IOTEL: A Tool for Generating IoT-enriched Object-Centric Event Logs

O artigo apresenta o IOTEL, uma ferramenta que permite a geração sistemática de logs de eventos centrados em objetos (OCEL) enriquecidos com dados de IoT, facilitando a integração estruturada de informações de sensores em logs de processos existentes para análise por meio de mineração de processos.

O essencial

Imagine que você está tentando entender como uma fábrica funciona. Você tem dois tipos de informações:

1. O "Diário de Bordo" (Logs de Processo): É como o registro oficial da empresa. Diz: "Às 10h, o caminhão A entrou na porta. Às 10:15h, ele foi pesado. Às 10:30h, saiu." É a história do que aconteceu, mas de forma muito seca e organizada.
2. Os "Olhos e Ouvidos" (Dados da IoT): São os sensores espalhados pela fábrica. Eles gritam dados o tempo todo: "Temperatura do motor: 80°C", "Peso atual: 15 toneladas", "GPS: coordenadas X, Y". São milhões de dados brutos, rápidos e caóticos.

O Problema:
Até agora, misturar esses dois mundos era um pesadelo. Se você tentasse colar todos os dados dos sensores no "Diário de Bordo" de qualquer jeito, o livro ficaria gigante, bagunçado e impossível de ler. Era como tentar colar o conteúdo de 100 livros de receitas dentro de um único calendário. Além disso, os dois "idiomas" eram diferentes: um falava de "processos de negócios" e o outro de "sensores físicos".

A Solução: O IOTEL
Os autores criaram uma ferramenta chamada IOTEL. Pense no IOTEL como um tradutor inteligente e um cozinheiro de luxo que prepara uma refeição perfeita usando ingredientes de duas cozinhas diferentes.

Aqui está como ele funciona, passo a passo:

1. A Peneira Inteligente (Processamento de Dados)

Antes de misturar tudo, o IOTEL olha para os dados brutos dos sensores e diz: "Ei, nós não precisamos de tudo isso!".

• Analogia: Imagine que você vai fazer um suco. Você não quer jogar a casca, o caroço e a terra da fruta dentro da liquidificador, certo? O IOTEL é a peneira que descarta o que não importa (como detalhes técnicos de como o sensor foi ligado) e guarda apenas o que é útil (o peso, a hora, a localização).
• Ele usa um "mapa de regras" (uma ontologia) para saber exatamente o que é relevante para o processo de negócios.

2. O Organizador de Objetos (OCEL)

O IOTEL não usa um caderno comum. Ele usa um sistema especial chamado OCEL (Registro de Eventos Centrado em Objetos).

• Analogia: Em vez de uma lista simples de "o que aconteceu", o OCEL é como uma rede social de objetos. Ele entende que o "Caminhão" interage com a "Carga", que interage com o "Portão".
• O IOTEL sabe que, se um sensor de peso está medindo o caminhão, essa informação deve ser colada na "ficha" do caminhão, e não apenas solta no meio do texto. Isso mantém a organização perfeita.

3. A Montagem (Integração)

Agora, o IOTEL une os dois mundos.

• Ele pergunta ao usuário: "Esse dado do sensor deve ser um atributo do evento (o que aconteceu) ou do objeto (quem participou)?"
• Exemplo Prático do Papel: Imagine um porto onde caminhões entram para pegar carga. O problema é que alguns estão fraudando o peso.
  • O IOTEL pega o registro oficial: "Caminhão X entrou".
  • Ele pega o dado do sensor: "Peso real: 20 toneladas".
  • Ele une os dois: "Caminhão X entrou (e pesava 20 toneladas)".
  • Agora, os analistas podem ver padrões que antes eram invisíveis, como "Caminhões que entram com peso estranho às 3 da manhã".

Por que isso é legal?

• Para Empresas: Elas conseguem ver o que realmente está acontecendo em tempo real, sem precisar de engenheiros de dados trabalhando meses para juntar as planilhas.
• Para Pesquisadores: É como ter um laboratório pronto. Eles podem testar novas ideias de análise de processos com dados reais de sensores, sem ter que construir a ferramenta do zero.

Resumo da Ópera:
O IOTEL é a ferramenta que pega o caos dos dados de sensores (IoT) e o organiza de forma mágica dentro dos registros de processos de negócios. Ele transforma uma sopa de letrinhas confusa em um prato gourmet, onde cada ingrediente (dado) está no lugar certo, permitindo que as empresas entendam seus processos com uma clareza nunca antes vista.

Eles testaram isso em um porto real (com dados simulados para segurança) e provaram que funciona: é possível detectar fraudes e melhorar a eficiência unindo o mundo físico (sensores) ao mundo digital (registros).

