Modelo de servicios genéricos para la mejora automática de los procesos empresariales

Introducción: Las organizaciones requieren día a día más productividad y eficiencia en sus procesos de negocio. En la actualidad se cuenta con diversas herramientas que brindan soporte para optimizar tiempos y recursos de acuerdo con la complejidad de las actividades de los procesos de negocio. Sin...

Full description

Autores:
Vera Paz, Valentina
Ramírez Obando, Anyi Aracely
Cobos Lozada, Carlos
Tipo de recurso:
Article of journal
Fecha de publicación:
2022
Institución:
Corporación Universidad de la Costa
Repositorio:
REDICUC - Repositorio CUC
Idioma:
eng
OAI Identifier:
oai:repositorio.cuc.edu.co:11323/12361
Acceso en línea:
https://hdl.handle.net/11323/12361
https://doi.org/10.17981/ingecuc.18.2.2022.06
Palabra clave:
Business Process
Process Mining
Data Mining
Bottleneck
Services
Procesos de Negocio
Minería de Procesos
Minería de Datos
Cuellos de Botella
Servicios
Rights
openAccess
License
INGE CUC - 2022
id RCUC2_de90977218c76b4f727f1d1b9c52b907
oai_identifier_str oai:repositorio.cuc.edu.co:11323/12361
network_acronym_str RCUC2
network_name_str REDICUC - Repositorio CUC
repository_id_str
dc.title.spa.fl_str_mv Modelo de servicios genéricos para la mejora automática de los procesos empresariales
dc.title.translated.eng.fl_str_mv Generic Services Model for the Automatic Improvement of Business Processes
title Modelo de servicios genéricos para la mejora automática de los procesos empresariales
spellingShingle Modelo de servicios genéricos para la mejora automática de los procesos empresariales
Business Process
Process Mining
Data Mining
Bottleneck
Services
Procesos de Negocio
Minería de Procesos
Minería de Datos
Cuellos de Botella
Servicios
title_short Modelo de servicios genéricos para la mejora automática de los procesos empresariales
title_full Modelo de servicios genéricos para la mejora automática de los procesos empresariales
title_fullStr Modelo de servicios genéricos para la mejora automática de los procesos empresariales
title_full_unstemmed Modelo de servicios genéricos para la mejora automática de los procesos empresariales
title_sort Modelo de servicios genéricos para la mejora automática de los procesos empresariales
dc.creator.fl_str_mv Vera Paz, Valentina
Ramírez Obando, Anyi Aracely
Cobos Lozada, Carlos
dc.contributor.author.spa.fl_str_mv Vera Paz, Valentina
Ramírez Obando, Anyi Aracely
Cobos Lozada, Carlos
dc.subject.eng.fl_str_mv Business Process
Process Mining
Data Mining
Bottleneck
Services
topic Business Process
Process Mining
Data Mining
Bottleneck
Services
Procesos de Negocio
Minería de Procesos
Minería de Datos
Cuellos de Botella
Servicios
dc.subject.spa.fl_str_mv Procesos de Negocio
Minería de Procesos
Minería de Datos
Cuellos de Botella
Servicios
description Introducción: Las organizaciones requieren día a día más productividad y eficiencia en sus procesos de negocio. En la actualidad se cuenta con diversas herramientas que brindan soporte para optimizar tiempos y recursos de acuerdo con la complejidad de las actividades de los procesos de negocio. Sin embargo, al automatizar procesos, pocas empresas logran definir un flujo de trabajo exitoso, por lo que no pueden prever las dificultades que surgen en un entorno de producción. En consecuencia, no es posible dar una solución anticipada a los problemas, lo que implica sobrecostos, pérdida de tiempo y en algunos casos afectación al talento humano de la organización. Objetivo: En este artículo se presenta un modelo de servicios genérico para la mejora automática de procesos de negocio que permite identificar cuellos de botella, reprocesos, fallas y retrasos al analizar los logs de eventos de un proceso de negocio. También resume la implementación del servicio de gestión de cuellos de botella para soportar la toma de decisiones en un proceso