 19 1.7 Contribución ..................................................................................................... 20

2. REFERENTES CONCEPTUALES Y REVISIÓN DE LA LITERATURA ................... 22 2.1 Marco Conceptual ............................................................................................ 22

2.1.1 Enfoque basado en procesos ........................................................................ 22 2.1.2 Tipología de procesos.................................................................................... 23 2.1.3 Minería de datos ............................................................................................ 23 2.1.4 Técnica de reglas de árboles de decisión ...................................................... 24 2.1.5 KPI 25 2.1.6 Registro de eventos ....................................................................................... 25 2.1.7 BPM ............................................................................................................... 25 2.1.8 Minería de procesos ...................................................................................... 26

2.2 Revisión de literatura ........................................................................................ 27 2.2.1 Metodología de Búsqueda ............................................................................. 29 2.2.2 Criterios de evaluación .................................................................................. 30 2.2.3 Resultado de evaluación ................................................................................ 31 2.2.3.1 Modelo de Minería de procesos simplificado ....................................... 32 2.2.3.2 Mejorando la estructura: secuencia lógica de modelos de minería de procesos 33 2.2.4 Modelamiento basado en minería de procesos y análisis de flujo de trabajo en atención clínica – un estudio de caso en una clínica de chicago .............................. 33 2.2.3.4 Un nuevo enfoque para minería de procesos: descubrimiento de modelos de proceso .................................................................................................................... 34 2.2.3.5 Minería de procesos y componentes arquitectónicos desde casos de prueba ...................................................................................................................... 35 2.2.3.6 Aplicación de técnicas de minería de procesos para optimizar los modelos de procesos de negocio basados en sistemas de información que emiten licencias y permisos de licencia electrónicos ............................................................................. 35 2.2.3.7 Una revisión de literatura en el contexto de la salud ..................................... 36 2.2.3.8 Una perspectiva de procesos en procesos de negocio ................................. 36 2.2.3.9 Diseño de un nuevo sistema de almacenes de datos ................................... 36 2.2.3.10 Integración de objetivos con procesos de almacenes de datos para análisis de procesos de negocio ........................................................................................... 37 2.2.3.11 Restricción a los indicadores numéricos en sistemas de medición de desempeño .............................................................................................................. 37 2.2.3.12 Indicadores clave de rendimiento utilizados en aplicaciones de medición de desempeño .............................................................................................................. 38 2.2.3.13 Reutilización de minería de datos en procesos de negocio: un enfoque basado en patrones .................................................................................................. 38

10

2.2.3.14 Desafíos en análisis de rendimiento en arquitecturas empresariales .......... 38 2.2.3.15 Hacia un marco de notación integrado de requisitos de usuario y herramientas BPM .................................................................................................... 39 2.2.3.16 Construir componentes estratégicos para el proceso de minería de datos . 39

3. MODELO PROPUESTO .......................................................................................... 40 3.1 Componentes del modelo ................................................................................. 41

3.1.1 Modelado de la organización ......................................................................... 43 3.1.1.1 Especificar variables de Medición ....................................................... 44 3.1.1.2 Especificar proceso ............................................................................. 46 3.1.1.3 Relacionar variables a tareas .............................................................. 48 3.1.1.4 Especificar plan de mejora .................................................................. 49 3.1.2 Origen de Datos............................................................................................. 49 3.1.3 Análisis de proceso ........................................................................................ 50 3.1.3.1 Migración de Datos ........................................................................ 51 3.1.3.2 Almacenamiento Dimensional ............................................................ 53 3.1.3.3 Obtener evento ................................................................................... 55 3.1.3.4 Conocimiento ...................................................................................... 56 3.1.4 Plan de Mejora .............................................................................................. 59

3.2 Funcionalidad de los componentes del modelo ................................................ 60

4. VALIDACIÓN DEL MODELO .................................................................................. 64 4.1 Características de la organización .................................................................... 64

4.1.1 Proceso 001 .................................................................................................. 65 4.1.1.1 Procesamiento de datos -1 ................................................................. 69 4.1.1.2 Análisis de datos Procesamiento -1 .................................................... 71 4.1.1.3 Procesamiento de datos -2 ................................................................. 72 4.1.1.4 Análisis de datos Procesamiento -2 .................................................... 74

4.2 Análisis de datos con Minería de Datos ............................................................ 74 4.2.1 Técnica de Clustering .................................................................................... 74 4.2.2 Técnica de Reglas de Asociación .................................................................. 76

5. RESPUESTA A LAS PREGUNTAS DE INVESTIGACIÓN ...................................... 78

6. CONCLUSIONES Y TRABAJO FUTURO ............................................................... 80 6.1 Conclusiones .................................................................................................... 80

6.1.1 Trabajo futuro ................................................................................................ 82

7. REFERENCIAS........................................................................................................ 83

8. ANEXOS .................................................................................................................. 90

11

LISTA DE FIGURAS

Figura 1. Causas y elementos del problema de Investigación ...................................... 17

Figura 2. Diagrama de procesos - método de consulta utilizado .................................... 30

Figura 3. Modelo propuesto – MODINMINPROC ........................................................... 41

Figura 4. Interacción de los componentes del modelo –MODINMINPROC ..................... 42

Figura 5. Flujo de trabajo – Modelado organizacional..................................................... 44

Figura 6. Esquema de medición del modelo. .................................................................. 46

Figura 7. Configuración de las variables de medición de una Tarea que es parte de un

workflow. ........................................................................................................................ 46

Figura 8. Importancia de las variables Según tareas ...................................................... 48

Figura 9. Flujo de trabajo – Análisis de procesos ........................................................... 51

Figura 10. Migración de OLTP a OLAP .......................................................................... 51

Figura 11. Etapas para la migración de datos desde OLTP a OLAP .............................. 52

Figura 12. Modelo Dimensional – Hechos y Dimensiones – Copo de Nieve ................... 55

Figura 13. Etapas para obtener registros con caracteristicas especificas ....................... 56

Figura 14. Pasos para la evaluación de un proceso ....................................................... 57

Figura 15. Detalle de la evaluación de un proceso ......................................................... 57

Figura 16. Reglas para determinar el estado de tareas, actividades, y procesos ........... 59

Figura 17. Flujo de trabajo – Optimización de procesos ................................................. 60

Figura 18. Flujo de trabajo del modelo –MODINMINPROC ............................................ 61

Figura 19. Actividades y su importancia respecto al proceso 001 ................................... 65

Figura 20. Importancia de las tareas para la actividad A1 .............................................. 66

Figura 21. Importancia de las tareas para la actividad A2 .............................................. 66

Figura 22. Importancia de las tareas para la actividad A3 .............................................. 67

Figura 26. Variables y su importancia para las tareas que relacionan ............................ 68

Figura 24. Datos procesados – proceso 001 – Ejecución 1 ............................................ 70

Figura 25. Datos procesados – proceso 001 – Ejecución 2 ............................................ 73

Figura 26. Técnica de Cluster – Especificación de agrupamiento ................................... 74

Figura 27. Técnica de Cluster – Diagrama de grupos – concentración de Datos por

porcentaje ...................................................................................................................... 75

Figura 28. Técnica de Cluster – Características del Cluster 1 ........................................ 76

Figura 33. Técnica de asociación – Red de Dependencias ............................................ 76

Figura 34. Técnica de asociación – Red de Dependencias ............................................ 77

Figura 35. Técnica de asociación – Red de Dependencias ............................................ 77

12

LISTA DE TABLAS

Tabla 1. Criterios evaluados ........................................................................................... 31

Tabla 2. Relación de los componentes del modelo con las etapas de BPM ................... 43

Tabla 3. Caracteristicas de la variable ............................................................................ 45

Tabla 5. Caracteristicas del proceso ............................................................................... 46

Tabla 6. Especificación de procesos para la organización .............................................. 47

Tabla 6. Caracteristicas de la actividad .......................................................................... 47

Tabla 7. Caracteristicas de la tarea ................................................................................ 47

Tabla 8. Caracteristicas de la actividad .......................................................................... 49

Tabla 9. Caracteristicas de los datos OLTP .................................................................... 50

Tabla 10. Caracteristicas de las dimensiones y hechos .................................................. 54

Tabla 11. Diccionario de Datos - dimensiones y hechos ................................................. 55

Tabla 12. Estados de medición ...................................................................................... 58

Tabla 13. Datos de la organización ............................................................................... 64

Tabla 14. Relación de tareas, actividades, y variables .................................................. 67

Tabla 15. Muestra de registros transaccionales proceso 001 ........................................ 68

Tabla 16. Relación de tareas, actividades, y variables .................................................. 71

Tabla 17. Relación de tareas, actividades, y variables .................................................. 73

13

1. INTRODUCCIÓN

En este capítulo se contextualiza la importancia de la minería de procesos, y la gestión de

procesos de negocio para garantizar rendimiento de los procesos organizacionales. Se

quiere dejar claridad respecto a la necesidad de integrar estos dos conceptos en un

elemento que permita hacer seguimiento, evaluación y recomendaciones frente al estado

de los procesos del negocio.

1.1 Motivación

Las empresas necesitan constantemente adaptar y mejorar sus procesos. Para ello es

necesario que evalúen las actividades de los procesos con el fin de determinar el estado

en que estos se encuentran, ya sea en alerta o crítico para aplicarles reingeniería y así

optimizarlos. Sin embargo la carencia de reingeniería y optimización de los procesos de

negocio, es uno de los principales problemas que afecta la competitividad de las

organizaciones [1]. Por tanto es importante que las organizaciones gestionen por procesos

para mejorar la eficiencia a través de la gestión sistemática de los modelos de procesos

de negocio; los cuales se deben modelar, automatizar, integrar, monitorizar y optimizar de

forma continua. Se debe proveer a las organizaciones de elementos clave que les permita

tener la Agilidad y Flexibilidad necesaria para responder de forma rápida a los nuevos

cambios y oportunidades de mercado [2]. También de una herramientas que apliquen

sobre los procesos en su rediseño, configuración, ejecución, y monitoreo [3].

Las empresas que gestionan por procesos desarrollan acciones que impactan a usuarios

internos y externos con información importante, oportuna, y precisa que apoya la toma de

decisiones organizacional [4]. Además pueden identificarse y gestionarse numerosos

procesos interrelacionados, analizarlos y seguir coherentemente el desarrollo de los en su

conjunto, así como obtener la mejora continua de los resultados por medio de la

14

erradicación de errores y procesos redundantes en las diferentes funciones de la

organización [5].

La gestión por procesos se resalta con BPM, que aparece como un método para gestionar

por procesos, pero solo se concentra en revisar el modelo de procesos organizacional

desconociendo el flujo de trabajo que se genera desde los sistemas de información de las

organizaciones, y que muestra la realidad del estado de los procesos [6]. Para superar

esta brecha se descubren los registros de eventos desde los sistemas transaccionales de

las organizaciones, y de ellos se obtiene conocimiento [7]. Para esto existen técnicas de

minería de procesos que proporcionan nuevos medios para descubrir, monitorear y mejorar

los procesos en una variedad de dominios de aplicación [8]. Pero aunque se han propuesto

muchos algoritmos de minería de procesos, no existe un punto de referencia ampliamente

aceptado para evaluar y comparar y aplicar estos algoritmos. Como resultado, puede ser

difícil elegir un algoritmo de minería de procesos, que sea adecuado para una determinada

empresa o dominio de aplicación, teniendo en cuenta que estos algoritmos de minería

tienen diferentes propiedades [9] [10]. También se presentan problemas como Ruido, es

decir datos inconsistentes [8]. Datos ocultos y datos perdidos, y procesos simultáneos [11].

Pocos trabajos relacionan la minería de procesos y BPM, creando la necesidad de

investigar y aportar con nuevas contribuciones relacionadas con las actividades que

ocurren en los procesos de negocio que son gestionadas y monitoreadas por diferentes

tipos de sistemas de información [12], cuyo propósito es la planificación de recursos

empresariales, la gestión de flujo de trabajo, la gestión de cliente, y la gestión de datos de

productos de sistemas, todos soportan una amplia variedad de procesos de negocio y de

ellos se guardan los registros de eventos [6]. Los registros de eventos se refieren a una

actividad que se ejecuta por medio de sistemas, y es descubierta al aplicar minería de

procesos [13].

La Minería de procesos es un puente entre la minería de datos y el modelo BMP [14]. De

esta forma se generan modelos de procesos articulados con los datos que reflejan las

actividades de los sistemas transaccionales, sin embargo se presentan durante el

procesamiento con estos modelos aspectos como el ruido, que se refleja en los datos

registrados cuando pueden ser incorrectos o estar incompletos [13].

15

También se presenta el problema de tareas escondidas, es decir tareas que existen pero

que no se pueden encontrar en los datos. Otro problema son los resultados heterogéneos,

y se da cuando se accede a sistemas de información basados en diferentes plataformas.

Y por último los procesos concurrentes [15]. Como una buena alternativa de solución a

estos problemas [16] muestra la importancia de articular la gestión de procesos de negocio

(BPM) con los sistemas de inteligencia de negocios (BIS) para la consecución de un mejor

desempeño empresarial.

BPM surge como una herramienta eficaz, cuyo objetivo principal es apoyar el diseño, la

administración, la configuración, y el análisis de procesos de negocio [3]. Es reconocido

como un enfoque de gestión integral que promueve la eficacia empresarial a través de la

integración con la tecnología [17]. Esta integración facilita la evaluación de las actividades

a partir de los indicadores clave de proceso KPI, los cuales pueden ser extraídos de una

base de conocimiento de datos históricos [18]. La evaluación de los indicadores clave de

proceso es un importante paso para ganar conocimiento de los procesos y aumentar la

comprensión de desempeño y los resultados. Su medición es la clave para dar la

información de gestión, ayudando a reducir la incertidumbre y tomar decisiones adecuadas

[19]. Los KPI, son la medida de una actividad, y se expresa en un valor numérico. Este

valor cambiará con el tiempo, y mediante el control de este comportamiento, puede alertar

a la empresa para situaciones que requieren algún tipo de acción o intervención. Son

métricas utilizadas para cuantificar objetivos que reflejan el rendimiento de una

organización, y hacen parte del plan estratégico. Miden el nivel de desempeño de un

proceso, centrándose en el cómo e indicando el rendimiento, de forma que se pueda

alcanzar el objetivo establecido. En la gestión de procesos de negocio, la capacidad de

cálculo de los indicadores clave de rendimiento es crucial. Sin estas habilidades, no se

puede optimizar los procesos de negocio de forma inteligente o en respuesta a eventos

estratégicos para crear un nuevo modelo de procesos de negocio válido, que brinde los

elementos arquitectónicos, y los organice en una secuencia de tareas o actividades con el

fin de ofrecer valor empresarial. Después, los procesos deberán ser validados para

comprobar sus propiedades de corrección y simuladas para detectar posibles secuencias

de ejecución no deseados. Una vez que los procesos operativos se han modelado y

verificado en consecuencia, se pueden implementar con el apoyo de la tecnología [20].

Sin embargo estos modelos son a menudo completamente desconectados de los datos de

eventos reales. Por lo tanto, los resultados tienden a ser poco fiables porque se basan en

16

un modelo idealizado de la realidad y no en los hechos observados. Para superar esto

debe existir una combinación entre datos de eventos y modelos de proceso [8]. El resultado

evidencia la reducción de la brecha entre estrategia y procesos de negocio, como elemento

clave de rendimiento [19].

En este trabajo de investigación se presenta un modelo que integra la Minería de Procesos

con la gestión por procesos, pero con un valor agregado denominado enfoque dimensional,

buscando obtener conocimiento desde los registros de eventos obtenidos, el modelo se

denomina MODINMINPROC.

1.2 Planteamiento del Problema

En la medida en que se busca mejorar los procesos, es necesario superar algunos

problemas que se presentan durante la comunicación entre los sistemas de información y

el modelo de procesos de la organización. Los sistemas de información proporcionan los

registros transaccionales que contienen la información relevante para conocer el

comportamiento de los procesos en sus diferentes momentos de ejecución. Los registros

son tratados como conjuntos denominados registros de eventos, y facilitan el monitoreo de

los procesos de la organización; sin embargo es complejo realizar el descubrimiento y

tratamiento de los registros, debido a la diversidad de fuentes de datos, y plataformas.

