Application of process mining techniques in a business context
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.5/25055 |
Resumo: | Mestrado Bolonha em Data Analytics for Business |
id |
RCAP_2286f26644690bec384ededab58cda8a |
---|---|
oai_identifier_str |
oai:www.repository.utl.pt:10400.5/25055 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Application of process mining techniques in a business contextProcess MiningProcess discoveryPM4PYProMPower BIMestrado Bolonha em Data Analytics for BusinessAs a result of the data explosion, most companies are addressing the need to deal with massive volumes of data about their processes in their information systems. Some of this data, which are commonly known as event logs, contain valuable information about the activities that happen during the execution of a process in a company. Process mining attempts to extract useful insights from these event logs. The present work aims to realize if it will be advantageous for a company to implement process mining techniques to manage document flows. Having this in mind, the intention is to understand the available technologies that allow the implementation of process mining algorithms and to compare the results obtained. Therefore, the main objective of this project is to identify the most suitable tool and algorithm that will allow us to achieve the best results, based on the needs of the company under consideration. For this purpose, we made the processes emerge through three different tools: PM4PY, ProM, and Power BI. Regarding the algorithms, we focused our analysis on Alpha Miner, Heuristic Miner, and Inductive Miner. As a result, it is expected that the process models resulting from each of these algorithms and each tool represent the complete workflow of decision and execution of each procedure so that their performance can be later evaluated according to a set of metrics. As such, the theoretical contribution of this work focuses on the study of the application of different process mining algorithms in a set of tools that have been scarcely analyzed in the literature, always aiming to meet business needs.Como resultado do crescimento do fluxo de dados, surge a necessidade de as empresas conseguirem lidar eficazmente com estes grandes volumes de dados relativos aos seus processos que estão presentes nos seus sistemas de informação. Alguns desses dados, usualmente conhecidos como event logs, contêm importantes informações sobre as atividades que acontecem durante a execução de um processo numa empresa. As técnicas de process mining tentam extrair informações úteis destes event logs. O presente trabalho visa compreender se será benéfico para uma empresa implementar técnicas de process mining para gerir os fluxos documentais. Com isto em mente, o foco centra-se em perceber quais as tecnologias disponíveis que permitem a implementação de algoritmos de process mining, e comparar os resultados obtidos. Assim, o principal objetivo deste projeto é identificar a ferramenta mais adequada, assim como o algoritmo que nos permitirá alcançar os melhores resultados, com base nas necessidades da empresa em questão. De acordo com este domínio, emergimos os processos através de três ferramentas diferentes: PM4PY, ProM e Power BI. Relativamente aos algoritmos, focamos a nossa análise no Alpha Miner, Heuristic Miner e Inductive Miner. Como resultado, espera-se que os modelos de processos decorrentes de cada um dos algoritmos e de cada ferramenta representem o fluxo de trabalho completo de decisão e execução de cada procedimento para que o seu desempenho possa ser avaliado de acordo com um conjunto de métricas. Assim, a contribuição teórica deste trabalho centra-se no estudo dos diferentes algoritmos de process mining em ferramentas pouco analisadas na literatura, visando sempre corresponder às necessidades empresariais.Instituto Superior de Economia e GestãoCosta, CarlosGuimarães, BeatrizRepositório da Universidade de LisboaParente, Ana Catarina Ferreira2022-08-01T08:52:42Z2022-032022-03-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/25055engParente, Ana Catarina Ferreira (2022). “Application of process mining techniques in a business context”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestãoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-06T14:54:40Zoai:www.repository.utl.pt:10400.5/25055Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:09:00.388314Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Application of process mining techniques in a business context |
title |
Application of process mining techniques in a business context |
spellingShingle |
Application of process mining techniques in a business context Parente, Ana Catarina Ferreira Process Mining Process discovery PM4PY ProM Power BI |
title_short |
Application of process mining techniques in a business context |
title_full |
Application of process mining techniques in a business context |
title_fullStr |
Application of process mining techniques in a business context |
title_full_unstemmed |
Application of process mining techniques in a business context |
title_sort |
Application of process mining techniques in a business context |
author |
Parente, Ana Catarina Ferreira |
author_facet |
Parente, Ana Catarina Ferreira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Costa, Carlos Guimarães, Beatriz Repositório da Universidade de Lisboa |
dc.contributor.author.fl_str_mv |
Parente, Ana Catarina Ferreira |
dc.subject.por.fl_str_mv |
Process Mining Process discovery PM4PY ProM Power BI |
topic |
Process Mining Process discovery PM4PY ProM Power BI |
description |
Mestrado Bolonha em Data Analytics for Business |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-08-01T08:52:42Z 2022-03 2022-03-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.5/25055 |
url |
http://hdl.handle.net/10400.5/25055 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
Parente, Ana Catarina Ferreira (2022). “Application of process mining techniques in a business context”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestão |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Superior de Economia e Gestão |
publisher.none.fl_str_mv |
Instituto Superior de Economia e Gestão |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131184125444096 |