XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO

Desafios da Engenharia de Produção no Contexto da Indústria 4.0

Bauru, SP, Brasil, 6 a 8 de novembro de 2019

MINERAÇÃO DE PROCESSOS APLICADA A

GESTÃO DE NEGÓCIOS: UM MAPEAMENTO
SISTEMÁTICO
FERNANDA APARECIDA ROCHA DA SILVA – fernanda.rocha@unesp.br
UNIVERSIDADE ESTADUAL PAULISTA - UNESP - BAURU-FEB

REGIANE MÁXIMO SIQUEIRA – regiane.maximo@unesp.br

UNIVERSIDADE ESTADUAL PAULISTA - UNESP - BAURU-FEB

Área: 8. GESTÃO DO CONHECIMENTO ORGANIZACIONAL

Sub-Área: 8.3 - GESTÃO DA INFORMAÇÃO DE PRODUÇÃO E OPERAÇÕES

Resumo: O TEMA PROCESSO DE NEGÓCIO É RELEVANTE, DADA A

NECESSIDADE DE SEU ALINHAMENTO COM OS OBJETIVOS DA ORGANIZAÇÃO. A
INTELIGÊNCIA ANALÍTICA CENTRADA EM PROCESSOS É UMA FERRAMENTA DE
SUPORTE À CONSTRUÇÃO DA ESTRATÉGIA DE NEGÓCIO DE CURTO, MÉDIO E
LONGO PRAZO. NOTA-SE QUE, O VOLUME DE DADOS AO LONGO DOS ÚLTIMOS
ANOS É CRESCENTE, TORNANDO MAIS DIFÍCIL AS ATIVIDADES DE ANÁLISE DE
DADOS. A MINERAÇÃO DE PROCESSOS É UM CONJUNTO DE TÉCNICAS DE
ANÁLISE DE DADOS QUE VISA IDENTIFICAR TENDÊNCIAS E PADRÕES
CONTIDOS NOS REGISTROS DE EVENTOS GRAVADOS POR UM SISTEMA DE
INFORMAÇÃO, A FIM DE MELHORAR A COMPREENSÃO E EFICIÊNCIA DE
PROCESSOS. NESTE ARTIGO É APRESENTADO UM MAPEAMENTO SISTEMÁTICO
SOBRE O USO DA MINERAÇÃO DE PROCESSOS NO ÂMBITO DA GESTÃO DE
NEGÓCIOS.

Palavras-chaves: MINERAÇÃO DE PROCESSOS; INTELIGÊNCIA ANALÍTICA;

GESTÃO DE NEGÓCIO.

1
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

PROCESS MINING IN BUSINESS MANAGEMENT: A

SYSTEMATIC MAPPING
Abstract: BUSINESS PROCESSES ARE IMPORTANT TO ORGANIZATIONS AND
SHOULD BE ALIGNED WITH THEIR GOALS. THE PROCESS-CENTERED
ANALYTICAL INTELLIGENCE IS A TOOL FOR BUILDING OF BUSINESS STRATEGY.
NOTE THAT THE DATA VOLUME OF THE LAST YEARS IS GROWING,
CONSEQUENTLY MAKING DATA ANALYSIS MORE DIFFICULT. PROCESS MINING
IS A FAMILY OF TECHNIQUES IN THE FIELD OF PROCESS MANAGEMENT THAT
SUPPORT THE ANALYSIS OF BUSINESS PROCESSES BASED ON EVENT LOGS.
DURING PROCESS MINING, SPECIALIZED DATA MINING ALGORITHMS ARE
APPLIED TO EVENT LOG DATA IN ORDER TO IDENTIFY TRENDS, PATTERNS AND
DETAILS CONTAINED IN EVENT LOGS RECORDED BY AN INFORMATION SYSTEM.
PROCESS MINING AIMS TO IMPROVE PROCESS EFFICIENCY AND
UNDERSTANDING OF PROCESSES. N THIS PAPER A SYSTEMATIC MAPPING ON
THE USE OF PROCESS MINING IN THE BUSINESS ENVIRONMENT IS PRESENTED.

Keywords: PROCESS MINING; ANALYTICAL INTELLIGENCE; BUSINESS PROCESS

MANAGEMENT.

