Compliance-Aware Predictive Process Monitoring: A Neuro-Symbolic Approach

Este artículo presenta un enfoque neuro-simbólico basado en Redes de Tensores Lógicos para la monitorización predictiva de procesos, el cual integra conocimiento de dominio específico en los modelos de aprendizaje para mejorar tanto el cumplimiento normativo como la precisión de las predicciones en comparación con los métodos sub-simbólicos tradicionales.

Lo esencial

¡Claro que sí! Imagina que este paper es como una historia sobre cómo enseñar a un robot muy inteligente, pero un poco ingenuo, a predecir el futuro de un proceso de trabajo (como un hospital o un banco) sin cometer errores tontos.

Aquí tienes la explicación sencilla, con analogías de la vida real:

🧠 El Problema: El Robot que solo mira el pasado

Imagina que tienes un chef robot (una Inteligencia Artificial) que ha cocinado miles de platos. Si le preguntas: "¿Qué va a pasar si el cliente pide esto?", el robot mira sus libros de recetas antiguos (los datos históricos) y dice: "Bueno, el 90% de las veces que pasó esto, el cliente se enfermó".

El problema es que el robot solo aprende de la experiencia pasada. No tiene sentido común ni conoce las reglas de la casa.

• Ejemplo: Si en el pasado, a veces operaban a pacientes sin esperar una semana, el robot podría pensar: "¡Ah! Se puede operar inmediatamente".
• La realidad: ¡Pero la regla del hospital dice: "Nunca operes si no ha pasado una semana!"!
• El resultado: El robot hace predicciones precisas estadísticamente, pero ilegales o peligrosas porque ignora las reglas de cumplimiento.

💡 La Solución: El "Abogado" y el "Chef" trabajando juntos

Los autores proponen una idea genial: Neuro-Simbólico.
Es como unir a dos personas en un equipo:

1. El Chef (Red Neuronal): Es experto en ver patrones y aprender de miles de ejemplos. Es rápido y bueno con los datos.
2. El Abogado (Lógica Simbólica): Es experto en las reglas, las leyes y el sentido común. No necesita ver miles de ejemplos para saber que "robar está mal" o "no se puede operar sin esperar".

En lugar de dejar que el Chef decida solo, el Abogado se sienta a su lado y le susurra: "Oye, recuerda la regla 4: no operes si no ha pasado una semana".

🛠️ ¿Cómo lo hacen? (El proceso en 4 pasos)

El paper describe un "taller" donde construyen este robot inteligente:

1. Recoger los ingredientes (Extracción de características):
   Miran los datos del hospital (tiempos, nombres de actividades, edad del paciente) y los organizan. Es como poner todos los ingredientes en la mesa.

2. Escribir las reglas del juego (Extracción de reglas):
   Usan herramientas para encontrar patrones lógicos.

   • Regla de flujo: "Primero el chequeo, luego la cirugía".
   • Regla de tiempo: "Si pasa más de 2 horas, hay riesgo".
   • Regla de datos: "Si el paciente tiene diabetes, necesita cuidado extra".

3. Crear el "Manual de Instrucciones" (Creación de la base de conocimientos):
   Traducen esas reglas a un lenguaje que el robot pueda entender (Lógica de Primer Orden). Es como escribir un manual de instrucciones muy estricto que el robot debe seguir.

4. Inyectar el conocimiento (El momento mágico):
   Aquí es donde ocurre la magia. No solo le dan el manual al robot; lo integran en su cerebro de tres formas diferentes (como se ve en la Fig. 3 del paper):

   • A) Ampliar la vista (Feature Expansion): Le dicen al robot: "Mira, si el paciente es mayor y diabético, añade una etiqueta de 'Peligro' a su ficha antes de empezar a pensar".
   • B) Corregir la respuesta (Output Refinement): Si el robot dice "Probabilidad de complicación: 10%", pero la regla dice "Si se dieron antibióticos a tiempo, baja al 1%", el robot ajusta su respuesta automáticamente para cumplir la regla.
   • C) Vigilancia paralela (Parallel Constraints): Le ponen un "guardia de seguridad" que vigila todo el proceso. Si el robot intenta aprender un patrón que viola una regla (ej. "operar sin chequeo"), el guardia le da una "patada" (penalización) para que deje de hacerlo.