Esto provoca datos inconsistentes, datos ocultos, información, y procesamientos

simultáneos denominados concurrencia, generando procesos que carecen de

optimización, y a su vez afectando el rendimiento y competitividad de las organizaciones.

Además la información que se tiene de los procesos desde los registros de eventos se

limita a las actividades, desconociendo el detalle que proporcionan las tareas, y la

importancia que le dan las variables que las relacionan. Además los procesos están

separados desde las mediciones de los registros de eventos descubiertos en bodegas de

datos. Este problema inhibe a que las organizaciones puedan medirse en resultados desde

los procesos de negocio integrados en el análisis en tiempo real de la organización. Por

eso es necesario proponer un modelo que facilite el uso de los datos que provienen de

bodegas de datos de forma integral con las mediciones que se hacen desde los procesos.

17

1.2.1 Descripción del problema

En el descubrimiento de registros de eventos desde los sistemas de información, del tipo

transaccional, que se relacionan con sus modelos de proceso, se utilizan diversos orígenes

de datos en diferentes formatos, ya sean archivos planos, formato de hoja electrónica,

archivos XML, o formatos generados por diferentes gestores de Bases de Datos, que

contienen los datos necesarios para realizar el seguimiento y monitoreo de los procesos

del negocio.

Figura 1. Causas y elementos del problema de Investigación

Tener diferentes fuentes de datos dificulta el acceso a los registros de eventos, su

manipulación y explotación de conocimiento, ya que las actividades de un mismo proceso

pueden estar registradas en diferentes bases de datos; al igual que las tareas, y variables.

Esto genera costos de procesamiento de entrada y salida; ocasiona que se dé pérdida de

datos, y datos inconsistentes, debido a la dificultad que se tiene para realizar consultas

que crucen actividades y procesos. Este enfoque de procesamiento se centra en aplicar

técnicas que miden la correspondencia entre los modelos de procesos de negocio y los

registros de eventos que se descubren desde los sistemas transaccionales, pero el alcance

solo llega hasta conocer las actividades del proceso, restringiendo el nivel de detalle que

18

proporcionan las tareas y variables, ocultando entonces la importancia de las tareas, por

ende de las actividades y procesos que carecen de optimización y realimentación. La

figura 1 muestra el problema desde los componentes que plantean los enfoques actuales.

Estos problemas los resalta [1] donde se evidencia que el tratamiento de los datos no se

hace desde Bodegas de Datos [44] [46], por tanto los datos son de diversas fuentes. No

se especifica detalle a nivel de tareas y variables [45]. No se trabaja la minería de procesos

para conocer desde el log de transacciones el rendimiento de los procesos [43]. No se

indica un sistema de monitoreo y alerta a partir de los KPI de los modelos de negocio de

las Bodegas de Datos [37].

1.3 Hipótesis

Un modelo de integración de BPM y Minería de procesos permite mejorar los indicadores

KPI teniendo en cuenta el nivel de detalle en sus respuestas, involucrando variables, tareas

y actividades de los procesos.

1.4 Preguntas de Investigación

Debido a la problemática descrita con relación a las dificultades que se presentan para

optimizar procesos de rendimiento organizacional. Se ha planteado la siguiente pregunta

de investigación:

¿Es posible utilizar un modelo de integración de BPM y Minería de procesos para mejorar

los indicadores KPI teniendo en cuenta nivel de detalle en su respuesta frente a los

esquemas actuales de descubrimiento, integración y análisis de registro de eventos?

A continuación se presenta la sistematización del problema de investigación, la cual está

conformada por un conjunto de preguntas de investigación que permitirán descomponer

en problema principal en problemas menos complejos:

¿Qué modelos y técnicas existen para hacer monitoreo y mejorar en los procesos de

negocio?

19

¿Cuáles son los Componentes que debe tener un modelo que integra BPM y Minería de

Procesos para optimización de los indicadores de proceso?

¿Cuál es el proceso y técnica de almacenamiento de Datos que facilite el descubrimiento

de registros de eventos, y de ellos obtener conocimiento necesario para optimizar los

procesos de la organización, y sirvan como referente de casos para nuevos procesos del

negocio?

1.5 Objetivos

1.5.1 General

Diseñar un modelo de integración de BPM y Minería de procesos para la optimización de

indicadores KPI basados en registros de eventos provenientes de bodegas de datos.

1.5.2 Específicos

- Caracterizar el estado del arte alrededor de las diferentes temáticas que apoyan el

objetivo general. Indicadores Clave de Proceso KPI, Gestión de Procesos de

Negocio BPM, y Minería de Datos, Bodega de Datos.

- Establecer los componentes que conformaran el modelo de optimización de

indicadores de proceso KPI.

- Establecer la funcionalidad de los componentes del modelo de optimización de

indicadores de proceso KPI.

- Validación del modelo de optimización propuesto a partir de un caso de estudio.

1.6 Metodología

Luego de describir el problema de investigación, donde se identifican unos hechos y se

percibe una dificultad en su interpretación, se plantea una o más preguntas de

20

investigación que describen las principales causas o elementos que desencadenan los

efectos negativos en la forma actual como se hace gestión de procesos de negocio.

Posteriormente se formula la hipótesis que relaciona un modelo de integración de BPM y

Minería de procesos para mejorar los indicadores KPI teniendo en cuenta el nivel de

detalle en sus respuesta, involucrando variables, tareas y actividades de los proceso y que

se busca demostrar a través del desarrollo de esta tesis, que presenta el modelo de

integración de Minería de Procesos y BPM.

Se identifica un área de oportunidad que es la generación de indicadores desde datos

históricos provenientes de bodegas de datos para analizarlos y optimizarlos utilizando la

metodología BPM y el ciclo de vida para obtención de conocimiento KDD. Para lograrlo

se propone como objetivo general un modelo que integre el BPM y el KDD. Alcanzar este

objetivo implica realizar el levantamiento de información relacionada con la forma como se

miden actualmente las organizaciones desde sus indicadores clave de proceso KPI. Que

modelos se siguen para obtener eventos de proceso que se generan en la información

transaccional de los sistemas de información de las organizaciones, con el fin de conocer

la funcionalidad de los mismos, determinar falencias, y proponer los componentes para el

nuevo modelo con su interacción funcional.

El modelo se probará mediante un caso de uso buscando descubrir registros de eventos

desde almacenes de datos, facilitando evaluar procesos y optimizarlos con el apoyo de un

plan de mejora, de tal forma que se contribuya al rendimiento y calidad de los procesos la

organización.

1.7 Contribución

a. Tecnica

En la actualidad muchas organizaciones tienen grandes plataformas para hacer

inteligencia de negocios y otras apenas comienzan a trabajar con procesos y minería de

procesos.

¿Es posible proporcionar caminos de mejora en la organización a partir de la combinación

de modelos de gestión de la información y gestión de procesos?

21

El modelo MODINMINPROC contribuye al monitoreo y evaluación de los procesos de la

organización en los esquemas actuales de descubrimiento de registro de eventos desde

diferentes fuentes transaccionales. El modelo está propuesto para contribuir a la mejora

continua de los enfoques que actualmente se aplican para la gestión y evaluación de los

procesos, permitiendo integrar y descubrir registros de eventos provenientes desde

diferentes fuentes en un mismo repositorio de datos con enfoque dimensional.

El modelo está diseñado para analizar los procesos, y evaluarlos con un mejor nivel de

detalle, partiendo desde las variables de las tareas, pasando por las actividades, hasta

llegar al estado del proceso, ya sea ideal, en alerta, o en estado crítico.

b. Academica

Cuando es posible hacer investigación lo importante es compartirla con el mundo.

La siguiente contribución académica son productos de esta tésis doctoral:

• Capitulo de Libro – Modelo de integración Mineria de Datos Y BPM. CIINDET 2015,

XII Congreso Internacional sobre Innovación y Desarrollo Tecnológico, Cuernavaca

Morelos, México.

• Articulo en Revista Internacional – Latinoamericana de Ingeniería de Software –

Algunas Técnicas de Minería de Datos.

• Articulo en Revista Internacional - Research in Computing Science. "Integrating

Business Process Management and Data Mining for Organizational Decision

Making". México. 2015. ISSN: 1870-4069 p.89 -102 v.100.

• Articulo en Internacional - Revista Espacios de Venezuela. La Revista es un medio

que “aborda temas multidisciplinarios, publicando trabajos sobre política y gestión

de ciencia y tecnología”. Además, esta se encuentra clasificada en la categoría A2,

en el índice de Ciencia, Tecnología e Innovación de Colciencias (PUBLINDEX)

ISSN 0798-1015 y en el cuartil cuarto del índice SCOPUS.

22

2. REFERENTES CONCEPTUALES Y REVISIÓN DE LA

LITERATURA

En este capítulo se presentan los referentes conceptuales que abarca esta tesis y se

exterioriza la revisión de la literatura, dando respuesta al objetivo específico número 1 que

indica caracterizar el estado del arte alrededor de las diferentes temáticas que apoyan el

objetivo general.

2.1 Marco Conceptual

2.1.1 Enfoque basado en procesos

El concepto parte de lo plasmado en la versión ISO 9001:2000, y se resalta en la Norma

ISO 9001:2015. En esta versión de la norma se especifican los elementos mínimos para

su aplicación, y se establecen los requisitos esenciales para comprender plenamente el

enfoque por procesos. De este modo, se indica que la organización deberá determinar los

insumos necesarios y los resultados esperados de estos procesos. La secuencia e

interacción de procesos, los criterios y métodos, incluyendo mediciones e indicadores de

desempeño de procesos necesarios para garantizar el funcionamiento eficaz y el control

de los procesos, la asignación de responsables para los procesos, los métodos de

monitoreo y evaluación de los procesos, los planes de mejora que contengan las

oportunidades para optimizar el rendimiento de los procesos [21].

El enfoque basado en procesos permite gestionar y organizar las actividades de una

organización, generando ventajas competitivas, reconocimiento de las cohesiones de las

actividades entre los distintos puestos de trabajos que hay en una organización. Permite

examinar y comprender la incidencia de cada etapa o actividad relacionada con la

satisfacción de los clientes, tanto internos como externos. Determina ordenadamente las

23

actividades fundamentales para el logro de los objetivos definidos. Expresa las

obligaciones y responsabilidades para llevar la gestión de las actividades que sirven de

base de cada proceso [21].

2.1.2 Tipología de procesos

Procesos estratégicos: están destinados a definir y controlar las metas de la organización,

sus políticas y estrategias. Permiten llevar adelante la organización. Están en relación muy

directa con la misión/visión de la organización. Involucran personal de primer nivel de la

organización [22]. Gestionan la forma en que se toman decisiones sobre planificación y

mejoras de la organización, que Permiten definir y desplegar las estrategias, políticas y

objetivos de la organización [23] [24].

Procesos operativos: permiten generar el producto o servicio que se entrega al cliente, por

lo que inciden directamente en la satisfacción del cliente final. Generalmente atraviesan

muchas funciones. Son procesos que valoran los clientes y los accionistas. Los procesos

operativos también reciben el nombre de procesos clave, Ejemplo desarrollo de productos,

logística, atención al cliente [23] [24]

Procesos de soporte: apoyan los procesos operativos, sus clientes son internos. Ejemplos:

Control de calidad, Selección de personal, Formación del personal, Compras, Sistemas de

información, etc. Proporcionan apoyo a los procesos clave para asegurar el buen

funcionamiento de la Unidad y que, generalmente, son transparentes al usuario [23] [24].

2.1.3 Minería de datos

La minería de datos corresponde a técnicas matemáticas y estadísticas que sumadas a

las bases de datos y la inteligencia artificial apoyan el análisis de grandes muestras de

datos y a los requisitos del procesamiento automático de la información [25] [26]. Las

Técnicas de minería de datos son adecuadas para conjuntos de datos y estructuras de

datos simples como bases de datos relacionales, bases de datos transaccionales y los

almacenes de datos [27]. Algunas técnicas incluyen descripciones globales como la

técnica de Clustering o agrupamiento, la estimación de probabilidad, o la visualización de

24

datos [28]. Otra técnica se denomina Reglas de Asociación, y su propósito es encontrar

relaciones entre las variables que se encuentran en una Base de Datos [29].

2.1.4 Técnica de reglas de árboles de decisión

Los arboles de decisión son una serie de condiciones organizadas de forma jerárquica, a

modo de árbol. Son muy útiles para encontrar estructuras en espacios de alta

dimensionalidad y en problemas que mezclan datos categóricos y numéricos. En un árbol

de decisión cada nodo representa una condición o test sobre algún atributo y cada rama

que parte de ese nodo corresponde a un posible valor para ese atributo. Finalmente las

hojas representan el valor de la variable predicha. Esta técnica se usa en tareas de

clasificación, agrupamiento y regresión. Los árboles de decisión que se usan para predecir

variables categóricas se llaman árboles de clasificación, mientras que los árboles que se

utilizan para predecir variables continuas se llaman arboles de regresión.

Un árbol de decisión es un modelo de clasificación que divide un conjunto de análisis,

buscando el mayor grado de pureza entre los grupos resultantes. En todo árbol hay un

nodo inicial denominado raíz, que contiene la totalidad de la información. Este grupo se

subdivide en dos o más grupos denominados como internos, si continúan subdividiéndose,

o terminales u hojas, si no enfrentan más segmentación. En un árbol de clasificación cada

nodo interno se parte de acuerdo a una función discreta sobre las variables utilizadas para

el análisis, hasta llegar a los nodos terminales donde se tiene la proporción de individuos

ubicados en cada que toma la variable de interés [30].

Poseen un nodo de decisión que indica que debe tomarse una decisión en ese punto del

proceso, y se representa con un cuadrado. Un nodo de probabilidad que indica que en ese

punto del proceso, ocurre un evento aleatorio representado por un círculo. Una rama que

indica los distintos caminos que se pueden elegir después de una toma de decisión. Tienen

como ventaja que facilitan la interpretación de la decisión tomada, la comprensión del

conocimiento utilizando la toma de decisiones, reducen el número de variables

independientes, explican el comportamiento respecto a una determinada decisión [31].

25

2.1.5 KPI

Se denominan indicadores clave de proceso y permiten evaluar los procesos de negocio y

la gestión táctica de una empresa. KPI relaciona las características de especificación,

medida, logro, pertinencia, y tiempo oportuno. Esto indica que son indicadores específicos,

medibles, alcanzables, relevantes y a tiempo. Los KPI hacen hincapié en los indicadores

de desempeño que se deben configurar con la estrategia de desarrollo de la organización

[32].

2.1.6 Registro de eventos

Son instancias de proceso. Están ordenados y podrían contener propiedades adicionales

relacionadas por ejemplo con el tiempo o recursos. Pueden ser utilizados para descubrir

roles en la organización, es decir personas que presenten características comunes [5].

2.1.7 BPM

Es un enfoque de gestión integral que promueve la eficacia y la eficiencia empresarial,

buscando la innovación, la flexibilidad, y la integración con la tecnología. Permite a las

organizaciones hacer sus operaciones de negocio más inteligentes, y da a los participantes

del proceso en tiempo real mejor conocimiento de la situación y la capacidad de adaptar

sus respuestas de manera apropiada [17]. Es identificado como un factor clave para

aumentar la eficiencia en los procesos de negocio operativos. Con el fin de (re)diseñar,

adaptar y ejecutar modelos procesos de negocio [19]. Tiene un ciclo de vida que inicia

con el proceso en fase de diseño, en el que se identifican y representan los procesos de

negocio.

La Gestión de Procesos del Negocio o Business Process Management (BPM) proporciona

servicios de estrategia de operación para promover la integración entre sistemas y

personas y corresponden a los cambios del entorno empresarial [33]. Para [34] BPM es

un método de gestión que cubre todos los servicios de las empresas. Cuenta con una

poderosa gestión para integrar las empresas en el diseño, ejecución, gestión y

monitorización. BPM tiene sus orígenes en BPR (Business Process Reengineering) o

reingeniería de procesos de negocio. Y en total Quality Management (TQM)

26

Administración de calidad Total [35]. El objetivo de BMP es mejorar la eficiencia a través

de la gestión sistemática de los procesos de negocio, que se deben modelar, automatizar,

integrar, monitorizar, y optimizar en forma continua [7]. Es una disciplina que ha existido

desde principios de los 90, permitiendo a las empresas llevar a cabo revisiones importantes

de la manera que funcionan [36]. Tiene dos objetivos principales: uno de ellos es capturar

a los procesos de negocio existentes estructuralmente representando sus actividades y

elementos conexos; y el otro busca representar nuevos procesos de negocios con el fin de

evaluar su desempeño [36], BPM Facilita la gestión por procesos de las organizaciones

al realizar integración con herramientas tecnológicas [37].