simulado, aplicando modelos de regresión para predecir el rendimiento de las actividades manuales del proceso con base en los retrasos y la longitud de las colas. Mediante la predicción del rendimiento y la elaboración de sugerencias de asignación de recursos, se determinó el nivel de mejora del proceso. Metodología: La investigación se realizó siguiendo el Patrón de Investigación Iterativa propuesto por Pratt. Primero se identificaron los principales problemas en la gestión de procesos, luego se realizó una revisión del estado del arte para conocer las propuestas de solución a estos problemas, después se propuso un modelo de solución independiente del software de gestión de procesos que se use y finalmente se realizaron dos evaluaciones, una a nivel conceptual con la técnica de grupo focal y la otra basada en la implementación de uno de los servicios propuestos y datos recolectados de un experimento en un simulador de procesos de negocio. Resultados: La evaluación conceptual de los servicios propuestos en el modelo se realizó por parte de un grupo de expertos, con base en los lineamientos de diseño y contenido del estándar de la nomenclatura de modelado BPMN, otorgando una calificación de 4,8 sobre 5,0 para cada servicio. La experimentación con el simulador de procesos de negocio y las recomendaciones entregadas por el servicio implementado (gestión de cuellos de botella) permitió evaluar la reducción en tiempo del procesamiento de las instancias de un proceso en relación con los recursos adicionados. Conclusiones: El modelo propuesto este compuesto de tres servicios principales, la gestión de cuellos de botella, la gestión de recursos y la gestión de entradas. El primer servicio ayuda a establecer las medidas correctivas para que el proceso fluya y las instancias de este no se encolen en tareas o actividades específicas, lo que ayuda a mejorar el tiempo de respuesta y la calidad del servicio. La gestión de recursos busca optimizar el tiempo de ejecución de las actividades manuales y la gestión de entradas busca asegurar que una instancia del proceso cuente con los datos y documentos requeridos para ser procesado de inicio a fin, evitando reprocesos y mejorando la calidad de los datos que se reciben y procesan.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2022-09-11 00:00:00
2024-04-09T20:21:59Z
dc.date.available.none.fl_str_mv 2022-09-11 00:00:00
2024-04-09T20:21:59Z
dc.date.issued.none.fl_str_mv 2022-09-11
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.eng.fl_str_mv http://purl.org/coar/resource_type/c_6501
http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.content.eng.fl_str_mv Text
dc.type.driver.eng.fl_str_mv info:eu-repo/semantics/article
dc.type.local.eng.fl_str_mv Journal article
dc.type.redcol.eng.fl_str_mv http://purl.org/redcol/resource_type/ART
dc.type.version.eng.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.coarversion.eng.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.issn.none.fl_str_mv 0122-6517
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/11323/12361
dc.identifier.url.none.fl_str_mv https://doi.org/10.17981/ingecuc.18.2.2022.06
dc.identifier.doi.none.fl_str_mv 10.17981/ingecuc.18.2.2022.06
dc.identifier.eissn.none.fl_str_mv 2382-4700
identifier_str_mv 0122-6517
10.17981/ingecuc.18.2.2022.06
2382-4700
url https://hdl.handle.net/11323/12361
https://doi.org/10.17981/ingecuc.18.2.2022.06
dc.language.iso.eng.fl_str_mv eng
language eng
dc.relation.ispartofjournal.spa.fl_str_mv Inge Cuc
dc.relation.references.eng.fl_str_mv  S. Park & Y. Kang, “A Study of Process Mining-based Business Process Innovation,” Procedia Comput. Sci., vol. 91, pp. 734–743, Dec. 2016. https://doi.org/10.1016/j.procs.2016.07.066
 C. dos Santos, A. Meincheim, E. Junior, M. Dallagassa, D. Sato, D. Carvalho, E. Santos & E. Scalabrin, “Process mining techniques and applications – A systematic mapping study,” Expert Syst. Appl., vol. 133, pp. 260–295, Nov. 2019. https://doi.org/10.1016/j.eswa.2019.05.003