2
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

1. Introdução

A inteligência analítica aborda a descoberta, interpretação e comunicação de padrões

significativos em dados; e o processo de aplicar esses padrões na tomada de decisão. RUGGIERO et
al (RUGGIERO; MORAES; MEIRELLES, 2018) apresentam um estudo bibliométrico sobre
inteligência analítica mostrando a evolução das pesquisas ao longo dos últimos 40 anos, destacando os
principais trabalhos sobre o tema. Neste contexto, a ciência de dados é uma área de notório interesse
por parte da academia e indústria, devido as oportunidades e desafios quanto ao suporte às atividades
de negócio, especialmente a tomada de decisão.
A chamada “Ciência Orientada a Dados” incorpora elementos variados concernentes à
inteligência artificial, mineração de dados e tecnologias para armazenamento, processamento, análise e
visualização de dados; está fundamentada em técnicas e teorias oriundas da matemática, estatística,
pesquisa operacional e ciência da computação, sendo assim, encontra-se intimamente relacionada a
disciplinas tradicionais bem estabelecidas, porém viabiliza uma nova área altamente interdisciplinar,
cujo principal objetivo é compreender e analisar fenômenos reais baseados em fatos contidos em
dados (PROVOST; FAWCETT, 2013).
A inteligência analítica centrada em processos visa a análise de dados extraídos de eventos
registrados em sistemas de informação, a partir do ponto de vista de processos. Entre os métodos de
análise destaca-se a mineração de processos. De acordo com Aalst (AALST, 2016), abordagens
convencionais de Business Process Management (BPM) e suas ferramentas são em sua maioria
orientadas a modelo com pouca consideração a dados de eventos. Data Mining (DM), Business
Intelligence (BI) e Machine Learning (ML), por outro lado, concentram seu foco em dados, sem
considerar os modelos de processos de negócio. A mineração de processos visa preencher a lacuna
entre BPM por um lado, e DM, BI, e ML, de outro. O desafio consiste em transformar torrentes de
dados de eventos (Big Data) em insights valiosos relacionados ao desempenho de processos de
negócio. Aalst e Daminani (AALST; E. DAMIANI, 2015) defendem que se aprimore a integração da
ciência de dados com a ciência de processos.
A mineração de processo visa confrontar dados de eventos (ou seja, o comportamento
observado) e modelos de processos (feitos à mão ou descobertos automaticamente). Esse método de
análise de dados pode ser aplicado a qualquer tipo de processo operacional (organizações e sistemas).
Exemplos de sua aplicação incluem: análise de processos de tratamento de pacientes em hospitais,
melhoria de processos de atendimento ao cliente em uma multinacional, análise do comportamento de
usuários durante a navegação em um site de reservas, análise de falhas em um sistema de bagagem em
um aeroporto. Todas essas aplicações têm em comum a necessidade de que o comportamento
dinâmico observado esteja mapeado em um modelo de processo para análise de desempenho.

3
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

Estudos sobre mineração de processos têm sido produzidos há pouco mais de duas décadas
(AALST; WEIJTERS, 2004), porém, nos últimos anos, o crescente interesse por inteligência analítica,
especialmente Big Data Analytics, tem impactado diretamente essa área de pesquisa (AALST, 2012).

2. Problema de Pesquisa e Objetivo

Dada a importância do tema para análise de desempenho e tomada de decisão no âmbito

organizacional, o objetivo deste artigo é por meio de um mapeamento sistemático mostrar um
panorama sobre pesquisas conduzidas a respeito de mineração de processos, nesta área. O
mapeamento sistemático é um método que envolve a busca por literatura a fim de verificar a natureza,
a extensão e a quantidade de estudos publicados (chamados de estudos primários) na área de interesse
(PETERSEN et al., 2008). Considerando que as questões de pesquisa devem evidenciar os objetivos
do estudo de mapeamento, as seguintes questões foram elaboradas:

QP1. Em quais contextos as técnicas de mineração de processos têm sido utilizadas nas
empresas?

3. Fundamentação Teórica

A fundamentação teórica do artigo está concentrada em dois pontos, sendo o primeiro uma
descrição das diferentes perpectivas de análise obtidas por meio da mineração de processos e o
segundo a apresentação das técnicas de mineração de processos.

3.1 Perspectivas de análise da mineração de processos.

O objetivo da mineração de processo é extrair informações sobre processos por meio de logs
de registros de sistemas de informação. Aalst (AALST, 2013) assume que é possível registrar eventos
de forma que (i) cada evento se refere a uma atividade (isto é, uma etapa bem definida no processo),
(ii) cada evento se refere a um caso (ou seja, uma instância do processo), (iii) cada evento pode ter um
intérprete também referido como originador (a pessoa que está executando ou iniciando a atividade), e
(iv) os eventos têm um registro de data e hora e são totalmente ordenados. A Tabela 1 mostra um
exemplo de um log envolvendo 19 eventos, 5 atividades e 6 originadores. Além das informações
mostradas nesta tabela, alguns logs de eventos contêm informações adicionais sobre o próprio caso, ou
seja, elementos de dados referentes às propriedades do caso.
Os logs de eventos, como o mostrado na Tabela 1, são usados como ponto de partida
para mineração. Aalst (VAN DER AALST et al., 2007) distingue quatro perspectivas
diferentes: (1) a perspectiva do processo (“como?”), (2) a perspectiva organizacional
(“quem?”), (3) a perspectiva da instância ou caso (“o quê?”) e (4) a perspectiva temporal
("frequência").