2.1.8 Minería de procesos

Consiste en descubrir, monitorear y mejorar los procesos a partir de la extracción de

conocimiento desde los registros de eventos [38]. La minería de procesos puede

representar un modelo de procesos a través de un registro de eventos, proporcionando los

indicadores de evaluación del proceso [1]. La minería de procesos se orienta a la

extracción automática de modelos de procesos a partir de un registro de eventos, la

verificación de conformidad, es decir comparar el modelo y el registro de eventos, la

extensión de modelos, y mejora de modelos, la predicción de casos, y las

recomendaciones basadas en históricos [13]. Es una herramienta de gran alcance para

las organizaciones modernas para utilizar en la gestión de los procesos operativos no

triviales [8]. Es una tecnología de gestión de procesos de negocio, cuyo objetivo es mejorar

estos procesos mediante la extracción de conocimiento a partir de datos almacenados que

están disponibles en los sistemas de información de hoy en día. Analiza los datos

almacenados, generando un cambio en el modelo de proceso inicial. Para obtener el

conocimiento necesario de estos registros, cada evento debe contener algunos datos

importantes como el nombre de la actividad, un nombre del caso, identificación de usuario,

hora, etc. La Minería de Procesos puede ser vista como un enlace que llena el espacio

entre la minería de datos y el modelo analizado sobre la base de BPM. La mayor parte de

las técnicas de minería de datos no están orientadas a los procesos. La tecnología de la

minera de procesos combina los puntos fuertes de las aplicaciones de minería de datos y

modelado de procesos [14]. Estas técnicas permiten el análisis de los procesos de negocio

basados en los registros de eventos. Por ejemplo, las pistas de auditoría de un sistema de

gestión de flujo de trabajo, los registros de transacciones de un sistema de planificación

27

de recursos empresariales, y los registros electrónicos de pacientes en un hospital pueden

ser utilizados para descubrir los modelos que describen procesos, organizaciones y

productos. Por otra parte, los registros de eventos también se pueden utilizar para

compararlos con un modelo de procesos a priori, para ver si la realidad observada se ajusta

a algún modelo prescriptivo o descriptivo. Las Técnicas de minería de proceso se pueden

utilizar en una variedad de dominios de aplicaciones que van desde la fabricación y el

comercio electrónico a la atención de salud y auditoría. A diferencia de muchos otros

sistemas de toma de decisiones, la atención se centra en el análisis de la situación actual

en lugar de evaluar rediseños o proponer mejoras [39].

Mientras que muchos algoritmos de minería de procesos han sido propuestos

recientemente, no existe un punto de referencia ampliamente aceptada para evaluar y

comparar estos algoritmos de minería de proceso. Como resultado, puede ser difícil elegir

un algoritmo de minería para un dominio de la organización. Algunos sistemas de

referencia recientes se han desarrollado y propuesto para abordar esta cuestión. Sin

embargo, la evaluación de estos algoritmos de minería de procesos puede ser

computacionalmente costoso y requiere mucho tiempo [40] [41].

2.2 Revisión de literatura

Este estudio se ha llevado a cabo como una revisión sobre la evaluación del aporte que

realiza la minería de procesos en la gestión de los procesos de negocio, donde el proceso

de búsqueda utilizado fue directamente en las bases de datos científicas relacionadas con

la aplicabilidad de minería de datos en la gestión de los procesos de negocios, publicados

entre los años 2003 y 2016, que hayan tenido al menos una cita y los filtros de búsqueda

que se realizaron fueron: minería de datos y de procesos; gestión de procesos de negocio;

aplicabilidad de minería de datos en la gestión de los procesos de negocio.

Las aplicaciones de negocios implican alta flexibilidad en el procesamiento de información

y extracción de conocimiento desde los datos. La Integración de minería de datos en

procesos de negocio se convierte en un elemento crucial para el negocio de hoy. Sin

embargo, la integración de la minería de datos en estos no es sencillo. Desde una

perspectiva organizacional, la integración creciente de la minería de datos tiene un papel

importante para un analista de datos, que necesita no sólo la minería de datos para el

28

transporte de los requerimientos del negocio, sino también en un proceso de reingeniería

de los modelos de procesos del negocio. Cualquier proceso de minería de datos que aporta

innovación significativa para el negocio necesita tener una visión equilibrada de la

perspectiva del negocio. Business Process Management (BPM) se basa en la definición y

gestión de procesos de negocio. Dichos entornos BPM proporcionan diseño flexible,

gestión e implementación de procesos de negocio. La integración de la minería de datos

en procesos de negocio en entornos puede simplificarse mediante el desarrollo de un

enfoque integrado. Esto incluye una visión integrada en las interfaces entre la minería de

datos y los negocios. Un modelo integrado de negocios y funciones de minería de datos

[42]. Por lo tanto la minería de datos se convierte en una parte integral del funcionamiento

de negocio, aportando en la reconstrucción de modelos de proceso, y para ello se hace

necesario contar con técnicas más dinámicas como las que ofrece la minería de procesos

[43]. La minería de procesos es una disciplina de investigación relativamente joven. Se

centra en obtener conocimiento desde los datos generados y almacenados en los sistemas

de información de las organizaciones. Estos datos se descubren en forma de registros de

eventos. Un registro de eventos puede verse como un conjunto de características, que

contienen las actividades ejecutadas para una instancia de proceso en particular. Hay tres

técnicas de minería de proceso: proceso de descubrimiento, comprobación de la

conformidad y mejora. El primer tipo se refiere a la extracción automática de registros de

eventos desde modelos de proceso. El segundo tipo se centra en la verificación de

conformidad, que consiste en comparar un modelo dado, con el registro de eventos

obtenido desde los sistemas transaccionales. Y el tercer tipo se dedica a la extensión o

mejora de un modelo de procesos [44].

Las técnicas de minería de procesos son capaces de extraer conocimiento de los registros

de eventos comúnmente disponibles en los sistemas de información actuales. Estas

técnicas proveen nuevos medios para descubrir, monitorear y mejorar los procesos en una

variedad de dominios de aplicación. Día tras día en las organizaciones registran más y

más eventos, proporcionando información detallada acerca de la historia de los procesos,

creando la necesidad de mejorar y apoyar los procesos de negocio en ambientes

competitivos y que cambian rápidamente. La minería de procesos proporciona un puente

importante entre la minería de datos y el modelado y análisis de procesos de negocio a

partir del enfoque de la Inteligencia de Negocios (BI). Existen herramientas para generar

reportes, y cuadros de mando. Facilitan el monitoreo en tiempo real de procesos de

29

negocio. Permiten optimizar la organización. Estos enfoques tienen en común que los

procesos son analizados en detalle para identificar que mejoras se pueden aplicar en los

procesos. La minería de procesos es una tecnología que facilita aplicar estos enfoques

[13]. Sin embargo estos enfoques corresponden a sistemas de información transaccionales

de las organizaciones.

La minería de procesos ha sido poco aplicada a los enfoques que relacionan los procesos

de negocio y la minería de datos, por lo tanto se convierte necesariamente en objeto de

exploración y contribución [45]. Los procesos de negocio son un elemento vital para hacer

gestión de la organización y consecuentemente medirse a nivel de servicio y resultados

por medio de KPI. Los KPI son indicadores clave de proceso, y presentan el rendimiento

de un proceso, comparando la distancia entre el valor esperado ideal, y el estado actual

que presenta el proceso [46]. La gestión de la organización se realiza con BPM que

significa gestión de procesos de negocio, y se constituye en un conjunto de actividades,

cuyo propósito es apoyar el diseño, la administración, la configuración, y el análisis de

procesos de negocio [3]. BPM motiva al crecimiento de la calidad y competitividad

empresarial por medio de la integración de la gestión con la tecnología [37].

2.2.1 Metodología de Búsqueda

Se seleccionaron artículos publicados, que hayan tenido al menos una cita, se realizó la

búsqueda en bases de datos científicas, y revistas científicas, entre ellas están:

ScienceDirect, Google Scholar, IEEE, Springer.

Algunos criterios aplicados a la búsqueda fueron:

"Minería de datos"

“Minería de procesos”

"gestión de procesos de negocio"

"Minería" y "gestión de procesos de negocio"

"Minería" y "Aplicabilidad"

Con estos criterios de búsqueda, se hicieron filtros a los artículos, examinando,

inicialmente, el título, el resumen y las conclusiones. En una segunda instancia se

30

revisaron la introducción, títulos y subtítulos del artículo. Después de estos filtros se analizó

el contenido.

Figura 2. Método de consulta utilizado

Al establecer cuales artículos se iban a trabajar, se consideró si los artículos seleccionados

se centran en la minería de procesos aplicada a la gestión de procesos de negocio. Los

artículos seleccionados cumplen con los criterios de inclusión y exclusión pero desde

diferentes frentes. Hay artículos que tratan de identificar las bondades, características y

ventajas competitivas que brinda la minería de procesos cuando se alinea con la gestión

de los procesos del negocio. Otros artículos ilustran las bondades que ofrecen las

herramientas de minería de procesos cuando se alinean con la gestión de los procesos de

una organización. Pero todos tienen algo en común y es evaluar el estado actual de la

minería de procesos alineado con la gestión de los procesos del negocio.

2.2.2 Criterios de evaluación

La definición de los criterios con base en los cuales se van a evaluar los trabajos, son los

siguientes:

Criterio 1. ¿Responde al menos a una de las preguntas de investigación?

Criterio 2. ¿La información denota claridad y validez del estudio realizado?

Criterio 3. ¿El artículo propone alguna metodología que facilite la alineación de la minería

de datos con la gestión de procesos?

Criterio 4. ¿El artículo muestra casos de éxito al alinear la minería de datos con la gestión

de procesos de negocio?

31

Criterio 5. ¿El artículo logra identificar y sustentar las ventajas que brinda la alineación de

la minería de datos con la gestión de procesos de una organización?

2.2.3 Resultado de evaluación

Para la evaluación de cada criterio se describen las opciones de respuesta, estas son:

S: Cumple con el criterio.

P: Parcialmente cumple con el criterio.

N: No cumple con el criterio.

Tabla 1. Criterios evaluados

Trabajo Criterio 1 Criterio 2 Criterio 3 Criterio 4 Criterio 5

ID1 S P P N N

ID2 S N S N N

ID3 S S S S S

ID4 S S S S S

ID5 S S P N N

ID6 S N P N N

ID7 S S P S S

ID8 S S S S S

ID9 S S S N N

ID10 S N S N N

ID11 S S S S S

ID12 S S S N N

ID13 S S S S S

ID14 S S P S S

ID15 S S N P P

32

Algunos trabajos que presentan la aplicación de la minería de procesos, y otros la

integración con gestión de procesos de negocio, son los siguientes:

2.2.3.1 Modelo de Minería de procesos simplificado

En esta propuesta se combinan la programación genética con métricas para establecer un

enfoque de la minería de procesos simplificados basados en la programación genética.

Cada métrica tiene sus propias ventajas y desventajas, por lo tanto se debe saber que

complejidad se tiene para saber que programación genética es necesaria y así definir

objetivos. La métrica seleccionada debe ser capaz de medir la complejidad estructural de

los modelos de procesos. También debe ser capaz de codificar, con el fin de lograr cálculos

automáticos del algoritmo. Debe ser capaz de verificar el proceso a través de modelos

reales. El modelado de procesos se puede entender a partir de cuatro principales

perspectivas: la actividad, el control de flujo, datos y recursos perspectivas. La ventaja de

este método es que se pueden extraer modelos de procesos tanto desde la perspectiva de

la estructura como del comportamiento. Considera la complejidad de la estructura de los

modelos de proceso, por lo que es fácil de comprender. Dentro de las desventajas se

resalta la falta de relaciones complejas entre las funciones, y no se descartan roles de poca

importancia en el proceso [47].

ID16 S S N P P

ID17 S S P P P

ID18 S S P P P

ID19 S S S S S

ID20 S S P S S

ID21 S S N P P

ID22 S S P P P

ID23 S S P P P

ID24 S S S S S

ID25 S S P S S

33

2.2.3.2 Mejorando la estructura: secuencia lógica de modelos de

minería de procesos

En este trabajo se muestra cómo la secuencia lógica de eventos que puede utilizarse en

lugar de la lógica temporal para reconstruir el flujo de control en modelos de procesos de

minería. El objetivo es proporcionar modelos de procesos que son menos complejos y que

proporcionan información sobre la estructura lógica de los procesos del negocio,

explotando la estructura lógica en un registro de eventos. Este enfoque crea más modelos

informativos de acuerdo con los requisitos pertinentes del dominio de aplicación en

comparación con los enfoques tradicionales que utilizan la estructura temporal de los

acontecimientos. Los beneficios están reflejados en la explotación de la estructura lógica

de eventos que proporciona modelos de minería de procesos más articulados con los

requisitos del dominio de aplicación mejor que los enfoques tradicionales, y que producen

modelos menos complejos.

Como desventaja se resalta que se centran en modelos de minería desde la perspectiva

del control de flujo omitiendo la estructura, esto afecta directamente el entendimiento y la

calidad de los modelos obtenidos [12].

2.2.4 Modelamiento basado en minería de procesos y análisis de

flujo de trabajo en atención clínica – un estudio de caso en una

clínica de chicago

Se trata de la creación de un modelo de flujo de trabajo de nivel abstracto con una visión

precisa del flujo de pacientes, teniendo en cuenta la naturaleza dinámica de los procesos

asistenciales, buscando mejorar la gestión. Este método es capaz de descubrir

conocimiento significativo, es decir, el flujo de trabajo, de los procesos de atención clínica

por medio de la minería de registros de eventos. Se propone un modelo de simulación de

eventos discretos para analizar cuantitativamente el centro clínico. Los resultados sugieren

que esta metodología es una herramienta útil y flexible para la mejora del rendimiento de

los procesos de atención médica.

El modelo puede reproducir con precisión los comportamientos observados en la clínica,

identificar los cuellos de botella, y predecir el impacto de los esfuerzos de mejora para la

34

toma de decisiones. Se resalta el gran potencial que tienen las técnicas de minería de

procesos en los sistemas de atención en salud, sin embargo todavía tienen algunos

defectos. Por ejemplo, si no se utilizan las relaciones de dependencia de espera para

simplificar el registro de eventos, el flujo de trabajo descubierto por la minería difusa

todavía será demasiado complicado para la simulación [48].

2.2.3.4 Un nuevo enfoque para minería de procesos:

descubrimiento de modelos de proceso

Se presenta un nuevo enfoque denominado Método de Mapa Minero (MMM). Este método

está diseñado para automatizar la construcción de modelos de procesos desde los

registros de los procesos. MMM utiliza modelos ocultos de Markov para modelar la relación

entre las actividades de los registros de los usuarios y las estrategias para satisfacer sus

intenciones. El método también incluye dos algoritmos específicos desarrollados para

inferir las intenciones de los usuarios y la construcción del modelo de procesos

respectivamente. MMM puede construir Mapas de modelos de proceso con diferentes

niveles de abstracción con respecto al el meta-modelo de procesos original. La potencia

del modelo de proceso obtenido muestra una eficiencia satisfactoria con respecto al

método propuesto.

Dentro de las ventajas del modelo se resalta el control de la conformidad de los modelos.

Solo requiere registros de las actividades (registros de eventos) como entradas. Esto hace

que el método sea fácilmente aplicable a cualquier conjunto de datos.

El modelo puede mejorarse automatizándolo completamente mediante la construcción de

ontologías más sofisticadas a partir de los temas descubiertos. Estas ontologías deben

tener en cuenta el contexto en el que los procesos son promovidos, así como la situación

en cuestión. Esto hace que el mapa descubierto sea más sensible al contexto. Esta

propuesta al igual que otras herramientas existentes se limita a representar el proceso en

términos de actividades [49].

