Resumo Técnico: Uma Abordagem Baseada em Pontuação para a Classificação de Estruturalidade Consciente de Processos de Negócio

Definição do Problema

Os processos de negócio variam significativamente em seu grau de previsibilidade e flexibilidade, indo desde fluxos de trabalho altamente padronizados até atividades de base intensiva em conhecimento e frouxamente estruturadas. Este espectro é tipicamente categorizado em quatro classes: estruturado, semiestruturado, frouxamente estruturado e não estruturado. Identificar o nível de estruturalidade de um processo é crítico para as organizações, pois dita a seleção de paradigmas de modelagem apropriados (por exemplo, linguagens imperativas vs. declarativas) e informa iniciativas de governança e melhoria.

No entanto, as técnicas atuais de mineração de processos carecem de suporte automatizado para avaliar a estruturalidade de um processo diretamente a partir de logs de eventos. As abordagens existentes frequentemente dependem da análise manual de variantes de traços ou exigem que especialistas de domínio interpretem padrões comportamentais, o que introduz subjetividade e problemas de escalabilidade. Além disso, os algoritmos de descoberta existentes frequentemente mapeiam padrões comportamentais para linguagens de modelagem específicas (por exemplo, BPMN ou Declare) em vez de fornecer uma classificação automatizada e agnóstica de linguagem do comportamento subjacente do processo. A questão central de pesquisa abordada é: Como podemos classificar automaticamente o nível de estruturalidade de um determinado processo observando padrões comportamentais em um log de eventos?

Metodologia

A abordagem proposta é um sistema de classificação baseado em pontuação que opera em duas etapas primárias: (1) a descoberta automatizada de relacionamentos de atividades detalhados a partir de logs de eventos, e (2) a aplicação de uma heurística de pontuação ponderada para classificar o log em uma classe de estruturalidade.

1. Notação Estendida de Relacionamentos de Atividades

Para capturar o comportamento do processo de forma mais precisa do que os tradicionais Grafos de Seguimento Direto (DFGs), os autores estendem a notação de relacionamentos de atividades introduzida por Andree et al. [14]. Esta notação distingue dois dimensões de dependência:

• Dependências Temporais ($d_{temp}$): O ordenamento das atividades. Os autores introduzem uma dependência de "eventual verdadeira" ($\prec_t$) para excluir explicitamente a sucessão direta, diferenciando-a das dependências eventuais padrão. Eles também distinguem entre nenhum ordenamento observado ($x$) e ordenamento bidirecional ($-$) para atividades paralelas.
• Dependências Existenciais ($d_{exist}$): As dependências de ocorrência entre atividades (por exemplo, implicação, coocorrência, independência).

Esta abordagem de dupla dimensão permite uma caracterização mais matizada do comportamento do processo, separando quando as atividades ocorrem de se elas ocorrem.

2. Algoritmo de Descoberta de Relacionamentos

Os autores desenvolveram um algoritmo de descoberta (Algoritmos 1 e 2) que recebe um log de eventos como entrada e constrói uma Matriz de Relacionamentos de Atividades.

• Pré-processamento: O algoritmo emprega um mecanismo automático de filtragem de ruído ao nível do traço. Ele deriva um limiar de frequência de variante mínima usando um estimador baseado em lacunas (gap-based) e um estimador baseado em piso consciente de tamanho para separar variantes legítimas de processos do ruído sem depender de parâmetros de tolerância arbitrários.
• Descoberta Temporal: O algoritmo analisa a ordem dos pares de atividades entre os traços, utilizando Componentes Fortemente Conectados (SCCs) para lidar com loops e distinguindo entre dependências diretas, eventuais e eventuais verdadeiras.
• Descoberta Existencial: O algoritmo classifica os traços com base na presença ou ausência de pares de atividades para determinar tipos existenciais (por exemplo, implicação, coocorrência, independência).
• Validação: O algoritmo foi validado em logs sintéticos contendo vários padrões de controle de fluxo (paralelismo, XOR, loops, aninhamento). Alcançou 100% de precisão na descoberta de dependências temporais e existenciais em logs sem ruído e manteve essa precisão em logs com ruído após a aplicação do filtro de nível de traço.

3. Heurística de Classificação Baseada em Pontuação

Uma vez gerada a matriz de relacionamentos de atividades, o algoritmo de pontuação classifica o log em uma das quatro classes de estruturalidade ($S, SS, LS, US$).