 P. Harmon, “Chapter 15 - Software tools for business process work,” in Business Process Change, 4th ed. BTV, USA: Morgan Kaufmann Publishers, 2019, ch 15, pp. 369–392. https://doi.org/10.1016/B978-0-12-815847-0.00015-7
 A. Rozinat, I. de Jong, C. Günther & W. van der Aalst, “Process mining applied to the test process of wafer scanners in ASML,” IEEE Trans. Syst. Man Cybern. Part C: Applications and Reviews, vol. 39, no. 4, pp. 474–479, Mar. 2009. https://doi.org/10.1109/TSMCC.2009.2014169
 W. van der Aalst, “Process Mining: Overview and Opportunities,” ACM Trans. Manage. Inf. Syst., vol. 3, no. 2, pp. 1–17, Jul. 2012. https://doi.org/10.1145/2229156.2229157
 E. Vasilyev, D. Ferreira & J. Iijima, “Using Inductive Reasoning to Find the Cause of Process Delays,” presented at IEEE 15th Conference on Business Informatics, WIE, VIE, AT, 15-18 Dec. 2013. https://doi.org/10.1109/CBI.2013.41
 W. van der Aalst, Process Mining: Data Science in Action, 2 ed. LDN: UK, Springer, 2016. Available: https://doi.org/10.1007/978-3-662-49851-4
 A. Dzihni, R. Andreswari & M. Hasibuan, “Business Process Analysis and Academic Information System Audit of Helpdesk Application using Genetic Algorithms a Process Mining Approach,” Procedia Comput. Sci, vol. 161, pp. 903–909, Jan. 2019. https://doi.org/10.1016/j.procs.2019.11.198
G. Park & M. Song, “Predicting performances in business processes using deep neural networks,” Decis. Support Syst., vol. 129, pp. 1–34, Feb. 2020. https://doi.org/10.1016/j.dss.2019.113191
C. Liu, Q. Zeng, H. Duan, L. Wang, J. Tan, C. Ren & W. Yu, “Petri Net Based Data-Flow Error Detection and Correction Strategy for Business Processes,” IEEE Access, vol. 8, pp. 43265–43276, Feb. 2020. https://doi.org/10.1109/ACCESS.2020.2976124
E. Ruschel, E. Loures, & E. A. Santos, “Performance analysis and time prediction in manufacturing systems,” CAIE, vol. 151, pp. 1–17, Jan. 2021. https://doi.org/10.1016/j.cie.2020.106972
K. Pratt, “Design Patterns for Research Methods: Iterative Field Research,” presented at 2009 AAAI Spring Symposium: Experimental Design for Real, STFD, CA, USA, 23-25 Mar. 2009. Available from http://kpratt.net/wp-content/uploads/2009/01/research_methods.pdf
S. Beeram & S. Kuchibhotla, “Time Series Analysis on Univariate and Multivariate Variables: A Comprehensive Survey”, In S. C. Satapathy, V. Bhateja, M. R. Murty, N. Gia, J. Kotti (eds) Communication Software and Networks, LDN, UK: Springer, 2021, pp. 119–126. https://doi.org/10.1007/978-981-15-5397-4_13
I. Moreno, “Patrón y clasificación taxonómica para directrices prácticas en modelos de procesos de negocio,” Tesis doctorado, UCLV, ST. CLRA, CU, 2015. Disponible en http://dspace.uclv.edu.cu:8089/handle/123456789/7212
Bizagi Modeler, (version 11). Bizagi Studio. Available: https://www.bizagi.com/es/plataforma/modeler
dc.relation.citationendpage.none.fl_str_mv 88
dc.relation.citationstartpage.none.fl_str_mv 71
dc.relation.citationissue.spa.fl_str_mv 2
dc.relation.citationvolume.spa.fl_str_mv 18
dc.relation.bitstream.none.fl_str_mv https://revistascientificas.cuc.edu.co/ingecuc/article/download/4414/4362
https://revistascientificas.cuc.edu.co/ingecuc/article/download/4414/4591
https://revistascientificas.cuc.edu.co/ingecuc/article/download/4414/4592
dc.relation.citationedition.spa.fl_str_mv Núm. 2 , Año 2022 : (Julio-Diciembre)
dc.rights.eng.fl_str_mv INGE CUC - 2022
dc.rights.uri.eng.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0
dc.rights.accessrights.eng.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.eng.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv INGE CUC - 2022
http://creativecommons.org/licenses/by-nc-nd/4.0
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.eng.fl_str_mv application/pdf
