📄 other

A Scoring-Based Approach for Structuredness-Aware Business Process Classification

Este artículo propone y evalúa un enfoque basado en puntuación que clasifica automáticamente los procesos de negocio en categorías de estructuración (estructurado, semiestructurado, débilmente estructurado y no estructurado) mediante el análisis de relaciones de actividad temporales y existenciales de grano fino dentro de los registros de eventos para abordar la falta de soporte automatizado en la minería de procesos.

Autores originales: Kerstin Andree, Ivan Kuzmin, Luise Pufahl

Publicado 2026-07-24

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Kerstin Andree, Ivan Kuzmin, Luise Pufahl

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás caminando por una ciudad gigante y bulliciosa. Algunas partes de la ciudad son como un sistema de metro: las vías están trazadas, los trenes circulan con un horario estricto y sabes exactamente a dónde llegarás si te subes en la estación correcta. Otras partes son más como un festival de jazz o una feria callejera caótica: la gente deambula, las conversaciones comienzan y se detienen al azar, y el camino que tomas depende enteramente de con quién te topes y de tu estado de ánimo. En el mundo de los negocios, las empresas funcionan con "procesos": las recetas paso a paso que utilizan para hacer las cosas, como procesar una factura o atender a un paciente. Algunos de estos procesos son rígidos y predecibles (como el metro), mientras que otros son flexibles y desordenados (como la feria callejera).

Durante mucho tiempo, las computadoras que analizan estas recetas de negocio (un campo llamado minería de procesos) han sido excelentes para mapear las líneas del metro. Pero han tenido dificultades para distinguir automáticamente entre un metro rígido y una feria callejera caótica. Pueden ver las líneas, pero no pueden decir fácilmente: "Este proceso es súper estructurado", o "Este es totalmente libre". Esto importa porque si intentas gestionar una feria callejera como un metro, aplastarás la creatividad. Si tratas a un metro como una feria callejera, causarás el caos. La gran pregunta es: ¿Podemos enseñar a una computadora a mirar los datos desordenados de un negocio y saber instantáneamente qué tipo de proceso es?

Este artículo, escrito por investigadores de la Universidad Técnica de Múnich, dice: "Sí, podemos". Construyeron una nueva herramienta que actúa como un detective para los procesos de negocio. En lugar de solo contar cuántos caminos diferentes toma un proceso, su herramienta observa las diminutas relaciones entre cada uno de los pasos. Descubrieron que, al asignar puntos (una "puntuación") a tipos específicos de relaciones —como "la Actividad A debe ocurrir antes de la Actividad B" frente a "la Actividad A y B pueden ocurrir cuando sea que quieran"— pueden clasificar automáticamente cualquier proceso de negocio en una de cuatro categorías: Estructurado (el metro rígido), Semi-estructurado (una mezcla de ambos), Débilmente Estructurado (la feria callejera flexible) o No Estructurado (caos puro).

Así es como ocurre realmente su trabajo de detective, usando una analogza sencilla. Imagina que estás tratando de descubrir la personalidad de un grupo de amigos solo observando cómo pasan el tiempo juntos.

La forma antigua: Podrías simplemente contar cuántas veces van juntos al parque. Si van a menudo, piensas que son un grupo muy unido. Pero esto pierde el matismo.
La nueva forma (este artículo): Observas las reglas específicas de su amistad. ¿Siempre se sientan en el mismo orden? (Eso es una "dependencia temporal"). Si una persona aparece, ¿tiene otra que aparecer también? (Eso es una "dependencia existencial").

Los investigadores se dieron cuenta de que diferentes "personalidades" de procesos tienen diferentes "patrones de amistad".

Los procesos estructurados son como un simulacro militar. Si ves un patrón donde "el Paso A es siempre seguido inmediatamente por el Paso B", esa es una pista enorme. Es una regla rígida.
Los procesos débilmente estructurados son como un grupo de amigos en una fiesta. "El Paso A podría ocurrir, o podría no ocurrir", y "el Paso B podría ocurrir antes de A, o después de A, o no ocurrir en absoluto". Este es un patrón de independencia.

El equipo creó un algoritmo informático que escanea un registro de actividades de negocio (como un diario de todo lo que sucedió) y construye una tabla de puntuación gigante. Cuenta cuántas veces ve "reglas rígidas" frente a "libertad flexible". Luego, aplica un conjunto especial de pesos. Piensa en ello como un sistema de puntuación de un videojuego:

Si el registro está lleno de "Seguimiento Directo" (A luego B, sin excepciones), el equipo Estructurado recibe +3 puntos.
Si el registro está lleno de "Independencia" (A y B no tienen reglas), el equipo Débilmente Estructurado recibe +2.5 puntos.
Si el registro es una mezcla, el equipo Semi-estructurado recibe puntos.