• Pré-filtragem: Um pré-filtro específico identifica processos Não Estruturados (US). Se todos os pares de atividades compartilharem exatamente o mesmo tipo temporal e existencial (especificamente independência) e nenhum relacionamento de seguimento direto existir, o processo é classificado como não estruturado.
• Pontuação Ponderada: Para as demais classes, o algoritmo calcula uma pontuação ponderada baseada na distribuição dos tipos de relacionamento.
  • Ratios Marginais vs. Conjuntos: O sistema calcula a razão de cada tipo de relacionamento. Ele emprega um mecanismo de seleção baseada em dominância: se uma combinação conjunta específica de dependências temporais e existenciais (por exemplo, independência temporal + implicação existencial) domina uma posição marginal (excedendo um limiar $\theta = 0,35$), uma pontuação conjunta específica é aplicada. Caso contrário, uma pontuação marginal é utilizada.
  • Pesos Específicos de Classe: Pesos são atribuídos com base nas definições das classes de estruturalidade. Por exemplo, dependências temporais diretas e coocorrências existenciais recebem altos pesos positivos para a classe Estruturado, enquanto a independência existencial recebe altos pesos positivos para Frouxamente Estruturado e pesos negativos para Estruturado.
• Detecção de Fronteira: Se a margem de pontuação entre as duas principais classes cair abaixo de um limiar ($\delta = 0,2$), a saída é marcada como um caso de fronteira (ex: $S/SS$).

Principais Contribuições

1. Classificação de Estruturalidade Automatizada: O artigo propõe a primeira abordagem automatizada para classificar logs de eventos em classes de estruturalidade ($S, SS, LS, US$) sem exigir intervenção manual ou modelos de referência.
2. Notação Estendida e Algoritmo de Descoberta: Os autores introduzem uma extensão à notação de relacionamentos de atividades (incluindo dependências "eventuais verdadeiras") e um algoritmo de descoberta correspondente que extrai esses relacionamentos diretamente de logs de eventos, superando a limitação de que métodos anteriores exigiam a derivação manual a partir de diagramas BPMN.
3. Conjunto de Dados Sintético: Um conjunto de dados de 38 logs de eventos sintéticos rotulados foi gerado para treinar e validar a heurística de classificação, cobrindo todo o espectro de estruturalidade.
4. Validação Empírica: A abordagem foi avaliada tanto contra o conjunto de dados sintéticos quanto contra um levantamento de especialistas humanos classificando processos reais e sintéticos.

Resultados

• Precisão Algorítmica: O algoritmo de descoberta alcançou 100% de precisão na identificação de dependências temporais e existenciais em logs sintéticos, mesmo na presença de ruído, desde que o filtro de nível de traço fosse aplicado.
• Desempenho de Classificação:
  • Na avaliação envolvendo 8 processos (P1–P8) e 13 participantes, as classificações do algoritmo alinharam-se com as avaliações de especialistas e com o ground truth derivado da literatura para a maioria dos casos.
  • Para processos Estruturados (P3, P4) e Não Estruturados (P8), o algoritmo obteve alta concordância com os especialistas.
  • Para processos Semiestruturados (P1, P2), o algoritmo identificou corretamente as características dominantes, alinhando-se com a maioria das opiniões dos especialistas.
  • Para processos Frouxamente Estruturados (P5, P6, P7), os resultados foram mistos. Em P5, o algoritmo classificou o processo como semiestruturado, enquanto a literatura o descrevia como frouxamente estruturado. Os autores atribuem isso à "flexibilidade distribuída" de logs do mundo real, onde a independência é espalhada por múltiplos tipos temporais em vez de concentrada em um único padrão conjunto dominante, fazendo com que a pontuação baseada em dominância retorne aos pesos marginais.
• Humano vs. Máquina: O levantamento revelou que a classificação manual é geralmente fácil para processos nos extremos (altamente estruturados ou não estruturados), mas torna-se significativamente mais difícil para níveis intermediários (semiestruturados e frouxamente estruturados). Isso destaca o valor de uma abordagem automatizada para lidar com a complexidade cognitiva de distinguir níveis intermediários de estruturalidade.

Significância e Alegações

O artigo afirma fornecer uma base sistemática e objetiva para a análise da estruturalidade de processos. Ao vincular as classes de estruturalidade a padrões interpretáveis de dependência de atividades, a abordagem oferece uma alternativa reproduzível à avaliação manual de especialistas.

Os autores enfatizam que sua contribuição não é um modelo de aprendizado de máquina de "caixa preta", mas sim uma abordagem baseada em pontuação e orientada pela teoria que conecta explicitamente os resultados da classificação a características comportamentais específicas (por exemplo, a prevalência de independência versus sucessão direta). Essa interpretabilidade é apresentada como uma vantagem fundamental para a análise de processos e tomada de decisão.

O artigo reconhece modestamente as limitações:

• A classificação depende da qualidade do algoritmo de descoberta e da filtragem de ruído subjacente.
• O mecanismo baseado em dominância pode ter dificuldades com logs do mundo real onde a flexibilidade é distribuída em vez de concentrada, podendo levar a classificações de fronteira para processos complexos.
• A classe "Não Estruturado" é tratada como um caso de borda teórico, e sua ocorrência empírica em cenários do mundo real permanece uma questão aberta.
• A abordagem requer atualmente uma lacuna clara nas distribuições de frequência de variantes para uma filtragem de ruído ideal; em logs altamente variáveis sem tais lacunas, o mecanismo de contingência pode ser menos preciso.

Em última análise, o trabalho visa permitir que as organizações caracterizem automaticamente seus processos, facilitando assim a seleção de paradigmas de modelagem apropriados e apoiando avaliações de maturidade de processo sem a necessidade de análise manual extensiva ou modelos de referência pré-existentes.