4
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

TABELA 1. Exemplo de Log de Eventos

Caso Id Atividade id Originador Data e Hora

caso 1 atividade A João 10/05/2019 08:02
caso 2 atividade A João 10/05/2019 08:09
caso 3 atividade A Maria 10/05/2019 08:35
caso 3 atividade B Carol 10/05/2019 09:14
caso 1 atividade B Miguel 10/05/2019 09:52
caso 1 atividade C João 10/05/2019 13:48
caso 2 atividade C Miguel 10/05/2019 14:07
caso 4 atividade A Maria 10/05/2019 14:41
caso 2 atividade B João 10/05/2019 18:09
caso 2 atividade D Pedro 10/05/2019 18:22
caso 5 atividade A Maria 10/05/2019 18:55
caso 4 atividade C Carol 10/05/2019 08:02
caso 1 atividade D Pedro 11/05/2019 10:17
caso 3 atividade C Maria 11/05/2019 11:24
caso 3 atividade D Pedro 11/05/2019 14:32
caso 4 atividade B Maria 12/05/2019 18:23
caso 5 atividade E Clarice 12/05/2019 19:10
caso 5 atividade D Clarice 12/05/2019 19:26
caso 4 atividade D Pedro 12/05/2019 22:08

A perspectiva do processo concentra-se no fluxo de controle, ou seja, na ordenação

das atividades. O objetivo de minerar esta perspectiva é encontrar uma boa caracterização de
todos os caminhos possíveis, por exemplo, expressos em termos de uma linguagem de
modelagem de processos como Business Process Modeling (BPM) (JASIULEWICZ-
KACZMAREK et al., 2018), rede de Petri (REISIG; ROZENBERG, 1998) ou Event-driven
Process Chain (EPC) (SCHEER; THOMAS; ADAM, 2005).
A perspectiva organizacional se concentra na coluna originador, ou seja, quais
executores estão envolvidos e como eles estão relacionados. O objetivo é estruturar a
organização classificando as pessoas em termos de funções e unidades organizacionais ou
para mostrar as relações entre os executores (ou seja, o objetivo é traçar uma rede social
(NEMATI; BARKO, 2001)).
A perspectiva de instância (caso) se concentra nas propriedades dos casos. Os casos
podem ser caracterizados por seu caminho no processo ou pelos originadores que trabalham
em um caso. No entanto, os casos também podem ser caracterizados pelos valores dos
elementos de dados correspondentes. Por exemplo, se um caso representar uma ordem de
reabastecimento pode ser interessante conhecer o fornecedor ou a quantidade de produtos
solicitados.

5
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

A perspectiva do temporal se concentra na duração e frequência dos eventos. Torna

possível descobrir gargalos, medir níveis de serviço, monitorar a utilização de recursos e
prever o processamento restante dos casos em execução.

3.2 Técnicas de mineração de processos

Existem três tipos principais de técnicas de mineração de processo, conforme ilustrado
na Figura 1. O primeiro tipo é a descoberta. Nesta técnica um log de eventos é dado como
entrada e um modelo do processo é obtido sem utilizar nenhuma informação a priori
(AALST, 2016). O objetivo é descobrir o modelo real do processo de acordo com o
comportamento observado no log.
FIGURA 1. Técnicas de mineração de processos

Quando se obtém o modelo do processo, a parte mais interessante e necessária da

mineração, segundo o ponto de vista dos stakeholders, é iniciada. O modelo pode ser
normativo ou descritivo. De acordo com Aalst (AALST, 2016), o segundo tipo de técnica de
mineração de processos é a verificação de conformidade. Trata-se de verificar se a realidade,
conforme registrada no log, está de acordo com o modelo e vice-versa. O objetivo é encontrar
semelhanças e discrepâncias entre o comportamento modelado e o comportamento observado.
Geralmente, a verificação de conformidade é usada para:
• melhorar o alinhamento de processos de negócios;
• auditorias;
• reparação de modelos;
• avaliação de algoritmos de descoberta de processos.
O terceiro tipo de técnica é o aprimoramento. Um modelo de processo é estendido ou
aprimorado usando informações extraídas de algum log. Como visto anteriormente, os logs de
eventos contêm mais informações que apenas o fluxo de controle, ou seja, informações sobre

6
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

recursos, tempo e diferentes tipos de atributos. A mineração de processos sob a perspectiva

organizacional pode ser usada para obter insights sobre os padrões típicos de trabalho,
estruturas organizacionais e redes sociais. A perspectiva temporal pode ser usada para
identificar gargalos e diagnosticar outros problemas relacionados ao desempenho. Dados de
instâncias podem ser usados para entender melhor a tomada de decisão e analisar as
diferenças entre elas. As diferentes perspectivas podem ser mescladas em um único modelo
de processo integrado para uma próxima simulação e análises do tipo “e se” afim de explorar
diferentes configurações e estratégias de controle (AALST, 2016).

