La Minería de Procesos (PM) es un área innovadora dentro de las disciplinas de Ciencia de Datos y Ciencia de
Procesos que se ha desarrollado en las últimas dos décadas para proporcionar técnicas, algoritmos y herramientas
para descubrir información a partir de datos de ejecución de procesos, como lo hace la minería de datos. La
minería de procesos proporciona tres enfoques principales: i) descubrimiento (automático) de modelos de
Procesos de Negocio (PN) a partir de registros de eventos, ii) conformidad de procesos, es decir, chequear la
ejecución real en los registros de eventos contra los modelos, y iii) extender los modelos de PN con información
extra como desempeño, cuellos de botella, recursos involucrados, permitiendo tanto el análisis post mortem como
el predictivo. Los procesos colaborativos que se realizan entre más de un participante mediante el intercambio de
mensajes, y los procesos cross-organizacionales que involucran la ejecución de un mismo proceso en varias
organizaciones agregan complejidad y desafíos a las tareas de minería de procesos. En los últimos años, la
minería de procesos basada en objetos ha cobrado importancia, con foco en el ciclo de vida de las entidades
asociadas a los eventos de los procesos, su descubrimiento, análisis y visualización. La Automatización Robótica
de Procesos (RPA) permite automatizar tareas repetitivas en los procesos de negocio, aportando a la reducción de
costos, mejora de la correctitud de tareas, y liberación de empleados para realizar tareas de más alto valor. En los
últimos tiempos con la introducción de los Modelos de gran tamaño (LLMs) a esta automatización se agrega la
interacción con LLMs para potenciar los resultados de las tareas. Adicionalmente, los LLMs pueden asistir en otras
tareas del ciclo de vida de los procesos de negocio, como generación de modelos a partir de su descripción
textual, identificación de tareas automatizables, análisis de logs de eventos para diversas tareas como contenidos
legales, identificación de patrones y desviaciones, entre otras. El curso brindará tanto fundamentos como
aplicaciones de los distintos tópicos incluidos, en varios dominios tales como: banca, gobierno, manufactura, etc,
incluyendo clases magistrales de los profesores visitantes y nacionales, y ejemplos en distintas herramientas como
Celonis, Disco, Apromore y ProM.
La Minería de Procesos (PM) es un área innovadora dentro de las disciplinas de Ciencia de Datos y Ciencia de
Procesos que se ha desarrollado en las últimas dos décadas para proporcionar técnicas, algoritmos y herramientas
para descubrir información a partir de datos de ejecución de procesos, como lo hace la minería de datos. La
minería de procesos proporciona tres enfoques principales: i) descubrimiento (automático) de modelos de
Procesos de Negocio (PN) a partir de registros de eventos, ii) conformidad de procesos, es decir, chequear la
ejecución real en los registros de eventos contra los modelos, y iii) extender los modelos de PN con información
extra como desempeño, cuellos de botella, recursos involucrados, permitiendo tanto el análisis post mortem como
el predictivo. Los procesos colaborativos que se realizan entre más de un participante mediante el intercambio de
mensajes, y los procesos cross-organizacionales que involucran la ejecución de un mismo proceso en varias
organizaciones agregan complejidad y desafíos a las tareas de minería de procesos. En los últimos años, la
minería de procesos basada en objetos ha cobrado importancia, con foco en el ciclo de vida de las entidades
asociadas a los eventos de los procesos, su descubrimiento, análisis y visualización. La Automatización Robótica
de Procesos (RPA) permite automatizar tareas repetitivas en los procesos de negocio, aportando a la reducción de
costos, mejora de la correctitud de tareas, y liberación de empleados para realizar tareas de más alto valor. En los
últimos tiempos con la introducción de los Modelos de gran tamaño (LLMs) a esta automatización se agrega la
interacción con LLMs para potenciar los resultados de las tareas. Adicionalmente, los LLMs pueden asistir en otras
tareas del ciclo de vida de los procesos de negocio, como generación de modelos a partir de su descripción
textual, identificación de tareas automatizables, análisis de logs de eventos para diversas tareas como contenidos
legales, identificación de patrones y desviaciones, entre otras. El curso brindará tanto fundamentos como
aplicaciones de los distintos tópicos incluidos, en varios dominios tales como: banca, gobierno, manufactura, etc,
incluyendo clases magistrales de los profesores visitantes y nacionales, y ejemplos en distintas herramientas como
Celonis, Disco, Apromore y ProM.
profesionales que deseen tomar contacto con la minería de procesos de negocio.
1. Gestión del ciclo de vida de la Automatización Robótica de Procesos (RPA)
1.1. Introducción a RPA
1.2. Métodos de proyectos para RPA
a) observación directa y monitoreo
b) frameworks sistemáticos para automatización
c) minería de procesos, selección de tareas y mantenimiento
1.3. Oportunidades y desafíos en RPA
2. Modelos de gran tamaño (LLMs) para Business Process Management (BPM)
2.1. Introducción a LLMs para BPM
2.2. LLMs en el contexto de tareas BPM
a) generación automática de modelos de procesos desde texto
b) apoyo a la automatización de tareas y RPA
c) identificación de comportamiento no deseado
d) preguntas abiertas: fiabilidad, interpretabilidad y especificidad de dominio
2.3. Oportunidades y desafíos en LLMs para BPM
a) capacidades actuales, casos de uso y limitaciones
3. Inteligencia de Procesos: de RPA al futuro Agéntico
3.1. Introducción a la inteligencia de procesos y mejora continua
3.2. Gestión por procesos para mejora continua
a) descubrimiento, rediseño, simulación y monitoreo
3.3. Aplicaciones de la Inteligencia de procesos
a) detección de cuellos de botella
b) reducción de desperdicios
c) aseguramiento del cumplimiento normativo
3.4. Ejemplos de aplicación de inteligencia de negocios
a) manufactura, banca, seguros y servicios públicos
3.5. Oportunidades y desafíos de la inteligencia de negocios
4. Minería de Procesos para BPM efectivo y procesos colaborativos
4.1. Introducción al diseño de procesos efectivo y procesos colaborativos
4.2.Nuevos enfoques para Minería de procesos
a) conceptualización e ideas básicas
b) implicancias a nivel organizacional
c) descubrimiento de procesos colaborativos
4.3.Ejemplos de aplicación de minería de procesos y análisis
a) parlamento alemán para procesos cross-organizacionales
b) procesos colaborativos de e-government de uruguay
4.4.Oportunidades y desafíos para minería de procesos
5. Minería de procesos e IA para Informática legal
5.1. Introducción a informática legal
5.2. Minería de procesos en informática legal
a) procedimientos legales con minería de procesos
b) cumplimiento y violaciones de normativas
5.3.Minería de procesos con LLMs para informática legal
a) extracción y análisis de contenidos legales en procesos
b) identificación de patrones y desviaciones en logs de eventos
5.4.Oportunidades y desafíos para informática legal
6. Minería de Procesos orientada a objetos
6.1. Introducción a minería de procesos orientada a objetos
a) standard OCEL y OCED, logs de eventos
6.2. Aplicación de las perspectivas de minería de procesos a la orientación a objetos
a) descubrimiento, conformidad y extensión
b) visualización de procesos orientados a objetos
6.3. Minería de procesos con IA para orientación a objetos
6.4. Oportunidades y desafíos de la minería de procesos orientada a objetos
Trabajo final individual en tema a definir con los profesores, participación en clase.