text/html
text/xml
dc.publisher.spa.fl_str_mv Universidad de la Costa
dc.source.eng.fl_str_mv https://revistascientificas.cuc.edu.co/ingecuc/article/view/4414
institution Corporación Universidad de la Costa
bitstream.url.fl_str_mv https://repositorio.cuc.edu.co/bitstream/11323/12361/1/ORE.xml
bitstream.checksum.fl_str_mv 7f603cfb8b689526cd33027ca9223d1e
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositorio Universidad de La Costa
repository.mail.fl_str_mv repdigital@cuc.edu.co
_version_ 1808400247907418112
spelling Vera Paz, Valentinaf09ea971183596f1d8105e38a769ccfc500Ramírez Obando, Anyi Aracely9a9d014c3d5a78603ba4b67c009a4e98300Cobos Lozada, Carlos32c2a8c5b842c3cf1e902ceda3e7f59c3002022-09-11 00:00:002024-04-09T20:21:59Z2022-09-11 00:00:002024-04-09T20:21:59Z2022-09-110122-6517https://hdl.handle.net/11323/12361https://doi.org/10.17981/ingecuc.18.2.2022.0610.17981/ingecuc.18.2.2022.062382-4700Introducción: Las organizaciones requieren día a día más productividad y eficiencia en sus procesos de negocio. En la actualidad se cuenta con diversas herramientas que brindan soporte para optimizar tiempos y recursos de acuerdo con la complejidad de las actividades de los procesos de negocio. Sin embargo, al automatizar procesos, pocas empresas logran definir un flujo de trabajo exitoso, por lo que no pueden prever las dificultades que surgen en un entorno de producción. En consecuencia, no es posible dar una solución anticipada a los problemas, lo que implica sobrecostos, pérdida de tiempo y en algunos casos afectación al talento humano de la organización. Objetivo: En este artículo se presenta un modelo de servicios genérico para la mejora automática de procesos de negocio que permite identificar cuellos de botella, reprocesos, fallas y retrasos al analizar los logs de eventos de un proceso de negocio. También resume la implementación del servicio de gestión de cuellos de botella para soportar la toma de decisiones en un proceso simulado, aplicando modelos de regresión para predecir el rendimiento de las actividades manuales del proceso con base en los retrasos y la longitud de las colas. Mediante la predicción del rendimiento y la elaboración de sugerencias de asignación de recursos, se determinó el nivel de mejora del proceso. Metodología: La investigación se realizó siguiendo el Patrón de Investigación Iterativa propuesto por Pratt. Primero se identificaron los principales problemas en la gestión de procesos, luego se realizó una revisión del estado del arte para conocer las propuestas de solución a estos problemas, después se propuso un modelo de solución independiente del software de gestión de procesos que se use y finalmente se realizaron dos evaluaciones, una a nivel conceptual con la técnica de grupo focal y la otra basada en la implementación de uno de los servicios propuestos y datos recolectados de un experimento en un simulador de procesos de negocio. Resultados: La evaluación conceptual de los servicios propuestos en el modelo se realizó por parte de un grupo de expertos, con base en los lineamientos de diseño y contenido del estándar de la nomenclatura de modelado BPMN, otorgando una calificación de 4,8 sobre 5,0 para cada servicio. La experimentación con el simulador de procesos de negocio y las recomendaciones entregadas por el servicio implementado (gestión de cuellos de botella) permitió evaluar la reducción en tiempo del procesamiento de las instancias de un proceso en relación con los recursos adicionados. Conclusiones: El modelo propuesto este compuesto de tres servicios principales, la gestión de cuellos de botella, la gestión de recursos y la gestión de entradas. El primer servicio ayuda a establecer las medidas correctivas para que el proceso fluya y las instancias de este no se encolen en tareas o actividades específicas, lo que ayuda a mejorar el tiempo