La computadora suma todos los puntos para cada categoría. La categoría con la puntuación más alta gana. Si las dos puntuaciones principales están muy cerca, la computadora admite: "No estoy segura, este es un caso límite", lo cual es en realidad una respuesta honesta y útil.

Para probar si su tabla de puntuación funcionaba, los investigadores hicieron dos cosas. Primero, crearon procesos de negocio falsos en una simulación por computadora. Hicieron algunos perfectamente rígidos, otros totalmente caóticos y otros intermedios. Su algoritmo lo acertó el 100% de las veces con los datos falsos limpios, e incluso cuando añadieron "ruido" (errores falsos o fallos aleatorios a los datos), la herramienta fue lo suficientemente inteligente como para ignorar el ruido y aun así encontrar la respuesta correcta.

Segundo, querían ver si los humanos podían hacerlo mejor. Mostraron ocho mapas de procesos diferentes a 13 expertos (personas que estudian procesos de negocio) y les pidieron que adivinaran la categoría. Los resultados fueron interesantes:

Los expertos fueron buenos detectando los extremos. Todos coincidieron en los procesos súper rígidos y en los súper caóticos.
Pero cuando se trataba del terreno medio desordenado (los semiestructurados y los débilmente estructurados), los humanos no se ponían de acuerdo. Algunos pensaban que un proceso era "semiestructurado", otros pensaban que era "débilmente estructurado". Era difícil para ellos notar la diferencia.

Sin embargo, la computadora fue consistente. Coincidió con los expertos en los casos fáciles y proporcionó una etiqueta clara y objetiva para los casos intermedios confusos donde los humanos estaban confundidos. Por ejemplo, un proceso del mundo real (un juego llamado ChickenHunt) fue clasificado por la computadora como "débilmente estructurado". Los expertos coincidieron mayoritariamente, señalando que los jugadores tenían total libertad para elegir sus movimientos. Otro proceso, un reclamo de seguro estándar, fue identificado correctamente como "semiestructurado" porque tenía partes rígidas mezcladas con elecciones flexibles.

El artículo no afirma que esto sea una varita mágica que resuelva todos los problemas para siempre. Los autores admiten que su herramienta funciona mejor cuando los datos son relativamente limpios y que los "pesos de puntuación" que usaron fueron ajustados basándose en sus simulaciones específicas. También señalan que si un proceso es verdaderamente "no estructurado" (es decir, no existen reglas en absoluto), es un caso límite algo teórico, pero su herramienta aún puede detectarlo porque ve solo independencia y ninguna regla.

Al final, este artículo sugiere que no necesitamos adivinar si un proceso de negocio es un metro o una feria callejera. Al observar de cerca las diminutas reglas (o la falta de ellas) entre cada uno de los pasos, una computadora puede puntuar automáticamente el proceso y decirnos exactamente qué tipo de bestia es. Esto ayuda a las empresas a decidir cómo gestionar su trabajo: ¿necesitan reglas estrictas y listas de verificación, o necesitan dar a sus empleados la libertad de ser creativos? La herramienta proporciona una respuesta clara y automatizada a esa pregunta, convirtiendo un desorden confuso de datos en una etiqueta simple y comprensible.

Resumen Técnico: Un enfoque basado en puntuación para la clasificación de la estructuración consciente del proceso

Planteamiento del problema

Los procesos de negocio varían significativamente en su grado de predictibilidad y flexibilidad, que van desde flujos de trabajo altamente estandarizados hasta actividades de baja estructura y basadas en el conocimiento. Este espectro se categoriza típicamente en cuatro clases: estructurado, semiestructurado, débilmente estructurado y no estructurado. Identificar el nivel de estructuración de un proceso es crítico para las organizaciones, ya que dicta la selección de los paradigmas de modelado apropiados (por ejemplo, lenguajes imperativos frente a declarativos) e informa las iniciativas de gobernanza y mejora.

Sin embargo, las técnicas actuales de minería de procesos carecen de soporte automatizado para evaluar la estructuración de los procesos directamente a partir de los registros de eventos (event logs). Los enfoques existentes suelen depender del análisis manual de variantes de traza o requieren que expertos en el dominio interpreten los patrones de comportamiento, lo que introduce subjetividad y problemas de escalabilidad. Además, los algoritmos de descubrimiento existentes suelen mapear los patrones de comportamiento hacia lenguajes de modelado específicos (por ejemplo, BPMN o Declare) en lugar de proporcionar una clasificación automatizada y agnóstica del lenguaje sobre el comportamiento subyacente del proceso. La pregunta central de investigación abordada es: ¿Cómo podemos clasificar automáticamente el nivel de estructuración de un proceso dado mediante la observación de patrones de comportamiento en un registro de eventos?