🏆 Los Resultados: ¿Funciona?

Probaron esto con datos reales de hospitales (sepsis) y bancos (solicitudes de préstamo).

• Sin el Abogado (Solo Chef): El robot era bueno, pero a veces hacía cosas prohibidas o fallaba cuando los datos eran raros.
• Con el Abogado (Enfoque Neuro-Simbólico):
  • Más preciso: Adivinó mejor qué iba a pasar.
  • Más obediente: Cumplió las reglas casi el 100% de las veces, incluso cuando en los datos de entrenamiento casi nadie las seguía.
  • Más seguro: Funcionó muy bien incluso cuando había pocos ejemplos de "casos perfectos" para aprender.

🌟 En resumen

Imagina que entrenar a una IA solo con datos es como enseñar a un niño a conducir solo mirando videos de accidentes: aprenderá a evitar lo que vio, pero no sabrá por qué existen las señales de "Pare".

Este paper propone enseñarle al niño las señales de tráfico (las reglas) mientras practica. El resultado es un conductor (la IA) que no solo es rápido y ve bien el camino, sino que nunca se salta un semáforo rojo, haciendo que las predicciones sean más inteligentes, justas y seguras para el mundo real.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "Compliance-Aware Predictive Process Monitoring: A Neuro-Symbolic Approach" en español:

1. Planteamiento del Problema

El Monitoreo Predictivo de Procesos (PPM) busca anticipar resultados e irregularidades en procesos de negocio utilizando datos históricos. Los enfoques actuales se basan predominantemente en modelos sub-simbólicos (redes neuronales profundas como LSTM y Transformers) que aprenden correlaciones estadísticas puramente a partir de los datos.

Sin embargo, estos enfoques presentan limitaciones críticas:

• Falta de integración de conocimiento: No pueden incorporar formalmente restricciones específicas del dominio o reglas de negocio (ej. "la cirugía solo se puede planificar si el paciente fue dado de alta hace más de una semana").
• Adherencia a la conformidad: Al ignorar estas reglas, los modelos pueden generar predicciones que violan normas de cumplimiento, especialmente cuando los datos de entrenamiento son escasos o contienen ejemplos no conformes.
• Falta de contexto: Los modelos puramente basados en datos fallan al capturar insights contextuales cruciales que entran en conflicto con patrones históricos.

2. Metodología Propuesta

Los autores proponen un enfoque neuro-simbólico que integra el aprendizaje estadístico con el razonamiento lógico simbólico, utilizando el marco de Redes de Tensores Lógicos (Logic Tensor Networks - LTN). La solución sigue un pipeline estructurado en cuatro etapas:

A. Extracción de Características (Feature Extraction)

Se extraen características de los registros de eventos (event logs) que definen el vocabulario para las reglas:

• Características de Flujo de Control: Basadas en secuencias de actividades (ej. Declare constraints).
• Características Temporales: Duraciones, tiempos de espera y cumplimiento de SLAs.
• Características de Carga (Payload): Datos del caso (ej. edad del paciente) y datos de eventos específicos (ej. resultados de pruebas).

B. Extracción de Reglas (Rule Extraction)

Se utilizan técnicas de minería de procesos para descubrir y formalizar reglas automáticamente o mediante expertos:

• Reglas de Flujo de Control: Restricciones LTL (Lógica Temporal Lineal) sobre el orden de actividades.
• Reglas Temporales: Condiciones sobre tiempos y duraciones.
• Reglas de Carga: Correlaciones entre atributos de datos y resultados.

C. Creación de la Base de Conocimiento

Las reglas extraídas se formalizan en Lógica de Primer Orden (FOL) dentro de una base de conocimientos estructurada. El conocimiento se categoriza según su relación con el problema de clasificación:

1. Conocimiento dependiente de la clase:
   • No orientado al resultado: Restricciones sobre las clases sin mencionar el resultado final.
   • Orientado al resultado: Reglas que vinculan condiciones directamente con el resultado de la predicción (ej. "si se administra antibiótico a tiempo, el riesgo disminuye").
2. Conocimiento independiente de la clase: Reglas generales del proceso que no dependen del resultado (ej. "la revisión médica debe preceder al examen físico").