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "IOTEL: A Tool for Generating IoT-enriched Object-Centric Event Logs", apresentado em português:

1. Problema

A integração de dados da Internet das Coisas (IoT) com logs de eventos de processos de negócios é fundamental para analisar processos aprimorados por IoT. No entanto, essa tarefa enfrenta desafios significativos devido a:

• Diferenças nos Níveis de Abstração: Dados de IoT consistem em medições de sensores de baixo nível, enquanto logs de eventos capturam registros de alto nível da execução do processo.
• Separação de Fontes de Dados: Os dados residem em sistemas distintos (sistemas empresariais vs. bancos de dados de IoT), tornando a integração direta complexa.
• Complexidade e Tamanho: Incorporar dados brutos de IoT diretamente nos logs de eventos aumenta desnecessariamente o tamanho e a complexidade do log, exigindo pré-processamento extensivo antes da análise.
• Limitação de Ferramentas Existentes: Ferramentas atuais (como a caixa de ferramentas BROOM) dependem de esquemas especializados (metamodelo CORE) ou focam apenas na extração de logs a partir de dados de sensores, oferecendo suporte limitado para integrar dados de IoT relevantes a logs de processos existentes sem impor um esquema rígido.

2. Metodologia

O artigo apresenta o IOTEL, uma ferramenta semi-automatizada projetada para integrar sistematicamente dados de IoT relevantes para o processo em Logs de Eventos Centrados em Objetos (OCEL - Object-Centric Event Logs). A metodologia baseia-se nos seguintes pilares:

• Fundamentação Teórica: O uso do esquema OCEL 2.0, que captura processos envolvendo múltiplos objetos de negócios interagindo, alinhando-se naturalmente com processos de IoT onde dispositivos interagem com vários objetos.
• Ontologias de IoT: Utilização de ontologias padronizadas (SOSA/SSN) para especificar a estrutura semântica dos dados de IoT.
• Estratégia de Pré-processamento (Filtragem): Em vez de filtrar após a integração, o IOTEL adota uma estratégia de pré-integração. Ele deriva um subconjunto da ontologia SOSA/SSN, aplicando critérios de inclusão e exclusão para reter apenas os elementos relevantes para o processo (ex: sensores, atuadores, propriedades observáveis, tempo e localização), descartando elementos desnecessários (como predicados de relacionamento que são reestabelecidos na integração).
• Arquitetura do Sistema:
  • Frontend: Interface gráfica interativa com três módulos principais: Processamento de Dados IoT, Exploração de Logs OCEL e Integração de Dados.
  • Backend: Utiliza um sistema de arquivos estruturado, DuckDB como motor de processamento analítico (executando consultas SQL otimizadas), armazenamento intermediário em formato Parquet para eficiência e um banco de dados SQLite como repositório final, estritamente aderente ao esquema OCEL 2.0.
• Mecanismo de Integração: O usuário define como os dados devem ser representados:
  • Como atributos de evento (quando o dispositivo atua em uma atividade específica sem associação direta a um objeto de negócio).
  • Como atributos de objeto (quando o dado descreve uma propriedade do objeto de negócio, como o peso de um caminhão).
  • O sistema suporta funções de agregação (média, máximo, mínimo), filtragem e retenção de dados brutos.

3. Contribuições Principais

• Ferramenta IOTEL: Desenvolvimento de uma ferramenta prática que permite a integração estruturada de dados de IoT em logs OCEL sem exigir que os usuários dominem esquemas especializados ou desenvolvam pipelines de integração personalizados.
• Esquema Derivado de Ontologia: Proposição de um subconjunto de ontologia SOSA/SSN otimizado para a representação de dados de IoT relevantes para processos, facilitando a interoperabilidade e reduzindo a complexidade semântica.
• Compatibilidade com Ferramentas de Mineração de Processos: Ao basear-se no esquema OCEL padrão, os logs gerados são imediatamente compatíveis com ferramentas de mineração de processos existentes, permitindo análises avançadas de processos com múltiplos objetos.
• Validação em Cenário Real: Demonstração da viabilidade da ferramenta através de um caso de uso industrial real.

4. Resultados

• Validação de Dados: O processo de seleção de ontologia foi testado contra 69 conjuntos de dados públicos de IoT, confirmando que o esquema derivado consegue representar consistentemente os dados centrais desses conjuntos.
• Protótipo Funcional: O IOTEL foi implementado como um protótipo com interface gráfica (GUI) completa, permitindo o upload de dados, exploração estatística do log OCEL, configuração de mapeamento e geração do log enriquecido.
• Caso de Uso (Porto): A ferramenta foi aplicada em um cenário de operações de carga em um porto para combater fraudes (manipulação de peso de caminhões). O IOTEL integrou com sucesso dados de GPS e sensores de peso (IoT) com os logs operacionais do porto, gerando um log OCEL enriquecido que permitiu analisar a transparência e o desempenho do processo.
• Acessibilidade: O código-fonte, conjuntos de dados sintéticos simulando o cenário real e um vídeo demonstrativo estão disponíveis publicamente no repositório GitHub do projeto.

5. Significado

O IOTEL preenche uma lacuna crítica na interseção entre a Internet das Coisas e a Mineração de Processos. Ele permite que analistas de negócios e pesquisadores:

• Superem a barreira da heterogeneidade de dados entre sistemas operacionais e sensores.
• Realizem análises de processos mais ricas e precisas, considerando o contexto físico e temporal fornecido pela IoT.
• Utilizem o paradigma OCEL, que é superior aos logs de eventos tradicionais (baseados em casos) para modelar processos complexos com múltiplos objetos interagentes.

A ferramenta democratiza o acesso à análise de processos aprimorados por IoT, eliminando a necessidade de soluções de integração de dados complexas e personalizadas, e estabelece uma base para futuras pesquisas em modalidades de dados mais complexas (como fluxos de sensores e dados multimodais).