35

2.2.3.5 Minería de procesos y componentes arquitectónicos desde

casos de prueba

Se presenta esquema para clasificar etapas de prueba a los componentes arquitectónicos

de la minería. Los resultados experimentales de clasificación automática utilizando

técnicas de aprendizaje supervisado indican precisión entre el 88% y el 94% lo que motiva

a llevar a cabo más investigaciones. La comprensión de pruebas es parte de la

adquisición, transferencia y gestión del conocimiento en curso.

El Sistema de Pruebas de Integración se centra en la verificación de interfaces de usuario,

así como la funcionalidad de sistemas individuales. Los flujos de trabajo en el sistema se

ejecutan para probar diversos escenarios de uso. Si bien no existe un modelo estándar en

la industria para describir un script de prueba, usando una tabla formulario es una práctica

común. Cada script de prueba representa un escenario de uso del sistema representado

como un flujo y todo el conjunto de pruebas da cuenta de la cobertura deseada sobre todos

los flujos en el sistema. A pesar de todas estas bondades la propuesta refleja algunas

dificultades como el mejoramiento en lo que respecta a la precisión y el duplicado como

pasos para descubrir los modelos de procesos de guiones de prueba, motivando a nuevas

investigaciones en el desarrollo de técnicas de minería de procesos de guion de prueba.

Se necesita de un análisis multidimensional. Estos modelos son demasiado complejos para

la aplicación final [50].

2.2.3.6 Aplicación de técnicas de minería de procesos para

optimizar los modelos de procesos de negocio basados en

sistemas de información que emiten licencias y permisos de

licencia electrónicos

La minería de procesos construye un puente entre la minería de datos y BPM. Las

Técnicas de minería de procesos pueden restaurar los modelos de procesos de negocio;

identificando cuellos de botella. Los resultados de minería de procesos permiten organizar

un seguimiento eficaz de la ejecución de los procesos de negocio y, si es necesario,

optimizarlos. En el trabajo de [51], el sistema propuesto permite a los usuarios buscar los

servicios (licencias, permisos, procedimiento de notificación) con una serie de criterios

(ciudad destino, tipo, fecha, clase de servicio, etc.). Actualmente hay dificultades con el

36

creciente volumen de las técnicas y los procesos del mismo tipo o similares por esto se

requiere optimización y normalización de su modelado y ejecución.

2.2.3.7 Una revisión de literatura en el contexto de la salud

Se centra en el dominio profesional de la salud, donde la minería de procesos tiene

diferentes estudios de caso, con resultados prometedores. Concretamente se realiza una

revisión de literatura sobre el uso de la explotación minera de proceso en la atención

médica [44].

2.2.3.8 Una perspectiva de procesos en procesos de negocio

Se presentan algunas ideas preliminares sobre el desarrollo de un enfoque desde

diferentes perspectivas de minería de procesos en procesos de negocios. Se ofrece una

definición general desde una perspectiva de proceso de negocios [45].

2.2.3.9 Diseño de un nuevo sistema de almacenes de datos

El autor hace referencia a la Arquitectura, que es la plataforma encargada de procesar los

datos y procesos, es la transformación física de almacenamiento de datos, tiene un medio

de transmisión de datos, y la compone el Hardware y Software, incluyendo el sistema

operativo.

El modelo propuesto tiene el propósito de recolectar, integrar, y realizar análisis de datos

con OLAP, y Minería de Datos. El análisis de datos necesita OLAP (Online Analytical

Processing) de Software para apoyar el tipo general de análisis multidimensional.

La Minería de Datos, se utiliza para realizar análisis de datos, y su función es encontrar

relaciones entre los datos.

Con el almacenamiento de datos se espera lograr realizar el análisis de indicadores clave

de proceso (KPI), pero con mayor volumen de datos, se logra establecer mejores

correlaciones entre variables [52].

37

2.2.3.10 Integración de objetivos con procesos de almacenes de

datos para análisis de procesos de negocio

La gestión de procesos del negocio ha establecido como un importante instrumento para

ayudar a las organizaciones en las reunir sus objetivos de negocio y lograr ventajas

competitivas.

El análisis y mejora de procesos de negocio, es una de las etapas centrales del ciclo de

vida de BPM. Esto requiere la comprensión de los procesos del negocio, así como

enfoques para administrar continuamente y cambiarlos para facilitar la mejora de procesos

sostenibles.

Un nuevo enfoque para analizar los procesos de negocio es utilizar técnicas de inteligencia

de negocios. Algunos de estas técnicas intentan impulsar las capacidades analíticas de

BPM mediante el empleo de almacén de datos orientados a los procesos. Estas

estructuras de almacenamiento de datos están dirigidos a capturar información sobre los

procesos ejecutados contrastadas con sus análisis eficientes, de tal modo ofrecer mejoras

[53].

2.2.3.11 Restricción a los indicadores numéricos en sistemas de

medición de desempeño

En este trabajo se resalta la importancia de los KPI para evaluar los procesos de negocio

y la gestión táctica de una empresa. Se indica la restricción para cuantificar el rendimiento

en los llamados sistemas de rendimiento hace que sea difícil evaluar los procesos

complejos relacionados con negocios que son más bien de carácter cualitativo, por

ejemplo, factores de éxito, hitos, la complejidad, las relaciones, dependencias o madurez.

Algunos procesos de negocio no pueden ser fácilmente medidos debido a su naturaleza

no determinista o cualitativa. Entonces para implementar sistemas de medición de

rendimiento, se usan métricas de simplificación y artificiales que son costosos y complejas

de crear y evaluar [54].

38

2.2.3.12 Indicadores clave de rendimiento utilizados en

aplicaciones de medición de desempeño

Se realiza una caracterización que sirve de orientación sobre la medición del desempeño

que utilizan los sistemas de negocio y analizar las soluciones ERP, tecnologías para

ofrecer diferenciadores y los puntos de enfoque para los tomadores de decisiones. Las

medidas son seleccionados de diferentes áreas y puntos de vista de acuerdo con algunas

direcciones: oportunidades actuales de diseño front-en, técnicas y metodologías de

desarrollo, funcionamiento y rendimiento de la tecnología (la disponibilidad y velocidad,

sostenibilidad de una solución [55].

2.2.3.13 Reutilización de minería de datos en procesos de negocio:

un enfoque basado en patrones

Las aplicaciones de negocios implican alta flexibilidad en el procesamiento de información

y extracción de conocimiento desde los datos. Por lo tanto la minería de datos se convierte

en una parte integral del funcionamiento de negocios.

Este trabajo describe un enfoque que facilita la integración basada en patrones de proceso

para minería de datos y demuestra que estos patrones pueden ser fácilmente reusables y

pueden significar el levantamiento de integración de procesos [56].

2.2.3.14 Desafíos en análisis de rendimiento en arquitecturas

empresariales

En este trabajo se define el concepto de Corporate Performance Management (CPM) como

los procesos, metodologías, métricas y tecnologías para medir, controlar y gestionar el

rendimiento del negocio. Incluye los modos orientados al proceso de acción y enfoques

para la gestión del rendimiento en los procesos de negocio. El tema de los indicadores

clave de rendimiento se explora en una serie de áreas en la literatura, tales como ciencias

de la administración, la gestión empresarial y BPM. El enfoque se hizo más concentrado

en los procesos de negocio, lo que permite la recogida de un espectro más amplio de los

datos de rendimiento relevante, que abarca medidas tanto financieras como no financieras.

Se refiere a la representación ajustada de KPIs así como su ejecución técnica

correspondiente [57].

39

2.2.3.15 Hacia un marco de notación integrado de requisitos de

usuario y herramientas BPM

El ciclo de vida de Business Process Management (BPM) consta de varios pasos iterativos

que mejoran la calidad de los procesos de negocio y de la organización con un enfoque

incremental. La implementación de un Data Warehouse (DW) mejoraría el rendimiento de

los modelos de negocio. El DW puede utilizarse como un origen de datos para una

herramienta de Business Intelligence (BI) integrada en el entorno de BPM, que le permitirán

investigar los procesos de negocio en su contexto asociado a lo largo de diferentes

dimensiones. La fase de mejora puede utilizar resultados de la medición del rendimiento

de la fase de control, así como un repositorio de patrones de rediseño de procesos. En

este trabajo proponemos una visión de modelado donde se muestra el apoyo de BPM [58].

2.2.3.16 Construir componentes estratégicos para el proceso de

minería de datos

En este trabajo se hace una caracterización de la Minería de datos, la cual se refiere a

obtener conocimiento desde grandes cantidades de datos. La minería de datos se llama

apropiadamente como "Minería de conocimiento. Hay muchos otros términos con un

significado similar o ligeramente diferente a la minería de datos, tales como conocimiento

minero de extracción de conocimiento, análisis de datos/patrón, bases de datos. Puede

ser clasificada en dos categorías como descriptiva y predictiva. Las tareas relacionadas

con la minería descriptiva se caracterizan por descriptivo se caracteriza por las

propiedades generales de datos en la base de datos, mientras que las tareas predictivas

realizan inferencia sobre los datos actuales con el fin de hacer predicciones. Estas

funcionalidades se clasifican como sigue: caracterización y selección; Análisis de

asociación; Clasificación y predicción; Análisis de Cluster [59].

40

3. MODELO PROPUESTO

En este capítulo se presenta el modelo propuesto, se describe sus componentes y

funcionalidad. De esta forma se da cumplimiento al objetivo específico número 2 que

consiste en establecer los componentes que conformaran el modelo de optimización, y al

objetivo 3 que consiste en establecer la funcionalidad de los componentes del modelo

asociado a la optimización de los indicadores de proceso.

El modelo muestra la interacción de actividades de los procesos como lo indica la norma

ISO 9000:2000. De esta interacción se generan resultados que son derivados de orígenes

de datos que posteriormente son procesados. Los orígenes o fuentes de datos del modelo

son resultados de otras actividades o procesos previos. El flujo de actividades del proceso

se activa una vez se suministran los recursos, y son monitoreadas por un componente de

medición para reunir información y analizar el desempeño del proceso y las características

de entrada y de salida.

El modelo con su enfoque permite y facilita hacer seguimiento de sus procesos en el

tiempo hasta alcanzar la optimización a partir del plan de mejora, que busca superar

problemas como la perdida e inconsistencia de la información, que se presenta en flujos

de trabajo de las tareas de procesos de las organizaciones, donde en muchas ocasiones

las causas de estos problemas están relacionadas con la utilización de diferentes orígenes

de datos, ya sean tablas, archivos, o bases de datos, y estos problemas se identifican en

el momento de hacer seguimiento a los modelos de procesos utilizando los registros que

se guardan en los sistemas de información. Para disminuir el impacto que esto pueda

ocasionar, el modelo propuesto denominado MODINMINPROC define un conjunto de

componentes, que corresponde a lo establecido en el segundo objetivo de esta tesis.

El modelo MODINMINPROC inicia con la especificación de los procesos. Posteriormente

se analizan y evalúan los procesos, y finalmente de acuerdo al estado en que se

encuentren se sugiere o no un plan de mejora, que posterior a su aplicación se optimizan.

41

Aunque en los registros de los sistemas de información reposan las características de los

procesos, de las actividades, de las tareas, y variables, MODINMINPROC indica tomar

solo las características de tareas y variables, incluyendo el valor obtenido para cada tarea,

y para cada variable en los diferentes momentos del tiempo.

3.1 Componentes del modelo

El modelo se ha denominado MODINMINPROC como un acrónimo de Modelo de

Integración de Minería de Procesos y Procesos de negocio. El modelo está compuesto por

cuatro componentes: (a) modelado de la organización, (b) origen de datos, (c) análisis de

proceso, y (d) optimización. Los componentes del modelo se ilustran en la Figura 3.

Figura 3. Modelo propuesto – MODINMINPROC

Los componentes interactúan entre ellos en la medida en que se genera flujo de

información, ya sea de entrada y/o salida necesario para la funcionalidad de los

componentes, como lo ilustra la figura 4.

42

Figura 4. Interacción de los componentes del modelo –MODINMINPROC

El componente denominado Modelo organizacional se comunica con el componente

Modelado Dimensional proporcionándole información de las características de la

organización, procesos, actividades, tareas, y variables. Esta información es importante

para realizar el análisis y evaluación de los procesos, y también para establecer las

características que permiten establecer el modelamiento dimensional, concretamente

proporcionando información para las dimensiones del modelo OLAP.

El componente de Análisis de Datos también se comunica con el componente origen de

datos, recibiendo información de este. La información que se recibe está relacionada con

las características de las tareas y variables que se encuentran en los registros de los

sistemas de información de la organización. Esta información es importante para

consolidar los hechos del modelo OLAP. De esta manera se garantiza la consistencia de

los datos, al relacionar los procesos y actividades definidos en el componente de Modelado

organizacional, y las tareas y variables provenientes de los sistemas de información.

El componente de Análisis de Datos se comunica con el componente de Optimización

proporcionándole datos que son producto del análisis y evaluación de los procesos.

Los datos contienen el estado de cada uno de los procesos, que determinan si el proceso

se encuentra en estado ideal, en alerta, o crítico.

43

El componente Optimización ejecuta un plan de mejora que contiene sugerencias

establecidas a partir de las causas que determinan el estado del proceso.

Cada componente tiene relación con una o más etapas del ciclo de vida de BPM, y está

compuesto por varios elementos que especifican su comportamiento.

El modelo ha sido diseñado de tal forma que cada uno de los cuatro componentes esté

relacionado con una o más fases del ciclo de BPM, como se muestra en la Tabla 2.

Tabla 2. Relación de los componentes del modelo con las etapas de BPM

COMPONENTE RELACIÓN CON FASES BPM

Modelado de la Organización

Diseño Modelamiento

Origen de Datos Ejecución

Análisis de Proceso Ejecución Monitoreo

Optimización Optimización

Recomendaciones

3.1.1 Modelado de la organización

El Modelo de la Organización define “qué” elementos de la organización harán parte del

modelo. En especial se trata de los procesos con sus actividades, tareas, y variables de

medición.

Este modelo tiene relación con la fase Diseño y Modelamiento del ciclo de vida de BPM.

En la etapa de diseño se identifican procesos existentes, analizándolos y buscando que

se reestructuren o se propongan nuevo, igualmente se especifican flujos de proceso

44

(workflow). Durante la fase de modelamiento se especifican variables que hacen

referencia a indicadores clave de rendimiento. Por ejemplo un indicador para una

empresa de atención a usuarios puede ser total de usuarios atendidos sobre el total de

usuarios estimados para atender (KPIusuario = ∑ Usuarios Atendidos / Total de Usuarios

Esperados.

La organización O se define desde un conjunto de flujos de trabajo W que definen cada

proceso Pi, donde cada Wi incluirá un conjunto de actividades Aj=1..n determinadas a su

vez por un conjunto de tareas Tk=1..n, y un conjunto de variables Vl para medir el proceso.

Estas pueden estar en función del W i o de Tk. El modelo utilizará solo las variables

asociadas a las tareas.

En la figura 5 se ilustran las etapas para el componente de modelo organizacional.

Figura 5. Flujo de trabajo – Modelado organizacional

3.1.1.1 Especificar variables de Medición

Se especifican y caracterizan las variables que utiliza la organización en relación con los

procesos, y que son necesarias para medir de las tareas. Las variables identificadas son:

tiempo (TM), tecnología (TC), recurso humano (RH), costo (CT), y conocimiento (KC).

Definición de Variables

Variable Tiempo (VT). Esta variable maneja valores relacionados con la duración o

momento en el que ocurre un evento.

Variable Costo (VC). Esta variable maneja valores relacionados con el costo (pesos,

rendimiento, procesamiento) que implica en un evento.

45

Variable Tecnología (VTech). Esta variable maneja valores relacionados con los

recursos tecnologicos que implica un evento.

Variable Recurso Humano (VRH). Esta variable maneja valores relacionados con la

cantidad, calidad, y rendimiento del recurso humano implicado en un evento.