Metodología

El enfoque propuesto es un sistema de clasificación basado en puntuación que opera en dos etapas principales: (1) el descubrimiento automatizado de relaciones de actividad finas a partir de registros de eventos, y (2) la aplicación de una heurística de puntuación ponderada para clasificar el registro en una clase de estructuración.

1. Notación extendida de relaciones de actividad

Para capturar el comportamiento del proceso con mayor precisión que los tradicionales Grafos de Seguimiento Directo (DFG), los autores extienden la notación de relaciones de actividad introducida por Andree et al. [14]. Esta notación distingue entre dos dimensiones de dependencia:

Dependencias temporales ( $d_{temp}$ ): El orden de las actividades. Los autores introducen una dependencia de "eventualidad real" ( $\prec_t$ ) para excluir explícitamente la sucesión directa, diferenciándola de las dependencias eventuales estándar. También distinguen entre la ausencia de orden observado ( $x$ ) y el orden bidireccional ($-$) para actividades paralelas.
Dependencias existenciales ( $d_{exist}$ ): Las dependencias de ocurrencia entre actividades (por ejemplo, implicación, coocurrencia, independencia).

Este enfoque de doble dimensión permite una caracterización más matizada del comportamiento del proceso, separando cuándo ocurren las actividades de si ocurren.

2. Algoritmo de descubrimiento de relaciones

Los autores desarrollaron un algoritmo de descubrimiento (Algoritmos 1 y 2) que toma un registro de eventos como entrada y construye una Matriz de Relaciones de Actividad.

Preprocesamiento: El algoritmo emplea un mecanismo automático de filtrado de ruido a nivel de traza. Deriva un umbral de frecuencia de variante mínima utilizando un estimador basado en brechas (gap-based) y un estimador basado en piso sensible al tamaño (size-aware floor-based) para separar las variantes legítimas del proceso del ruido sin depender de parámetros de tolerancia arbitrarios.
Descubrimiento temporal: El algoritmo analiza el orden de los pares de actividades a través de las trazas, utilizando Componentes Fuertemente Conectados (SCC) para manejar bucles y distinguiendo entre dependencias directas, eventuales y de eventualidad real.
Descubrimiento existencial: El algoritmo clasifica las trazas basándose en la presencia o ausencia de pares de actividades para determinar los tipos existenciales (por ejemplo, implicación, coocurrencia, independencia).
Validación: El algoritmo fue validado en registros sintéticos que contienen varios patrones de flujo de control (paralelismo, XOR, bucles, anidamiento). Logró una precisión del 100% en el descubrimiento de dependencias temporales y existenciales en registros libres de ruido y mantuvo esta precisión en registros con ruido tras aplicar el filtro a nivel de traza.

3. Heurística de clasificación basada en puntuación

Una vez generada la matriz de relaciones de actividad, un algoritmo de puntuación clasifica el registro en una de las cuatro clases de estructuración ($S, SS, LS, US$).

Pre-filtrado: Un pre-filtro específico identifica procesos No Estructurados (US). Si todos los pares de actividades comparten exactamente el mismo tipo temporal y existencial (específicamente la independencia) y no existen relaciones de seguimiento directo, el proceso se clasifica como no estructurado.
Puntuación ponderada: Para las clases restantes, el algoritmo calcula una puntuación ponderada basada en la distribución de los tipos de relación.
- Ratios marginales vs. conjuntos: El sistema calcula la proporción de cada tipo de relación. Emplea un mecanismo de selección basado en la dominancia: si una combinación conjunta específica de dependencias temporales y existenciales (por ejemplo, independencia temporal + implicación existencial) domina un espacio marginal (superando un umbral $\theta = 0.35$ ), se aplica un peso conjunto específico. De lo contrario, se utiliza un peso marginal.
- Pesos específicos de clase: Se asignan pesos basados en las definiciones de las clases de estructuración. Por ejemplo, las dependencias temporales directas y las coocurrencias existenciales reciben altos pesos positivos para la clase Estructurada, mientras que la independencia existencial recibe altos pesos positivos para la clase Débilmente Estructurada y pesos negativos para la clase Estructurada.
Detección de casos límite: Si el margen de puntuación entre las dos clases principales cae por debajo de un umbral ( $\delta = 0.2$ ), el resultado se marca como un caso límite (por ejemplo, $S/SS$).