de respuesta y la calidad del servicio. La gestión de recursos busca optimizar el tiempo de ejecución de las actividades manuales y la gestión de entradas busca asegurar que una instancia del proceso cuente con los datos y documentos requeridos para ser procesado de inicio a fin, evitando reprocesos y mejorando la calidad de los datos que se reciben y procesan.Introduction: Organizations require more productivity and efficiency in their business processes every day. Currently, various tools provide support to optimize time and resources according to the complexity of the activities of the business processes. However, by automating processes, few companies can define a successful workflow, thus failing to anticipate the difficulties in a production environment. Consequently, it is impossible to provide an early solution to problems, which implies cost overruns, loss of time, and in some cases, affectation of the organization's human talent. Objective: This article presents a generic service model for the automatic improvement of business processes that allows identifying bottlenecks, reprocesses, failures, and delays when analyzing the event logs of a business process. It also summarizes the implementation of the bottleneck management service to support decision-making in a simulated process, applying regression models to predict the performance of manual process activities based on delays and queue lengths. By predicting performance and making resource allocation suggestions, the level of process improvement was determined. Method: The research was conducted following the Iterative Research Pattern proposed by Pratt. First, the main problems in process management were identified, then a review of the state of the art was carried out to find out the proposed solutions to these problems. A solution model independent of the process management software used was proposed, and finally, two evaluations were carried out, one at a conceptual level with the focus group technique and the other based on the implementation of one of the proposed services and data collected from an experiment in a business process simulator. Results: The conceptual evaluation of the services proposed in the model was conducted by a group of experts, based on the design and content guidelines of the BPMN modeling nomenclature standard, giving a rating of 4.8 out of 5.0 for each service. Experimentation with the business process simulator and the recommendations provided by the implemented service (bottleneck management) made it possible to evaluate the reduction in the processing time of the instances of a process in relation to the added resources. Conclusions: The proposed model is composed of three main services, bottleneck management, resource management, and input management. The first service helps to establish the corrective measures so that the process flows and the instances of this do not get stuck in specific tasks or activities, which helps to improve the response time and the quality of the service. Resource management seeks to optimize the execution time of manual activities and input management seeks to ensure that an instance of the process has the data and documents required to be processed from start to finish, avoiding reprocessing and improving the quality of the data received and processed.application/pdftext/htmltext/xmlengUniversidad de la CostaINGE CUC - 2022http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/4414Business ProcessProcess MiningData MiningBottleneckServicesProcesos de NegocioMinería de ProcesosMinería de DatosCuellos de BotellaServiciosModelo de servicios genéricos para la mejora automática de los procesos empresarialesGeneric Services Model for the Automatic Improvement of Business ProcessesArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge Cuc S. Park & Y. Kang, “A Study of