D. Inyección de Conocimiento (Knowledge Injection)

Se proponen tres mecanismos para integrar este conocimiento en el modelo LTN (ver Fig. 3 del artículo):

1. Expansión de Características (Feature Expansion): Para conocimiento independiente/no orientado al resultado. Se generan nuevas características deterministas basadas en reglas lógicas que se concatenan al vector de entrada antes de llegar al clasificador.
2. Refinamiento de Salida (Output Refinement): Para conocimiento orientado al resultado. Se imponen restricciones directamente sobre las salidas del clasificador (predicados), ajustando las probabilidades predichas para cumplir con las reglas de dominio.
3. Restricciones Paralelas (Parallel Constraints): Para conocimiento estructural general. Se añaden predicados auxiliares que actúan como objetivos complementarios durante el entrenamiento, penalizando ejecuciones que violan reglas estructurales sin depender del resultado final.

El modelo se entrena minimizando una función de pérdida que combina la precisión de clasificación y la satisfacción de las fórmulas lógicas (usando la agregación SatAgg de LTN).

3. Contribuciones Clave

• Marco Neuro-Simbólico para PPM: Primera aplicación sistemática de LTNs para inyectar conocimiento de procesos (flujo, tiempo y datos) directamente en modelos predictivos.
• Pipeline Unificado: Una metodología completa que va desde la extracción de reglas hasta la inyección en el modelo, clasificando el conocimiento según su impacto en la tarea de clasificación.
• Mecanismos de Inyección Diversos: Demostración de que diferentes tipos de conocimiento requieren diferentes estrategias de integración (entrada, salida o paralela) para maximizar la eficacia.
• Robustez ante Datos Limitados: Capacidad del modelo para mantener alta adherencia a las reglas incluso cuando los datos de entrenamiento contienen pocos ejemplos conformes.

4. Resultados Experimentales

El enfoque se evaluó en cuatro registros de eventos reales (BPIC2012, BPIC2017, Traffic Fines, Sepsis) comparando variantes de LTN con baselines puramente basados en datos (LSTM, Transformers) y técnicas de pérdida semántica.

• Rendimiento Predictivo: Los modelos LTN enriquecidos con conocimiento superaron consistentemente a los baselines en precisión y F1-score. Las mejoras fueron más significativas en conjuntos de datos pequeños o con pocos ejemplos conformes (ej. +18.4% en F1 en el dataset Sepsis).
• Adherencia a la Conformidad: El enfoque neuro-simbólico logró puntuaciones de cumplimiento muy superiores, manteniendo la adherencia a las reglas incluso cuando las reglas no estaban bien representadas en los datos de entrenamiento. Los modelos puramente basados en datos fallaron al generalizar a nuevas restricciones lógicas.
• Análisis de Inyección: La técnica de Refinamiento de Salida (Output Refinement) demostró ser la más efectiva para mejorar tanto la precisión como el cumplimiento. La combinación de todas las técnicas (A, B y C) ofreció el mejor rendimiento global.

5. Significado e Impacto

Este trabajo es significativo porque cierra la brecha entre el aprendizaje automático y la lógica de negocio en el monitoreo de procesos.

• Fiabilidad Operativa: Permite a las organizaciones utilizar IA predictiva sin sacrificar el cumplimiento normativo, crucial en sectores regulados como la salud o las finanzas.
• Eficiencia de Datos: Reduce la dependencia de grandes volúmenes de datos históricos conformes, permitiendo que el modelo aprenda de reglas explícitas cuando los datos son escasos o ruidosos.
• Interpretabilidad: Al basarse en lógica simbólica, las predicciones y las violaciones de reglas son más interpretables que en las "cajas negras" de las redes neuronales tradicionales.

En conclusión, el enfoque demuestra que integrar conocimiento simbólico en arquitecturas neuronales no solo mejora la precisión, sino que garantiza que las predicciones sean lógicamente consistentes con las reglas del dominio.