Variable Conocimiento (VK). Esta variable maneja valores relacionados con el nivel,

esfuerzo de obtener, y adquirir, transferir nuevo conocimiento relacionado con un

evento.

Las características de variables se muestran en la Tabla 3.

Tabla 3. Caracteristicas de la variable

VARIABLE

Codigo Corresponde a la identificación de la variable Nombre Nombre de la variable. Detalle Describe las caracteristicas de la variable, en

funcion de los criterios de medicion.

La figura 6 ilustra la definición del esquema de Medición desde los elementos del

modelo de la organización.

46

Figura 6. Esquema de medición del modelo

Las variables obtienen valor en diferentes momentos.

Momento 1 – Configuración de una la Tarea. Las variables de medición son definidas por

cada una de las tareas que conforman un workflow. En la figura 7 se muesta la

asignación de valores de configuración para una la primera corrida del workflow.

Figura 7. Configuración de las variables de medición de una Tarea que es parte de un workflow.

Momento 2 – Alertas de Medición. Cuando el workflow se ha corrido varias veces pueden

darse cuellos de botella que generan alarmas y es necesario reconfigurar los valores de

las variables.

3.1.1.2 Especificar proceso

Cada proceso corresponde a un conjunto de actividades que contribuyen a obtener

resultados necesarios para alcanzar los propósitos de la organización. Las caracteristicas

de los procesos se muestran en la tabla 4.

Tabla 4. Caracteristicas del proceso

PROCESO

Codigo identificacion de cada proceso. Nombre Nombre del proceso. Detalle Describe las caracteristicas del proceso,

en funcion del conjunto de actividades que lo componen.

Objetivo Es el alcance y el proposito del proceso respecto a los objetivos de la organización.

Importancia o indicador

Prcentaje que se le asigna al proceso en funcion de los propositos de la organización.

47

Frecuencia Indica cada cuanto se ejecuta el proceso

Cada organización relaciona diferentes procesos

Tabla 5. Especificación de procesos para la organización

Organización

Procesos

P1

P2

Pn

3.1.1.2.1 Especificar Actividad Cada actividad corresponde a un conjunto de tareas que contribuyen a obtener resultados

necesarios para alcanzar los propósitos del proceso. Las caracteristicas de la actividad

se especifican en la tabla 6.

Tabla 6. Caracteristicas de la actividad

ACTIVIDAD

Codigo Es la identificacion de cada actividad Titulo Es el nombre de la actividad Detalle Enuncia y describe las caracteristicas de

la actividad, en funcion del conjunto de tareas que relaciona.

Importancia o indicador

Es el porcentaje que se le asigna a cada actividad en funcion del proceso.

3.1.1.2.2 Especificar Tarea Las tareas a un conjunto de variables relacionadas que contribuyen a obtener resultados

necesarios para alcanzar los propósitos de la actividad. Las caracteristicas de la tarea

se muestran en la tabla 7.

Tabla 7. Caracteristicas de la tarea

TAREA

Codigo Es la identificacion de cada tarea. Tiulo Corresponde al nombre de la tarea. Detalle Enuncia y describe las caracteristicas

de la tarea, en funcion del conjunto de variables que relaciona.

48

Objetivo Alcance y proposito de la tarea respecto al propósito de la actividad.

Importancia o indicador

Porcentaje que se le asigna a cada terea en funcion de la actividad.

Valor ideal Valor establecido por la organización con el fin de tener un porcentaje contra el cual se compare el porcentaje obtenido para la tarea despues de su evaluación, y poder determinar en que estado se encuentra.

Valor aceptado Valor establecido por la organización con el fin de tener un porcentaje contra el cual se compare el porcentaje obtenido para la tarea despues de su evaluación, y poder determinar si se encuentra en un estado de Aceptación.

Valor Rechazado

Valor establecido por la organización con el fin de tener un porcentaje contra el cual se compare el porcentaje obtenido para la tarea despues de su evaluación, y poder determinar si se encuentra en un estado de rechazo.

3.1.1.3 Relacionar variables a tareas

Las variables que se especifican para la organización se relacionan con una o más tareas,

esto indica que, para cada variable se pueden asignar diferentes valores de importancia

dependiendo de las tareas que relacione. La asignación de la importancia para la tarea se

realiza a criterio del experto de la organización teniendo en cuenta la importancia del

proceso, y de las actividades que relaciona. Ver figura 8.

Figura 8. Importancia de las variables Según tareas

Variable

V1 V2 V3 Vn

Vn %1 %2 %3 %n

Tarea

Tn

Tarea

T1

Tarea

T2

49

La importancia se establece teniendo en cuenta el número de variables y la importancia

que le asignara a cada una de ellas. En el caso de que la tarea solo cuente con una

variable, el valor que se le asigne corresponde a 100%. Si son dos o más variables se

distribuyen el 100% entre ellas de acuerdo al nivel de importancia que considere el experto

de la organización.

La importancia al compararla con el valor de calificación de la variable determina el estado

de rendimiento respecto a la tarea. Este valor se encuentra en el registro de eventos.

3.1.1.4 Especificar plan de mejora

El plan de mejora se registra por un experto de la organización, y está relacionado con las

tareas que presentan inconsistencias, o su calificación está en un estado de alerta o crítico.

El plan de mejora tiene como propósito optimizar los procesos, desde la mejora que se

aplique y se refleje en las tareas. En la tabla 8 se muestran sus características.

Tabla 8. Caracteristicas de la actividad

PLAN DE MEJORA

Codigo Identificación de cada plan de mejora. Causas Problema que presenta la tarea. Recomendación Posible solucion que se da para la tarea.

3.1.2 Origen de Datos

El segundo componente denominado Origen de Datos se relaciona con la fase

modelamiento de BPM, Durante la fase de modelamiento se especifican variables que

hacen referencia a indicadores clave de rendimiento.

Este componente determina el conjunto de registros conformado por tareas y variables

provenientes de los sistemas de información de la organización. Los registros dan a

conocer la calificación que tuvieron las tareas y variables en diferentes registros de tiempo.

50

Con este componente se obtiene la información desde las bases de datos de los sistemas

de información de la organización (procesamiento OLTP), y que tienen relación con el

proceso que se esté analizando. La relación se establece a partir de las tareas y variables

provenientes del almacenamiento OLTP, y las actividades del modelo de procesos. Las

características de la información se describen en la tabla 9.

Tabla 9. Caracteristicas de los datos OLTP

Datos OLTP

Tarea Son las tareas que se ejecutaron y quedaron registradas en el sistema OLTP

Valor Tarea Porcentaje o valor numerico que indica cual es la calificación de las tareas

Variable Son las variables que acompañan a las tareas y determinan su comportamiento

Valor variable Fecha

Porcentaje o valor numerico que indica cual es la calificación de las variables

3.1.3 Análisis de proceso

El tercer componente recibe el nombre de Análisis de proceso, y se relaciona con la fase

denominada ejecución y monitoreo de BPM. Durante la etapa de ejecución. En la etapa

de ejecución se cambian procesos actuales y entran en operación nuevos procesos. La

ejecución se relaciona metas para obtener resultados esperados.

El seguimiento a los procesos se realiza evaluando el rendimiento, y analizando los

resultados de los indicadores actuales con los históricos. En la etapa de análisis de

proceso se ejecuta y verifica el estado de los procesos, a partir de sus actividades, tareas

y variables.

51

Figura 9. Flujo de trabajo – Análisis de procesos

3.1.3.1 Migración de Datos

La información obtenida en el origen de datos OLTP es migrada a un esquema

dimensional, utilizando el algoritmo propuesto AGINTDATA. El algoritmo integra la

información de tareas y variables que se originan desde los sistemas OLTP, con los

procesos y actividades caracterizadas en la etapa de modelado de la organización. Esto

indica que la información de un proceso específico con sus actividades puede verse con

sus tareas y variables. La interacción y migración se ilustra en la figura 10.

Figura 10. Migración de OLTP a OLAP

En la figura 11 se ilustran las etapas que sigue el algoritmo AGINTDATA para consultar,

consolidar datos, y actualizar el modelo dimensional.

52

Figura 11. Etapas para la migración de datos desde OLTP a OLAP

Algoritmo AGINTDATA

Paso 1: //Declarar variables//

Variables del proceso (tarea, actividad) Variables para captura de datos desde origen (identificadores para tarea, variables, valores para tarea y variable)

Paso 2://Consulta los Identificadores de tarea que vienen en el conjunto de registros

transaccionales (desde el formato), y se insertan en una tabla temporal de control de

datos//

Seleccione atributo principal de la tarea desde tabla temporal (que no se repitan) Inserte atributos seleccionados en tabla temporal de control

Paso 4://Determinar y guardar en una variable, el total de identificadores de tarea que se

almacenaron en la tabla temporal de control//

Variable= seleccione total identificadores de tarea desde tabla control

Paso 5://Establecer ciclo para seleccionar el identificador de tarea dese la tabla temporal

de control, el identificador de actividad desde la dimensión tarea, y el identificador de

proceso desde la dimensión actividad, el ciclo debe repetirse cuantas veces lo indique el

valor que tiene guardada la variable que controla el total de registros //

Mientras variablecontrolciclo <= variabletotaltarea

Tarea=seleccione identificadorTarea desde tabla temporal

Actividad=seleccione identificadorActividad desde DimensionTar, teniendo en

cuenta como criterio de búsqueda el identificadorTarea

Proceso=seleccione identificadorProceso desde DimensionAct, teniendo en

cuenta como criterio de búsqueda el identificadorActividad

Paso 6: //Crear un cursor para seleccionar de la tabla temporal de Datos los registros que

tienen relación con una tarea específica. Estos registros no traen relación directa con una

actividad y proceso//

53

Crear Cursor

Seleccione fecha, identificador de tarea y variable, y sus valores, desde tabla

temporaldatos, con condición de búsqueda el identificador de la tarea

Abrir cursor

Cargar primer registro nombreCursor en las variables fecha, identificador de tarea y

variable, y sus valores

//Ciclo para migrar los registros seleccionados de acuerdo al criterio de la tarea específica

a la tabla hechos del modelo dimensional. En este paso se encuentra completo el registro

incluyendo el identificador de proceso, y el identificador de la actividad que previamente se

identificaron. De esta manera los registros que llegan al modelo dimensional, tabla de

hechos tienen relación entre el modelo de proceso, y los registros obtenidos desde los

sistemas transaccionales. El ciclo que se ejecuta va hasta fin de archivo//

Mientras no sea fin de archivo

Insertar en la tabla HechosKPI las variables: proceso, actividad, identificadorTarea

ValorTarea, identificadorVariable, valorVariable, fecha

Cargar siguiente registro cursor proceso, actividad, identificadorTarea ValorTarea,

identificadorVariable, valorVariable, fecha

Fin mientras

Cierra cursor Limpia memoria Fin mientras

3.1.3.2 Almacenamiento Dimensional

Se tiene un modelo dimensional conformado por Hechos y dimensiones. Los hechos

corresponden a la consolidación realizada entre datos que tienen tareas y variables y que

provienen de las bases de datos de los sistemas de información de la organización: y las

actividades y procesos que son resultado de la caracterización en el componente de

modelado organizacional.

El modelo dimensional está compuesto por tres dimensiones, y una tabla de hechos. La

tabla de hechos relaciona las dimensiones y tiene las métricas o medidas necesarias para

evaluar el estado de los procesos. Las características de las dimensiones y de los hechos,

pueden verse en la Tabla 10.

54

Tabla 10. Caracteristicas de las dimensiones y hechos

NOMBRE DESCRIPCION

Hechos Es la información histórica consolidada y conformada por el proceso, actividad, tarea, y variable.

Dimensión

Proceso

Son los datos de cada proceso que se caracteriza en el componente de modelado de la organización.

Dimensión

Actividad

Son los datos de cada actividad que se caracteriza en el componente de modelado de la organización.

Dimensión

Tarea

Son los datos de cada tarea que se caracteriza en el componente de modelado de la organización.

Dimensión

Variable

Son los datos de cada variable que se caracteriza en el componente de modelado de la organización.

Las relaciones entre dimensiones y hechos se ilustran en la figura 12.

55

Figura 12. Modelo Dimensional – Hechos y Dimensiones – Copo de Nieve

Las características de los atributos de dimensión, y de hechos se especifican en el

diccionario de datos, ver tabla 11.

Tabla 11. Diccionario de Datos - dimensiones y hechos

Dimensiones y Hechos Atributo Tipo Longitud

DimensionProc Idp Entero 4

Nomp Texto 50

DimensionAct IdA Entero 4

NomA Texto 50

IdP Entero 4

DimensionTar IdT Entero 4

NomT Texto 50

IdA Entero 4

DimensionVar IdV Entero 4

NomV Texto 50

HechosKPI IdH Entero 4

IdP Entero 4

IdA Entero 4

IdT Entero 4

ValT Numérico 5

IdV Entero 4

ValV Numérico 5

Fecha Fecha 10

3.1.3.3 Obtener evento

Esta fase se centra en el descubrir, agrupar y ordenar los registros de eventos. La

frecuencia se convierte en un criterio que sirve para filtrar el conjunto de datos que

conforman el registro de eventos y facilita su ordenación, esto se logra por medio de dos

56

pasos, en el primero se filtra y ordena la información de acuerdo con el lapso de tiempo

para el cual se desea realizar el análisis y el segundo se encarga de agrupar el registro de

eventos obtenido de acuerdo a las tareas indicadas en la etapa de modelado de la

organización.

Los eventos se obtienen o descubren desde los registros almacenados en el modelo

dimensional. Concretamente de los históricos que se encuentran en la tabla de hechos.

La frecuencia indica cada cuanto se realiza o ejecuta el proceso en la organización. Lo que

permite determinar el tiempo de gestión del proceso. Para descubrir los registros de

eventos se tiene en cuenta la frecuencia del proceso, la actividad y la tarea.

Los criterios de búsqueda son: el identificador del proceso, la frecuencia del proceso,

determinada por la fecha inicial y fecha final de la búsqueda de registros. La búsqueda de

registros implica establecer consultas con operaciones de selección de atributos,

especificación del origen de los datos y condiciones (criterios de búsqueda. Al finalizar

esta fase se obtiene el registro de eventos ordenado por proceso, actividades y tareas de

acuerdo con el lapso de tiempo establecido. Las actividades de este proceso se ilustran

en la figura 13.

Figura 13. Etapas para obtener registros con caracteristicas especificas

3.1.3.4 Conocimiento

Los datos de los registros obtenidos se evalúan para conocer el porqué del estado en que

se encuentran los procesos de la organización. La evaluación se realiza iniciando por las

tareas hasta llegar a la raíz, que corresponde al proceso seleccionado, como se ilustra en

la figura 14.

57

Figura 14. Pasos para la evaluación de un proceso

Se conoce el estado del proceso, sus actividades, y tareas; y el conocimiento del estado

de los procesos, lo determina la importancia de las variables para las tareas. La figura 15

ilustra el detalle de cómo se evalúan los procesos.

Figura 15. Detalle de la evaluación de un proceso

Para la evaluación de la tarea se siguen los siguientes pasos:

58

Calcular un único valor por tarea para el conjunto de registros de eventos obtenidos. Para

establecer el valor único de la tarea, inicialmente el modelo contempla lo siguiente:

El valor esperado de la tarea, corresponde a un promedio de los valores registrados de

acuerdo con las frecuencias de la tarea, la ecuación a utilizar es la siguiente:

veTn= (Σvr1Tn+ vr2Tn+…+ vriTn) /i

Una vez obtenido el valor único de la tarea, este se debe convertir a un porcentaje único

de la tarea (puT) de acuerdo con el valor máximo de la escala de referencia (vmer):

puT= (voT/vmer) *100

Simultaneo al cálculo del puT, se realiza el cálculo del valor de cada variable asociada a

la tarea (vvaT) según el registro de eventos que para dicho periodo tenga la tarea, y de

acuerdo con el valor de la variable para la tarea(vvT). Una vez obtenido el puT, se procede

a establecer el estado de las tareas.

vvaTn= (Σvv1Tn+ vv2Tn+…+ vviTn) /i

Calcular el valor obtenido para las actividades. Una vez calculado el voT y puT de todas

las tareas, de acuerdo con la frecuencia de las actividades se calcula el valor obtenido de

la actividad (voA). Para el cálculo del voA se suman los puT de las tareas contenidas en la

actividad multiplicadas por la importancia de la tarea para la actividad (iTA). Después de

calcular el voA, se establece el estado de la actividad.

voAn= Σ (puTi * iTAi)

Tabla 12. Estados de medición

Estados

Ideal

Alerta

Crítico

59

Reglas de decisión para determinar el Estado de las tareas, actividades, y del proceso.