Process Mining-based Business Process Innovation,” Procedia Comput. Sci., vol. 91, pp. 734–743, Dec. 2016. https://doi.org/10.1016/j.procs.2016.07.066 C. dos Santos, A. Meincheim, E. Junior, M. Dallagassa, D. Sato, D. Carvalho, E. Santos & E. Scalabrin, “Process mining techniques and applications – A systematic mapping study,” Expert Syst. Appl., vol. 133, pp. 260–295, Nov. 2019. https://doi.org/10.1016/j.eswa.2019.05.003 P. Harmon, “Chapter 15 - Software tools for business process work,” in Business Process Change, 4th ed. BTV, USA: Morgan Kaufmann Publishers, 2019, ch 15, pp. 369–392. https://doi.org/10.1016/B978-0-12-815847-0.00015-7 A. Rozinat, I. de Jong, C. Günther & W. van der Aalst, “Process mining applied to the test process of wafer scanners in ASML,” IEEE Trans. Syst. Man Cybern. Part C: Applications and Reviews, vol. 39, no. 4, pp. 474–479, Mar. 2009. https://doi.org/10.1109/TSMCC.2009.2014169 W. van der Aalst, “Process Mining: Overview and Opportunities,” ACM Trans. Manage. Inf. Syst., vol. 3, no. 2, pp. 1–17, Jul. 2012. https://doi.org/10.1145/2229156.2229157 E. Vasilyev, D. Ferreira & J. Iijima, “Using Inductive Reasoning to Find the Cause of Process Delays,” presented at IEEE 15th Conference on Business Informatics, WIE, VIE, AT, 15-18 Dec. 2013. https://doi.org/10.1109/CBI.2013.41 W. van der Aalst, Process Mining: Data Science in Action, 2 ed. LDN: UK, Springer, 2016. Available: https://doi.org/10.1007/978-3-662-49851-4 A. Dzihni, R. Andreswari & M. Hasibuan, “Business Process Analysis and Academic Information System Audit of Helpdesk Application using Genetic Algorithms a Process Mining Approach,” Procedia Comput. Sci, vol. 161, pp. 903–909, Jan. 2019. https://doi.org/10.1016/j.procs.2019.11.198G. Park & M. Song, “Predicting performances in business processes using deep neural networks,” Decis. Support Syst., vol. 129, pp. 1–34, Feb. 2020. https://doi.org/10.1016/j.dss.2019.113191C. Liu, Q. Zeng, H. Duan, L. Wang, J. Tan, C. Ren & W. Yu, “Petri Net Based Data-Flow Error Detection and Correction Strategy for Business Processes,” IEEE Access, vol. 8, pp. 43265–43276, Feb. 2020. https://doi.org/10.1109/ACCESS.2020.2976124E. Ruschel, E. Loures, & E. A. Santos, “Performance analysis and time prediction in manufacturing systems,” CAIE, vol. 151, pp. 1–17, Jan. 2021. https://doi.org/10.1016/j.cie.2020.106972K. Pratt, “Design Patterns for Research Methods: Iterative Field Research,” presented at 2009 AAAI Spring Symposium: Experimental Design for Real, STFD, CA, USA, 23-25 Mar. 2009. Available from http://kpratt.net/wp-content/uploads/2009/01/research_methods.pdfS. Beeram & S. Kuchibhotla, “Time Series Analysis on Univariate and Multivariate Variables: A Comprehensive Survey”, In S. C. Satapathy, V. Bhateja, M. R. Murty, N. Gia, J. Kotti (eds) Communication Software and Networks, LDN, UK: Springer, 2021, pp. 119–126. https://doi.org/10.1007/978-981-15-5397-4_13I. Moreno, “Patrón y clasificación taxonómica para directrices prácticas en modelos de procesos de negocio,” Tesis doctorado, UCLV, ST. CLRA, CU, 2015. Disponible en http://dspace.uclv.edu.cu:8089/handle/123456789/7212Bizagi Modeler, (version 11). Bizagi Studio. Available: https://www.bizagi.com/es/plataforma/modeler8871218https://revistascientificas.cuc.edu.co/ingecuc/article/download/4414/4362https://revistascientificas.cuc.edu.co/ingecuc/article/download/4414/4591https://revistascientificas.cuc.edu.co/ingecuc/article/download/4414/4592Núm. 2 , Año 2022 : (Julio-Diciembre)OREORE.xmltext/xml2655https://repositorio.cuc.edu.co/bitstream/11323/12361/1/ORE.xml7f603cfb8b689526cd33027ca9223d1eMD51open access11323/12361oai:repositorio.cuc.edu.co:11323/123612024-04-09 15:21:59.913An error occurred on the license name.|||http://creativecommons.org/licenses/by-nc-nd/4.0metadata only accessRepositorio Universidad de La Costarepdigital@cuc.edu.co