Principales contribuciones

Clasificación de la estructuración automatizada: El artículo propone el primer enfoque automatizado para clasificar registros de eventos en clases de estructuración ($S, SS, LS, US$) sin requerir intervención manual o modelos de referencia.
Notación extendida y algoritmo de descubrimiento: Los autores introducen una extensión de la notación de relaciones de actividad (incluyendo dependencias de "eventualidad real") y un algoritmo de descubrimiento correspondiente que extrae estas relaciones directamente de los registros de eventos, superando la limitación de que los métodos anteriores requerían la derivación manual de diagramas BPMN.
Conjunto de datos sintético: Se generó un conjunto de datos de 38 registros de eventos sintéticos etiquetados para entrenar y validar la heurística de clasificación, cubriendo todo el espectro de la estructuración.
Validación empírica: El enfoque fue evaluado tanto con el conjunto de datos sintéticos como con una encuesta a expertos humanos que clasificaron procesos reales y sintéticos.

Resultados

Precisión algorítmica: El algoritmo de descubrimiento logró una precisión del 100% en la identificación de dependencias temporales y existenciales en registros sintéticos, incluso en presencia de ruido, siempre que se aplicara el filtrado a nivel de traza.
Desempeño de la clasificación:
- En la evaluación que involucró 8 procesos (P1–P8) y 13 participantes, las clasificaciones del algoritmo se alinearon con las evaluaciones de los expertos y la verdad fundamental derivada de la literatura en la mayoría de los casos.
- Para los procesos Estructurados (P3, P4) y No Estructurados (P8), el algoritmo logró una alta concordancia con los expertos.
- Para los procesos Semiestructurados (P1, P2), el algoritmo identificó correctamente las características dominantes, alineándose con la mayoría de las opiniones de los expertos.
- Para los procesos Débilmente Estructurados (P5, P6, P7), los resultados fueron mixtos. En P5, el algoritmo clasificó el proceso como semiestructurado mientras que la literatura lo describía como débilmente estructurado. Los autores atribuyen esto a la "flexibilidad distribuida" de los registros del mundo real, donde la independencia se distribuye en múltiples tipos temporales en lugar de concentrarse en un único patrón conjunto dominante, lo que hace que la puntuación basada en la dominancia recurra por defecto a los pesos marginales.
Humano vs. Máquina: La encuesta reveló que la clasificación manual es generalmente fácil para procesos en los extremos (altamente estructurados o no estructurados) pero se vuelve significativamente más difícil para los niveles intermedios (semiestructurados y débilmente estructurados). Esto resalta el valor de un enfoque automatizado para manejar la complejidad cognitiva de distinguir los niveles intermedios de estructuración.

Significado y afirmaciones

El artículo afirma proporcionar una base sistemática y objetiva para el análisis de la estructuración de procesos. Al vincular las clases de estructuración con patrones de dependencia de actividad interpretables, el enfoque ofrece una alternativa reproducible a la evaluación manual de expertos.

Los autores enfatizan que su contribución no es un modelo de aprendizaje automático de "caja negra", sino un enfoque basado en puntuación y dirigido por la teoría que conecta explícitamente los resultados de la clasificación con características de comportamiento específicas (por ejemplo, la prevalencia de la independencia frente a la sucesión directa). Esta interpretabilidad se presenta como una ventaja clave para el análisis de procesos y la toma de decisiones.

El documento reconoce modestamente sus limitaciones:

La clasificación depende de la calidad del algoritmo de descubrimiento subyacente y del filtrado de ruido.
El mecanismo basado en la dominancia puede tener dificultades con los registros del mundo real donde la flexibilidad está distribuida en lugar de concentrada, lo que podría dar lugar a clasificaciones límite para procesos complejos.
La clase "No Estructurado" es tratada como un caso teórico límite, y su ocurrencia empírica en entornos del mundo real sigue siendo una cuestión abierta.
El enfoque requiere actualmente una brecha clara en las distribuciones de frecuencia de variantes para un filtrado de ruido óptimo; en registros altamente variables sin tales brechas, el mecanismo de respaldo puede ser menos preciso.

En última instancia, el trabajo pretende permitir que las organizaciones caractericen automáticamente sus procesos, facilitando así la selección de paradigmas de modelado apropiados y apoyando las evaluaciones de madurez de procesos sin necesidad de un análisis manual extensivo o modelos de referencia preexistentes.