Importancia de la actividad se identifica como IA para el árbol, la raíz del árbol se

representa como Item, y hace referencia a cualquier elemento sea tarea, actividad o

proceso.

Figura 16. Reglas para determinar el estado de tareas, actividades, y procesos

Calcular el valor obtenido para el proceso (voP). Una vez calculado el voA de todas las

actividades, de acuerdo con la frecuencia del proceso, se calcula el voP, el cual se da en

porcentaje. Para el cálculo del voP se suman los voA multiplicados por la importancia de

la actividad para el proceso (iAP), la fórmula es la siguiente:

voPn= Σ (voAi * iAPi )

3.1.4 Plan de Mejora

En el cuarto componente se hacen recomendaciones para los procesos, buscando mejorar

la calidad y competitividad de la organización.

60

Este componente tiene como propósito mejorar el rendimiento de los procesos. Tiene

relación con la fase de BPM que recibe el mismo nombre. El rendimiento se obtiene a

partir de la identificación del estado de los procesos en la etapa de ejecución y monitoreo,

y en caso de presentar un estado de alerta o crítico.se activan las recomendaciones que

se encuentran en los planes de mejora de la organización.

Figura 17. Flujo de trabajo – Optimización de procesos

3.2 Funcionalidad de los componentes del modelo

Los cuatro componentes se comunican unos con otros, con el propósito de compartirse

información necesaria para su correcta funcionalidad. Como se muestra en la Figura 9,

desde cada componente se realizan diferentes tareas que dan sentido racional al modelo.

61

Figura 18. Flujo de trabajo del modelo –MODINMINPROC

Primero se caracteriza la organización, y las variables que se considera son necesarias

para los procesos de la organización. Si la organización ya está configurada se puede

pasar a registrar cada uno de los procesos. En el momento de especificar los datos del

proceso se determina si está registrado, en caso de que sí este configurado se puede

pasar a ejecutar el componente de análisis de proceso, es decir que se puede iniciar el

análisis de ese proceso. Si no está registrado se procede a hacerlo caracterizando el

proceso con los datos más importantes y necesarios para su seguimiento y evaluación.

Cada vez que se registra un nuevo proceso debe quedar guardado en una base de datos

transaccional (modelo relacional), y de manera simultánea y automática los datos del

nuevo proceso se replican en un esquema dimensional, concretamente en una dimensión

que reciba y guarde procesos. Posterior a esta acción se registran las actividades, y al

igual que en el registro del proceso, cada actividad que se configura simultáneamente se

replica en el esquema dimensional, en una dimensión denominada actividad. Para las

tareas y variables se realiza el mismo procedimiento. Una vez configurado el proceso se

procede a realizar su análisis, para esto es necesario contar con información proveniente

de sistemas de información. Esta información contiene los registros en diferentes

momentos del tiempo, de las tareas y variables relacionadas con las actividades del

proceso en su fase de análisis.

62

En caso de no tener información disponible, se debe hacer una carga de datos desde los

diferentes orígenes. Esto implica estrategias de consulta por parte del administrador de la

base de datos de la organización para consolidar los registros en el archivo de datos. Este

archivo solo contiene los identificadores de tarea, los valores obtenidos para cada tarea,

los identificadores de cada variable que relaciona cada tarea, y los valores de cada

variable. En caso de tener el archivo con registros de datos se procede a ejecutar un

algoritmo de migración que permita cargar los registros del archivo de datos al modelo

dimensional, concretamente a la tabla de hechos.

Posteriormente se procede a realizar el descubrimiento de eventos teniendo en cuenta tres

criterios de búsqueda la fecha que relaciona la frecuencia de ejecución del proceso. En

este caso se especifica una fecha inicial y una fecha final, para establecer el intervalo que

concentra los registros asociados al proceso en el periodo de tiempo que indica la

frecuencia del mismo. También es importante para realizar un buen filtro especificar el

proceso a través del indicador de proceso, de esta manera se obtienen los registros de

eventos específicos al proceso, actividad, tareas, y variables.

Con el conjunto de registros de eventos es posible determinar el estado del proceso,

realizando una evaluación que inicia desde las tareas, pasando por las actividades, y

terminando en el proceso. El estado del proceso se indica como ideal, en alerta o crítico,

y las razones del estado del proceso son posible determinarlas en la fase de obtención de

conocimiento, la cual está directamente relacionada con las variables de cada tarea. Los

procesos que se encuentren en un estado de alerta o criticidad deberán ser sometidos a

mejoras a partir de las recomendaciones que se indican una vez se ejecuta el plan de

mejora. Las recomendaciones se dan de acuerdo a los factores o causas que relacione

el estado del proceso.

_______________________________________________________

Algoritmo para Análisis de Datos

Paso 1. Calcular total de Actividades por proceso

Paso 2.Ciclo para controlar iteraciones a partir del total de Actividades por proceso

63

Paso 3. Se identifica cada una de las actividades del proceso específico

Paso 4. Instrucciones para almacenar las Actividades específicas por proceso

Paso 5. Se obtiene la importancia de cada Actividad

Paso 6. Calcular total de Tareas por Actividad

Paso 7.Se toma cada identificador de tareas que se guardan temporalmente en memoria

Paso 8. Se calcula el valor esperado de cada tarea

Paso 9. Se calcula el PuT de las tareas

Paso 10. Se establecen reglas de Decisión para determinar el estado de cada tarea, PuT

Paso 11.Se determina el estado de las variables relacionadas con cada tarea

Paso 12. Se calcula el estado de las actividades en función de las tareas

Paso 13. Se determina el estado del proceso (ideal, alerta, o crítico)

64

4. VALIDACIÓN DEL MODELO

En este capítulo se valida el modelo propuesto a través de un caso de estudio aplicado en

la empresa retex s.as, y se da cumplimiento al objetivo específico número 4 que consiste

en Validar el modelo de optimización de los indicadores de proceso con un caso de estudio.

4.1 Características de la organización

Tabla 13. Datos de la organización

Razón Social: Retex S.A.S.

Objeto social: Sector textil

Ubicación Geográfica: Cl 21 A 54-49 Medellín, Colombia

Cobertura: Proceso de revisión área de Calidad.

Responsable: Coordinador de Calidad.

Objetivo: Disminuir el tiempo de ciclo de las referencias que quedan paradas en el proceso productivo, debido a que las telas con problemas de calidad quedan mucho tiempo frenadas y no pueden ser programadas para el proceso de corte.

Sitio web: http://www.retex.com.co/

Variables de la organización: RH- Recurso humano TM- Tiempo TC- Tecnología

Retex S.A.S ofrece el mejor servicio de corte, prefijado y fusionado de entretelas con

excelente calidad. Asesoría técnica con amplia variedad de entretelas.

La entretela es el elemento escondido que proporciona forma y soporte en determinadas

zonas de una prenda de vestir, como pueden ser el cuello, pie de cuello, puños, tapas,

charreteras, bolsillos, pretinas y ojales. Da cuerpo a los tejidos ligeros y evita que los

pesados se doblen sobre sí mismos. También prolonga la vida de tu prenda.

65

Las entretelas termo-fusionables son más rápidas y fáciles de usar que nunca. La clave

para escoger la correcta es conocer qué tipos hay disponibles, dónde y cómo se quieren

usar y qué terminación requiere en su producto.

4.1.1 Proceso 001

El proceso 001 denominado recepción de materia prima, tiene una importancia de 100, y

lo conforman cinco actividades. Su identificación y propósito es el siguiente: la primera

actividad consiste en generar orden de compra y su identificador es A1, la segunda

actividad es la asignación de cita y su identificador es A2, la tercera actividad se identifica

como A3 y tiene como propósito hacer la recepción y verificación hoja de revisión, la

siguiente actividad es la A4 esta actividad consiste en hacer la recepción y verificación hoja

de revisión, la quinta y última actividad se realiza el ingreso de material al sistema y se

identifica como A5. En la figura 19 se ilustran las actividades del proceso 001, y el

porcentaje de importancia que representa cada una de las variables para el proceso.

Figura 19. Actividades -importancia para el proceso 001

Cada una de las actividades tiene una o más tareas. La actividad A1 tiene una tarea que

consiste en generar requerimientos de tela para el proceso por parte del área de compra,

se identifica como T1.

30

10

20

10

30

A1 A2 A3 A4 A5

Actividades del Proceso 001

66

Figura 20. Tareas e importancia para la actividad A1

La actividad A2 tiene cuatro tareas, identificadas así: la primera tarea se identifica con T2

y consiste en que el proveedor realiza una solicitud mediante email. La segunda tarea es

T3, en esta tarea el proveedor define el tiempo para la recepción, la tercera tarea es T4, y

consiste en que la empresa agenda en el aplicativo establecido fecha de recepción, se

cuenta con circular definida por la compañía, la cuarta tarea T5 consiste en que el día

pactado se genere orden de compra, remisión y producto. La importancia de cada para

la actividad 2 se ilustra en la figura 21.

Figura 21. Importancia de las tareas para la actividad A2

La actividad A3, tiene dos tareas. La primera tarea de esta actividad consiste en aceptar

documentos en los que se debe cumplir con los datos estándar, esta tarea se identifica

como T6. La segunda tarea de esta actividad se identifica como T7 y en esta tarea se trata

100

0

T1

Tareas de la Actividad 1

20 20

30 30

T2 T3 T4 T5

Tareas de la Actividad 2

67

de verificar condiciones de calidad sino se cumple se devuelve. El porcentaje de

importancia de cada tarea se ilustra en la figura 22.

Figura 22. Importancia de las tareas

La actividad A4, tiene dos tareas. T8 es el identificador de la primera tarea de esta

actividad y consiste en que luego de recibir el producto y con toda la información es

matriculada en el sistema. La segunda tarea se trata de generar la lista de empaque y se

procede a etiquetar cada rollo según corresponda, esta tarea se identifica como T9.

La actividad A5, tiene dos tareas. La primera tarea de esta actividad consiste en ingresar

la factura en el sistema y se identifica como T10. La segunda actividad es T11 y se trata

de registrar la disponibilidad de la materia prima, su identificación es T11.

Cada tarea tiene relacionadas una o más variables de la siguiente manera: T1 relaciona

las variables Tecnología, Recurso Humano, y Tiempo. T2 relaciona la variable Recurso

Humano. T3 relaciona la variable Tiempo. T4 tiene relación con las variables Tecnología,

Recurso Humano, y Tiempo. Las tareas T5, T6, T7, T8, T9, T10, y T11 relacionan la

variable Recurso Humano. Ver tabla 14.

Tabla 14. Relación de tareas, actividades, y variables

Proceso 001

Actividades Tareas Importancia Variables Importancia A1 T1 100% TC 30%

RH 50% TM 20%

A2 T2 20% RH 100% T3 20% TM 100%

50 50

Porcentaje de las Tareas de la Actividad 3,4, y 5

68

T4 30% TC 30%

RH 50%

TM 20%

T5 30% RH 100%

A3 T6 50% RH 100%

T7 50% RH 100%

A4 T8 50% RH 100%

T9 50% RH 100%

A5 T10 50% RH 100%

T11 50% RH 100%

Figura 23. Variables y su importancia para las tareas que relacionan

A continuación se presenta una muestra de los registros transaccionales relacionados con

el flujo de trabajo del proceso 001. En la tabla 15 se pueden ver los atributos y datos

obtenidos desde el sistema de información de la organización.

Tabla 15. Muestra de registros transaccionales proceso 001

Id Id_T Valor_T Id_V Valor_V Fecha

1 T1 4,6 RH 0,95 27-02-2016

2 T1 5 TM 1 27-02-2016

3 T1 4,9 TC 0,95 27-02-2016

4 T1 5 RH 1 29-02-2016

5 T1 4,7 TM 0,95 29-02-2016

6 T1 5 TC 1 29-02-2016

30

50

20

100 100

30

50

20

100 100 100 100 100 100

TC RH TM TH TM TC RH TM RH RH RH RH RH RH

T1 T2 T3 T4 T5 T6 T7 T8 T9 T10

Relación de variables por tarea

69

7 T1 4 RH 0,9 01-03-2016

8 T1 4,6 TM 0,95 01-03-2016

9 T1 5 TC 1 01-03-2016

10 T1 3,6 RH 0,7 03-03-2016

11 T1 3,7 TM 0,75 03-03-2016

12 T1 2,6 TC 0,52 03-03-2016

13 T1 2,5 RH 0,52 04-03-2016

14 T1 4,9 TM 0,95 04-03-2016

15 T1 5 TC 1 04-03-2016

16 T1 0 RH 0 05-03-2016

17 T1 0 TM 0 05-03-2016

18 T1 5, TC 1 05-03-2016

19 T1 5 RH 1 08-03-2016

20 T1 5 TM 1 08-03-2016

21 T1 3,5 TC 0,5 08-03-2016

22 T1 3,7 RH 0,5 09-03-2016

23 T1 4,8 TM 0,9 09-03-2016

24 T1 5 TC 1 09-03-2016

25 T2 4,6 RH 0,9 27-02-2016

26 T2 4,7 RH 0,9 29-02-2016

27 T2 0 RH 0 01-03-2016

28 T2 4,8 RH 0,95 03-03-2016

29 T2 5 RH 1 04-03-2016

30 T2 4,5 RH 0,9 05-03-2016

31 T2 4,8 RH 0,95 08-03-2016

32 T2 4,5 RH 0,95 09-03-2016

Para este proceso se hicieron dos ejecuciones teniendo en cuenta dos momentos

diferentes de tiempo, y se especificaron como criterios de búsqueda con la fecha inicial y

final en los que se generaron flujos de trabajo para el proceso 001.

4.1.1.1 Procesamiento de datos -1

En la interface de procesamiento de datos se cargaron los registros de eventos

correspondientes al periodo de tiempo comprendido entre el 27 de febrero de 2016, y el

29 de febrero de 2016. El detalle del procesamiento se ilustra en la figura 24.

70

Figura 24. Datos procesados – proceso 001 – Ejecución 1

En la parte superior izquierda se especifican los criterios de búsqueda, en el centro de la

interface se visualiza el conjunto de registros de eventos, y en la parte superior derecha se

muestra el resultado para el proceso 001, el cual presenta un estado de alerta.

El detalle del procesamiento de los datos se ve en la parte inferior de la interface, donde

se calculan los valores para cada variable, tareas, y actividad del proceso específico.

En la tabla 16 se presentan resultados del procesamiento 1 de una muestra de datos

correspondiente al proceso 001.

71

Tabla 16. Relación de tareas, actividades, y variables

Datos procesados - Proceso 001- Ejecución 1

Variable TC RH TM RH TM TC RH TM RH RH RH RH RH RH RH

ValorpV 0,98 0,98 0,98 0,9 0,25 0,9 0,95 0,68 0,93 0,5 0,67 0,98 0,98 0,7 1

ImpV 0,5 0,2 0,3 1 1 0,5 0,2 0,3 1 1 1 1 1 1 1

ImpvT 0,49 0,2 0,29 0,9 0,25 0,45 0,19 0,2 0,9 0,5 0,67 0,98 0,98 0,7 1

% 98 98 98 90 25 90 95 68 93 50 67 98 98 70 100

Estado

Tarea T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11

veT 4.8 4.65 1.8 4.3 4.55 2.5 2.5 4.75 5 4.25 5

puT 0,96 0,93 0,36 0,86 0,9 0,5 0,5 0,95 1 0,85 1

Estado

itA% 100 20 20 30 30 50 50 50 50 50 50

itA 0,96 0,19 0,07 0,26 0,27 0,25 0,25 0,48 0,5 0,43 0,5

% 96 93 36 86 91 50 50 95 1 85 100

Actividad A1 A2 A3 A4 A5

iAp 0,3 0,1 0,2 0,1 0,3

% 30 10 20 10 30

VoA 0,96 0,79 0,5 0,98 0,93

Estado

Proceso P001

VoP 0,84

% 84

Estado

4.1.1.2 Análisis de datos Procesamiento -1

De las 11 actividades que componen el proceso cinco necesitan de plan de mejoramiento.

De esta manera la tarea T3 se encuentra en estado de alerta, ya que presenta solo un 36%

de rendimiento respecto al 100% de importancia que tiene para la tarea A2. De acuerdo

al procesamiento de los datos se relacionan posibles causas que estén motivando a tener

dificultades en la tarea T3, por ejemplo no se está realizando la programación de tareas

en forma adecuada, para esto se recomienda elaborar y ejecutar un cronograma de

actividades.

Las demás tareas, T1, T2, T5, T8, T9, y T11 no presentan inconvenientes de rendimiento

respecto a sus actividades. Por tanto se clasifican en un estado ideal de rendimiento.

La tarea T4 se encuentra en esta de alerta con un porcentaje de rendimiento del 86%

respecto al 100% de la importancia frente a la actividad A2, para esta tarea se asocian

72

posibles causas de su estado que tienen que ver con la falta de establecer un método de

trabajo para esta tarea. Para estas causas se recomienda realizar capacitación técnica

(uso de la tecnología) y operativa para el recurso humano que gestiona esta tarea.

Las tareas T6 y T7 se encuentran en estado de alerta con un rendimiento del 50% respecto

al 100% de importancia que presenta la tarea A3. El plan de mejora indica que para estas

tareas falta establecer un método de trabajo, y falta conocimiento respectivamente. Las

recomendaciones indican que se debe realizar capacitación técnica y operativa para el

recurso humano encargado de estas tareas.

La tarea T10 se encuentra en un estado de alerta con un 85% respecto a 100% de

importancia de la actividad A5. El plan de mejora recomienda realizar capacitación al

recurso humano encargado de la tarea, ya que las posibles causas que están afectando el

rendimiento de la tarea están relacionadas con el recurso humano, y el tiempo que destinan

para estas.

El detalle del porque las tareas se encuentran en un estado especifico de rendimiento lo

presentan las variables que estas tareas relacionan. En el caso de la tarea T3 que presenta

un estado de alerta, se debe a que hay inconsistencias con variable tiempo TM, ya que

solo tiene un 25% de rendimiento o importancia frente al 100%. Para el caso de la tarea

T4 el estado de alerta depende de la variable tecnología TC, ya que presenta solo un 67%

de rendimiento. La tarea T7 refleja sus dificultades con el recurso humano RH, su

rendimiento es de 67% respecto al 100% para su actividad A3. El estado de alerta de la

variable T10 directamente a la variable recurso humano RH, esta variable presenta un

rendimiento del 70% respecto al 100% de su importancia para la actividad A5.

4.1.1.3 Procesamiento de datos -2

En la parte superior izquierda se especifican los criterios de búsqueda, en el centro de la

interface se visualiza el conjunto de registros de eventos, y en la parte superior derecha se

muestra el resultado para el proceso 001, el cual presenta un estado de alerta. El detalle

del procesamiento de los datos se ve en la parte inferior de la interface, donde se calculan

los valores para cada variable, tareas, y actividad del proceso específico. Los detalles del

procesamiento se ilustran en a figura 25.

73

Figura 25. Datos procesados – proceso 001 – Ejecución 2

En la tabla 17 se presentan el procesamiento correspondiente al proceso 002.

Tabla 17. Relación de tareas, actividades, y variables

Datos procesados - Proceso 001- Ejecución 2

Variable TC RH TM RH TM TC RH TM RH RH RH RH RH RH RH

ValorpV 0,70 0,81 0,87 0,82 0,66 0,92 0,89 0,85 0,98 0,53 0,84 0,96 0,83 0,80 0,95

ImpV 0,5 0,2 0,3 1 1 0,5 0,2 0,3 1 1 1 1 1 1 1

ImpvT 0,34 0,16 0,26 0,81 0,66 0,46 0,18 0,25 0,98 0,53 0,84 0,95 0,83 0,80 0,95

% 70 81 87 82 66 92 89 85 98 53 84 96 83 80 95

Estado

Tarea T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11

veT 3,65 3,9 3,65 4,35 4,7 3,58 3,55 4,55 4,1 4.25 4,5

puT 0,73 0,79 073 0,86 0,94 0,71 0,71 0,90 0,82 0,85 0,9

Estado

itA% 100 20 20 30 30 50 50 50 50 50 50

itA 0,73 0,15 0,14 0,26 0,28 0,36 0,36 0,45 0,41 0,43 0,45

% 73 78 72 86 94 71 71 91 82 85 90

Actividad A1 A2 A3 A4 A5

iAp 0,3 0,1 0,2 0,1 0,3

% 30 10 20 10 30

VoA 0,73 0,84 0,71 0,86 0,87

Estado

Proceso P001

VoP 0,84

% 84

Estado

74

4.1.1.4 Análisis de datos Procesamiento -2

De las 11 actividades que componen el proceso 9 necesitan de plan de mejora, solo T8 y

T11 tienen un rendimiento del 90%, el 97% de las variables se encuentra en estado crítico,

para el total de las tareas, a excepción de la variable recurso humano RH, que tiene un

rendimiento entre el 95 y 98 por ciento respecto a las tareas T5, T8, y T11. Todas las

actividades se encuentran en estado crítico, por lo tanto el estado del proceso es crítico y

necesita ser intervenido de inmediato.

El plan de mejora al encontrar dificultades en todas las variables, y por ende afectando el

rendimiento de las tareas y actividades del proceso, recomienda fortalecer el personal

operativo respecto al manejo y conocimiento de la tecnología, ajustar planes de trabajo, y

realizar mejor la programación de actividades.

4.2 Análisis de datos con Minería de Datos

4.2.1 Técnica de Clustering

La técnica de Cluster muestra el agrupamiento de los datos en subgrupos poblacionales

teniendo en cuenta características similares.

Figura 26. Técnica de Cluster – Especificación de agrupamiento

75

Los grupos donde más concentración de datos se presenta son los cluster 1,2 y 3. Los

cuales indican que las actividades más críticas son cargar cita, generar orden de compra,

y cargar revisión. Esta situación de acuerdo al modelo se presenta incidencia de la tarea

recepción de materia prima. Y las variables que relaciona la tarea son el recurso humano

en mayor porcentaje, seguido del tiempo, y por último la tecnología.

El diagrama de cluster muestra el total de subgrupos en cuales el algoritmo distribuyo la

población, mostrando la relación de los datos, y los nodos en donde se presenta mayor

cantidad de datos con características similares. Los nodos o cluster más oscuros indican

la mayor concentración de datos relacionados con la variable de predicción.

Figura 27. Técnica de Cluster – Diagrama de grupos – concentración de Datos por

porcentaje

Las características del Cluster presentan un resumen de todo el modelo respecto a la

población. Indicando que la tarea de recepción de materia prima es la más crítica y está

asociada con la actividad de carga de revisión por parte del sistema, y confirma lo visto en

los perfiles de Cluster respecto a la variable recurso humano con mayor incidencia en el

estado del proceso.

76

Figura 28. Técnica de Cluster – Características del Cluster 1

4.2.2 Técnica de Reglas de Asociación

Las reglas de asociación se presentan como una red de dependencias que ilustra las

relaciones entre las variables de entrada o dependientes y la variable independiente o de

predicción. La figura 33 muestra la relación entre actividades, tareas y variables cuando el

valor de la variable es mayor o igual a 93%. La variable que se resalta en el modelo

generado es el recurso humano, y tiene relación con tres actividades que realiza el sistema

como son generar orden de compra, asignar cita, generar revisión.

Figura 29. Técnica de asociación – Red de Dependencias

Valor para la variable >0,93

77

La figura 30 muestra la relación entre actividades, tareas y variables cuando el valor

de la variable es mayor a 92%

Figura 30. Técnica de asociación – Red de Dependencias

Valor para la variable >0,92

La figura 31 muestra la relación entre actividades, tareas y variables cuando el valor

de la variable es menor a 76%. En este modelo se resaltan las tareas generación

de requerimientos de insumo, verificación de criterios de calidad, y calculo de

tiempo para recepción como las más significativas respecto a la actividad orden de

compra.

Figura 31. Técnica de asociación – Red de Dependencias

Valor para la variable <0,76

78

5. RESPUESTA A LAS PREGUNTAS DE INVESTIGACIÓN

¿Cuál es el modelo para la optimización de indicadores de proceso (KPI) usando minería

de procesos (MP) y gestión de procesos del negocio (BPM)?

Un modelo cuyos componentes permiten la articulación entre las actividades del modelo

de la organización, y las tareas y variables que determinan el comportamiento de las

actividades, y que provienen de los sistemas de información de la organización. El modelo

debe tener un enfoque dimensional, que facilite el acceso a los registros de eventos y el

análisis de los mismos para obtener conocimiento que determine el estado de los procesos,

y responda a la pregunta si es necesario optimizarlos.

¿Cuál es el método, y la técnica de almacenamiento de Datos que facilite el descubrimiento

de registros de eventos, y de ellos obtener conocimiento necesario para optimizar los

procesos de la organización, y sirvan como referente de casos para nuevos procesos del

negocio?

El método adecuado para almacenar los registros provenientes de los sistemas de

información consiste en extraer un conjunto de registros, y migrarlos a una estructura tipo

estrella (datamart), conformada por dimensiones y hechos. Desde aquí se consultan los

registros de eventos y posteriormente se analizan con el fin de obtener conocimiento, y

que permita responder al por que del estado de los KPI, luego de su evaluación.

¿Cuáles son las Reglas de representación de entrada y salida de un modelo, que

especifiquen el conjunto de datos de entrada (input), a partir de los cuales el modelo

proporcionará unos datos de salida (output) o resultado final?

Los datos de entrada input están determinados inicialmente por el conjunto de registros

que provienen de los sistemas de información, y de las características relacionadas con

los valores e identificaciones de las tareas y variables. Posteriormente cuando los registros

se llevan al modelo dimensional se establecen los criterios de búsqueda necesarios para

evaluar, analizar y obtener conocimiento desde los procesos de la organización. Los

79

criterios o reglas se especifican en función de la frecuencia del proceso, y el proceso

especifico que se desea evaluar.

¿Como Mejorar la ejecución, medición, y validación de indicadores clave KPI?

A través de un plan de mejora, cuyo propósito es ejecutarse una vez se identifiquen las

tareas que se encuentran en un estado de alerta o crítico, y mostrar las posibles causas

que están influyendo en el mal estado de las tareas, y por ende de las actividades y

procesos de la organización. También presentar las recomendaciones que permitirán

mejorar u optimizar los indicadores claves de proceso KPI, una vez se apliquen.

80

6. CONCLUSIONES Y TRABAJO FUTURO

6.1 Conclusiones

Los objetivos fueron alcanzados, teniendo en cuenta que se logró integrar en forma exitosa

la minería de procesos y la gestión de procesos de negocio en un conjunto de

componentes que determinan las características y funcionalidad de un modelo con

enfoque dimensional, y cuyo comportamiento permitió evaluar un número importante de

variables relacionadas con las tareas y actividades de algunos procesos de una empresa

dedicada al sector textil, contribuyendo con la verificación del estado de los procesos en

función de sus tareas, y sugiriendo recomendaciones que son importantes para mejorar el

rendimiento de los procesos de la organización.

La contribución también se refleja cuando se indica a la organización cuales son las

posibles causas por las cuales algunas tareas, y actividades se encuentran en estado de

alerta, y otras en estado crítico.

La hipótesis se cumple al lograr diseñar el modelo y ponerlo en marcha, resaltando la

funcionalidad de sus componentes cuando permitieron gestionar algunos procesos de la

empresa retex s.a.s, haciendo procesamiento de datos y análisis de los mismos. También

cuando se determinó el estado de las tareas y se indicaron las recomendaciones para

optimizar los indicadores de proceso KPI.

Es importante resaltar que para la organización retex s.a.s, este es el primer estudio de

evaluación y análisis cuantitativo que se realiza en la forma sistemática en que se aplicó.

Fue muy valioso para la organización poder conocer el estado de sus procesos, pero más

importante saber cuáles son los puntos críticos que debe atacar para garantizar el

rendimiento ideal de su sistema.

81

Se logró evidenciar el aporte que tiene el esquema dimensional al facilitar el

descubrimiento de los registros de eventos, y que posteriormente fueran analizados desde

el modelo respecto al modelo de procesos organizacional, y permitiendo identificar el

estado de los procesos en función del comportamiento de las actividades del modelo de

procesos organizacional, y el detalle del comportamiento de estas actividades que se

encontró en las tareas y variables provenientes de la base de datos transaccional.

La configuración previa que se realiza en la etapa de modelado de la organización mejora

el problema de concurrencia, ya que cada proceso se ejecuta de manera controlada y no

de forma simultánea.

La integración entre BPM y un modelo dimensional aplicando minería de procesos permitió

obtener una solución dinámica y flexible para la gestión de procesos de negocio, que

mejora la eficiencia en las etapas de modelado, automatización, integración, monitoreo y

optimización en forma frecuente.

El algoritmo propuesto garantizó la relación y consistencia de los datos entre el modelo de

gestión y los registros de sistemas de información de las organizaciones.

En los diferentes momentos de los procesos evaluados y analizados se encontraron

dificultades reflejadas en sus actividades, y tareas. Esto indico que la organización debe

hacer una revisión exhaustiva de las variables que acompañan y determinan el

comportamiento de las tareas, actividades y proceso. Es necesario revisar el recurso

humano, la tecnología, y el tiempo. Tres elementos fundamentales que dan valor a las

tareas, y permiten obtener conocimiento.

Los resultados cuantitativos obtenidos en función de los datos de algunos procesos de la

organización y que fueron evaluados y analizados determinan que es urgente aplicar un

mecanismo de monitoreo permanente para los procesos, ya que las inconsistencias

encontradas responden a varios momentos en el tiempo, en los cuales se aplicó el modelo,

y detecto estados críticos y en alerta para un número significativo de variables y tareas.

82

6.1.1 Trabajo futuro

El desarrollo de esta tesis presenta un conjunto de componentes que al integrarse mejoran

el seguimiento y evaluación de procesos de negocio, y a través de las recomendaciones

se pretende garantizar el rendimiento organizacional.

Para el monitoreo y seguimiento se ha propuesto una herramienta que facilita la interacción

y aplicación de los componentes, pero es necesario adaptar nuevas opciones que

fortalezcan el proceso de gestión organizacional.

83

7. REFERENCIAS

[1] Uskenbayeva, R., Kurmangaliyeva, B., Shynybekov, D. Application Process Mining

techniques to optimize the business process models based on Information systems issuing

licenses and permits e-license: practical research. SICE Annual Conference, 2015.

[2] Gonzales, H. ISO 9001:2015. Enfoque Basado en Procesos. 2015

[3] Der Aalst, W. Using Process Mining to Bridge the Gap between BI and BPM. IEEE

Computer Society, 2013.

[4] Weidong Z., Xi, L., Anhua W. Simplified business process model mining based on

Structuredness MetricIEEE Computer Society, Seventh International Conference on

Computational Intelligence and Security, 2011.

[5] Van der Aalst, W. Manifiesto sobre Minería de Procesos. IEEE TFoPM. 2013.

[6] Yaksilik, T; Torres, S. Algoritmos y técnicas de descubrimiento de procesos poco

estructurados: estado del arte. Revista Cubana de Ciencias Informáticas, 2014.

[7] Orellana, A; Sanchez, C; Gonzalez, L. Aplicación del Modelo L* de minería de proceso

al módulo Almacén del Sistema de Información Hospitalaria alas HIS. 13th Laccei

International Conference, 2015.

[8] Mahnoosh, K., Hamed, H., MohammadReza, K. Classification and Evaluation of Data

Mining Techniques for Data Stream Requirements. International Symposium on Computer,

Communication, Control and Automation. IEEE, 2010.

[9] Shah, V., Khadke, C., Rana, S. Mining process models and architectural components

from test cases. 2015 IEEE Eighth International Conference on Software Testing,

84

Verification and Validation Workshops (ICSTW) 2nd International Workshop on Software

Test. IEE, 2015.

[10] Fasong, W.; Hongwei, L.; Rui, Li. Data Mining with Independent Component Analysis

proceedings of the 6th Word Congress on Intelligent Control and Automation, June, Dalian,

China, 2006.

[11] Zhuang, C.; Shibang, C.; Qiulin, S.; Chonglai, Z. An Improved Apriori Algorithm Based

on Pruning Optimization and Transaction Reduction. IEEE, 2011.

[12] Alcover, R.; Benlloch, J.; Blesa, P.; Calduch, M.A.; Celma, M.; Ferri, C. Análisis del

rendimiento académico en los estudios de informática de la universidad politécnica de

valencia aplicando técnicas de minería de datos, 2007.

[13] UIAF. Técnicas de minería de datos para la detección y prevención del lavado de

activos y la financiación del terrorismo (LA/FT). Ministerio de Hacienda y Crédito Público,

2014.

[14] Domínguez, A. Herramienta para la integración de modelos de Minería de Datos.

Revista estudiantil nacional de Ingeniería y Arquitectura, 2011.

[15] Márquez, C.; Romero, C.; Ventura, S. Predicción del Fracaso Escolar mediante

Técnicas de Minería de Datos. IEEE, Vol. 7, No. 3, 2012.

[16] Zapata, C; Gil, N. Incorporation of both Pre-conceptual Schemas and Goal Diagrams

in CRISP-DM. IEEE, 2011.

[17] Rozinat, A., De Jong, I.-S., W, C., Gunther, W, M. P., & Der Aalst, V. Proceso de

Minería aplicada al proceso de prueba de la oblea escáneres ASML. IEEE Transacción en

sistemas , hombre, y la cibernética - parte c : aplicaciones y revisiones. 2009.

[18] BPM. Business Process Management, Gestión de procesos de negocio, 2010.

85

[19]Orantes Sandra, Gutierrez Agustín, Lopez Máximo. (2009). Arquitecturas

Empresariales: gestión de procesos del negocio vs. Arquitecturas orientadas a servicios

Tecnura, Vol. 13, No 24. 142, pp149.

[20] X. Gao, «Towards the Next Generation Intelligent BPM - In the Era of Big Data.,»

Springer, pp. 32-41, 2013.

[21] Pidum, T. On the restriction to numeric indicators in Performance Measurement

System. IEEE Computer Society, 2012.

[22] Abe, M., Jang, J. A Tool Framework for KPI Application Development. IEEE Computer

Society, 2007.

[23] Rojas, E. Process Mining in healthcare: A literature review. Journal of Biomedical

Informatics, pp. 224-236, 2016.

[24] ISO 9001. Norma Internacional ISO 9001. Sistema de Gestión de la calidad,

Actualización, 2015.

[25] E. Souza Cardoso, «Challenges in performance Analysis in Enterprise Architecturres,»

IEEE Computer Society, 2014.

[26] Wang, J; Wong, R.K; Ding, J;Guo, Q; Wen, L. On Recommendation of Process Mining

Algorithms. IEEE 19th International Conferences on Web Services, 2012.

[27] Gerencia UPV. Manual de gestión de procesos. Sistema de Gestión de la Calidad UPV

Universidad Politécnica de Valencia, 2012.

[28] Rozinat, A., De Jong, I.S, Gunther, C, Der Aalst, V. Proceso de Minería

aplicada al proceso de prueba de la oblea escáneres ASML. IEEE Transacción en

sistemas, hombre, y la cibernética - parte c: aplicaciones y revisiones. 2010.

86

[29] Torres, D. Algoritmos y técnicas de descubrimiento de procesos poco

estructurados: estado del arte. Revista Cubana de Ciencias Informáticas Vol. 8, No.

3. 2014.

[30] Jianmin, W., K Wong, R., Ding, J., Guo, Q., & Wen, L. Recomendación del

Proceso de Algoritmos de minería. 2012 IEEE 19a Conferencia Internacional sobre

Servicios Web, 2012.

[31] Vukšić, V. B., Bach, M. P., & Popovič, A. Supporting performance management with

business process management and business intelligence: A case analysis of integration

and orchestration. International Journal of Information Management, 33(4), 2013.

[32] T, G., Lakshmanan, & Khalaf, R. (s.f.). Aprovechando los procesos de minería y

técnicas, 2013.

[33] Jianmin, W., K Wong, R., Ding, J., Guo, Q., & Wen, L. Recomendación del Proceso de

Algoritmos de minería. IEEE 19a Conferencia Internacional sobre Servicios Web, 2012.

[34] A. J. Rembert y C. Ellis, «An Initial Approach to Mining Multiple Perspectives of a

Business Process,» ACM, pp. 35-40, 2010.

[35] Zhichao, Z., Yong W., Lin Lt. Process Mining Based Modeling and Analysis of

Workflows in Clinical Care - A Case Study in a Chicago Outpatient Clinic. IEEE, 2014.

[36] A. Selmeci, I. Orosz, G. Gyorok y T. Orosz, «Key Performance Indicators Used in ERP

applications,» IEEE, pp. 43-44, 2013.

[37] Torres, D.Y. Algoritmos y Técnicas de descubrimiento de procesos poco

estructurados: estado del arte. Revista Cubana de Ciencias Informáticas Vol. 8, No. 3,

2014.

87

[38] Wang, Z., Yao, Q., & Sun, Y. La Investigación de Evaluación de Minería de Procesos

utiliza en Inteligencia de Negocio. Departamento de Ciencia y Tecnología de

Computadores Universidad de Shandong, 2012.

[39] Werner, M., Nuttgens, M. Improving Structure: Logical Sequencing of Mined Process

Models. Hawaii International Conference on System Science, IEEE Computer Society,

2014.

[40] Khodabandelou, G., Hug, C., Salinesi, C. A Novel Approach to Process Mining :

IntentionalProcess Models Discovery, 2014.

[41] Pidun, T., Buder, J., Felden C. Optimizing process performance visibility trough

additional descriptive features in performance measurement. IEEE Computer Society,

2011.

[42] Saylam, R., Sahingoz, K. Process mining in business process management: concepts

and challenges. IEEE Computer Society, 2013.

[43] Wegener, D., Ruping, S. On Reusing Data Mining in Business Process – A Pattern-

Based Approach. Springer, 2012.

[44] Souza, E.C. Towards a Methodology for Goal Oriented Enterprise Management. IEEE

Computer Society, 2013.

[45] Xiang, G. Towards the Next Generation Intelligent BPM – In the Era of Big Data.

Springer, 2013.

[46] Der Aalst, W.M.P. Decision Support Based on Process Mining. Springer. 2013.

[47] Wegener, D. Ruping. On Integrating Data Mining into Business Processes. Springer.

2010.

88

[48] Yang Liu, Enzhao Hu, Xudong Chen. Architecture of Information System Combining

SOA and BPM. IEEE. International Conference on Information Management, Innovation

Management and Industrial Engineering, 2008.

[49] Ling Chen, Xin Lu. (2009). Achieving Business Agility by Integrating SOA and BPM

Technology. IEEE. International Forum on Information Technology and Applications.

[50] Niehaves Bjoern, Henser Jörn. (2011). Business Process Management beyond

Boundaries? – A Multiple Case Study Exploration of Obstacles to Collaborative BPM. IEEE.

Proceedings of the 44th Hawaii International Conference on System Sciences.

[51] Meziani Rachid, Saleh Imad. (2010). Towards a Collaborative Business Process

Management Methodology. IEEE.

[52] Qiang, S., & Liu, L. (2009, August). Research on the design of a new data warehouse

system. In Computer Science and Information Technology, 2009. ICCSIT 2009. 2nd IEEE

International Conference on (pp. 462-465). IEEE.

[53] Shahzad, K., & Zdravkovic, J. (2011, May). Towards goal-driven access to process

warehouse: Integrating goals with process warehouse for business process analysis. In

Research Challenges in Information Science (RCIS), 2011 Fifth International Conference

on (pp. 1-11). IEEE.

[54] Pidun, T., & Felden, C. (2011, August). On the restriction to numeric indicators in

Performance Measurement Systems. In 2011 IEEE 15th International Enterprise

Distributed Object Computing Conference Workshops (pp. 96-102). IEEE.

[55] Selmeci, A., Orosz, I., Györök, G., & Orosz, T. (2012, September). Key Performance

Indicators used in ERP performance measurement applications. In 2012 IEEE 10th Jubilee

International Symposium on Intelligent Systems and Informatics (pp. 43-48). IEEE.

[56] Wegener, D., & Rüping, S. (2010, September). On reusing data mining in business

processes-a pattern-based approach. In International Conference on Business Process

Management (pp. 264-276). Springer Berlin Heidelberg.

89

[57] Cardoso, E. C. S. (2013, September). Challenges in performance analysis in enterprise

architectures. In 2013 17th IEEE International Enterprise Distributed Object Computing

Conference Workshops (pp. 327-336). IEEE.

[58] Pourshahid, A., Amyot, D., Peyton, L., Ghanavati, S., Chen, P., Weiss, M., & Forster,

A. J. (2008, January). Toward an integrated user requirements notation framework and tool

forbusiness process management. In e-Technologies, 2008 International MCETECH

Conference on (pp. 3-15). IEEE.

[59] Zhang, Y., & Li, W. (2012, March). AHP Construct Mining Component strategy applied

for data mining process. In 2012 IEEE International Conference on Information Science

and Technology (pp. 591-595). IEEE.

90

8. ANEXOS

Anexo 1: Colección de registros transaccionales

Id Id_T Valor_T Id_V Valor_V Fecha

1 T1 4,6 RH 0,95 27-02-2016

2 T1 5 TM 1 27-02-2016

3 T1 4,9 TC 0,95 27-02-2016

4 T1 5 RH 1 29-02-2016

5 T1 4,7 TM 0,95 29-02-2016

6 T1 5 TC 1 29-02-2016

7 T1 4 RH 0,9 01-03-2016

8 T1 4,6 TM 0,95 01-03-2016

9 T1 5 TC 1 01-03-2016

10 T1 3,6 RH 0,7 03-03-2016

11 T1 3,7 TM 0,75 03-03-2016

12 T1 2,6 TC 0,52 03-03-2016

13 T1 2,5 RH 0,52 04-03-2016

14 T1 4,9 TM 0,95 04-03-2016

15 T1 5 TC 1 04-03-2016

16 T1 0 RH 0 05-03-2016

17 T1 0 TM 0 05-03-2016

18 T1 5, TC 1 05-03-2016

19 T1 5 RH 1 08-03-2016

20 T1 5 TM 1 08-03-2016

21 T1 3,5 TC 0,5 08-03-2016

22 T1 3,7 RH 0,5 09-03-2016

23 T1 4,8 TM 0,9 09-03-2016

24 T1 5 TC 1 09-03-2016

25 T2 4,6 RH 0,9 27-02-2016

26 T2 4,7 RH 0,9 29-02-2016

27 T2 0 RH 0 01-03-2016

28 T2 4,8 RH 0,95 03-03-2016

29 T2 5 RH 1 04-03-2016

30 T2 4,5 RH 0,9 05-03-2016

31 T2 4,8 RH 0,95 08-03-2016

32 T2 4,5 RH 0,95 09-03-2016

91

33 T3 0 TM 0 27-02-2016

34 T3 3,6 TM 0,5 29-02-2016

35 T3 5 TM 1 01-03-2016

36 T3 5 TM 1 03-03-2016

37 T3 4,6 TM 0,95 04-03-2016

38 T3 4,7 TM 0,95 05-03-2016

39 T3 0 TM 0 08-03-2016

40 T3 4 TM 0,9 09-03-2016

41 T4 4,5 RH 0,9 27-02-2016

42 T4 5 TM 1 27-02-2016

43 T4 3,7 TC 0,5 27-02-2016

44 T4 4 RH 0,9 29-02-2016

45 T4 5 TM 0,9 29-02-2016

46 T4 5 TC 0,85 29-02-2016

47 T4 5 RH 0,9 01-03-2016

48 T4 5 TM 1 01-03-2016

49 T4 4,5 TC 0,9 01-03-2016

50 T4 4,5 RH 0,9 03-03-2016

51 T4 4,5 TM 0,9 03-03-2016

52 T4 4,6 TC 0,9 03-03-2016

53 T4 4,7 RH 0,95 04-03-2016

54 T4 4,8 TM 0,95 04-03-2016

55 T4 4,6 TC 1 04-03-2016

56 T4 4,5 RH 1 05-03-2016

57 T4 3,5 TM 0,5 05-03-2016

58 T4 4,5 TC 0,8 05-03-2016

59 T4 5 RH 0,9 08-03-2016

60 T4 5 TM 1 08-03-2016

61 T4 4,5 TC 0,95 08-03-2016

62 T4 4,4 RH 0,9 09-03-2016

63 T4 4,3 TM 0,9 09-03-2016

64 T4 4,5 TC 0,9 09-03-2016

65 T5 4,5 RH 0,9 27-02-2016

66 T5 4,6 RH 0,95 29-02-2016

67 T5 5 RH 1 01-03-2016

68 T5 5 RH 1 03-03-2016

69 T5 5 RH 1 04-03-2016

70 T5 5 RH 1 05-03-2016

71 T5 5 RH 1 08-03-2016

72 T5 5 RH 1 09-03-2016

73 T6 5 RH 1 27-02-2016

74 T6 0 RH 0 29-02-2016

92

75 T6 4,5 RH 0 01-03-2016

76 T6 4,4 RH 0,9 03-03-2016

77 T6 4,5 RH 0,9 04-03-2016

78 T6 5 RH 0,5 05-03-2016

79 T6 0 RH 0 08-03-2016

80 T6 4 RH 1 09-03-2016

81 T7 0 RH 0 27-02-2016

82 T7 4 RH 1 29-02-2016

83 T7 3,5 RH 1 29-02-2016

84 T7 3,5 RH 0,95 01-03-2016

85 T7 4,5 RH 0,95 03-03-2016

86 T7 4,7 RH 0,95 04-03-2016

87 T7 4,6 RH 0,95 05-03-2016

88 T7 4,5 RH 0,9 08-03-2016

89 T7 4,5 RH 0,9 09-03-2016

90 T8 4,5 RH 0,95 27-02-2016

91 T8 5 RH 1 29-02-2016

92 T8 5 RH 1 01-03-2016

93 T8 4,5 RH 0,95 03-03-2016

94 T8 4,4 RH 0,95 04-03-2016

95 T8 4,3 RH 0,9 05-03-2016

96 T8 4,5 RH 0,95 08-03-2016

97 T8 4,5 RH 0,95 09-03-2016

98 T9 5 RH 0,95 27-02-2016

99 T9 5 RH 1 29-02-2016

100 T9 5 RH 0,9 01-03-2016

101 T9 4 RH 0,8 03-03-2016

102 T9 4 RH 0,75 04-03-2016

103 T9 3 RH 0,4 05-03-2016

104 T9 5 RH 1 08-03-2016

105 T9 4,4 RH 0,85 09-03-2016

106 T10 5 RH 0,9 27-02-2016

107 T10 3,5 RH 0,5 29-02-2016

108 T10 3,5 RH 0,5 01-03-2016

109 T10 4,5 RH 0,9 03-03-2016

110 T10 4 RH 0,8 04-03-2016

111 T10 4,5 RH 0,95 05-03-2016

93

112 T10 4,5 RH 0,95 08-03-2016

113 T10 4,5 RH 0,95 09-03-2016

114 T11 5 RH 1 27-02-2016

115 T11 5 RH 1 29-02-2016

116 T11 5 RH 1 01-03-2016

117 T11 4,5 RH 0,95 03-03-2016

118 T11 4 RH 0,8 04-03-2016

119 T11 4,5 RH 0,95 05-03-2016

120 T11 4,5 RH 0,95 08-03-2016

121 T11 5 RH 1 09-03-2016

Anexo 2: Modelo relacional de Bases de Datos, y modelo Analítica

Utilizados para la ejecución del modelo propuesto.

Modelo relacional

94

Anexo 3: Publicaciones

Artículo publicado en la revista latinoamericana de ingeniería de Software.

Artículo publicado en la revista research in computing science.

95

96