4. Aspectos Metodológicos

A pesquisa foi desenvolvida por meio de um mapeamento sistemático. Um

mapeamento sistemático é uma revisão dos estudos primários existentes na literatura sobre
um tópico de interesse afim de identificar evidências sobre esse tópico (KITCHENHAM;
CHARTERS, 2007). Os resultados de um mapeamento sistemático ajudam a identificar
lacunas nesta área, capazes de sugerir pesquisas futuras e prover um guia para posicionar
adequadamente novas atividades de pesquisa (PETERSEN et al., 2008).
O mapeamento conduzido foi baseado no processo descrito por Petersen et al.
(PETERSEN et al., 2008), segundo o qual, há cinco passos essenciais a serem seguidos: (i)
definição de questões de pesquisa, (ii) realização da busca por estudos primários relevantes,
(iii) triagem dos documentos, (iv) keywording dos resumos, e (v) a extração de dados e
mapeamento.
A questão de pesquisa, definida na Seção 2, tem por objetivo direcionar o foco do
mapeamento. O tema mineração de processos é amplo e tem aplicações em diversas áreas
como saúde, tecnologia da informação, gestão de negócios, logística, entre outros. Portanto,
para este estudo o foco do mapeamento é aplicação da mineração de processos no âmbito da
gestão de negócios, tanto do ponto de vista operacional quanto estratégico.
Inicialmente foram realizados alguns testes com palavras que seriam utilizadas como
palavras-chave nas buscas. Os testes consistiram na combinação de palavras relacionadas a
mineração de processos e gestão de negócios, todas no idioma inglês conforme a string S1. A
escolha das palavras-chave utilizadas visou minimizar as chances de que artigos relevantes
fossem eventualmente ignorados.
S1. = [TS=("PROCESS MINING" AND "BUSINESS MANAGEMENT") OR
TS=("PROCESS MINING" AND "INDUSTRIAL") OR TS=("PROCESS MINING" AND
"ESTRATEGY")]

7
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

A aplicação da string de busca em indexadores eletrônicos resultou em 489 artigos,

conforme a Tabela 1. É importante ressaltar que nenhum filtro de busca foi utilizado, como
por exemplo, data de publicação.

Indexador Eletrônico Quantidade

Web of Science 351
Scopus 138
Total 489
Candidatos 68
Selecionados 24

Na primeira etapa, todos os estudos primários recuperados foram avaliados com a finalidade
de identificar aqueles relevantes para responder às questões de pesquisa. Após a leitura dos títulos,
resumos e palavras chaves, este conjunto inicial foi reduzido para 176 artigos que continham estudos
relacionados à mineração de processos associados de alguma forma a gestão de negócios. Durante esta
triagem, foram aplicados critérios de inclusão e exclusão para cada estudo recuperado. Os critérios de
inclusão elaborados foram:
• Se vários artigos relatam o mesmo estudo, apenas o artigo mais recente foi
selecionado;
• Se o artigo descreve mais de um estudo, cada estudo foi avaliado individualmente.
Os critérios de exclusão foram:
• Artigos que não apresentam estudos referentes à mineração de processos;
• Artigos em outros idiomas que não o idioma inglês;
• Relatórios técnicos, documentos que estão disponíveis na forma de resumos ou
apresentações (gray literature).
Em uma segunda etapa, se procedeu à leitura dos resumos, introdução e conclusão e
novamente foram aplicados os critérios de inclusão e exclusão aos 68 artigos candidatos e o resultado
foi um subconjunto de 24 estudos primários. É importante ressaltar que, em alguns casos, a leitura de
outras partes dos artigos foi realizada para se proceder à seleção.
Na terceira etapa, os 24 estudos que compõe a seleção final foram lidos na íntegra. Foi
realizada uma busca por palavras chaves e conceitos e posteriormente a combinação destas palavras
chaves e conceitos permitiu a criação das categorias que serão apresentadas a seguir. Cada estudo
primário foi classificado de acordo com o objetivo principal do estudo em relação à mineração de
processos.
É necessário destacar que de acordo com os objetivos dos estudos primários, estas categorias
podem se sobrepor, o que significa que estes podem ser classificados em uma ou mais categorias. As
categorias identificadas foram:

8
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

Aprimoramento e Análise Preditiva em Processos: Estende ou aprimora o modelo de

processo de negócio pré-existente a partir de informações recuperadas em log de eventos, projetando
informações de desempenho, por exemplo.
Auditoria de Processos: Verifica a integridade e autenticidade de dados contidos em logs de
eventos, a fim de validar e manter a confiabilidade e eficiência do processo.
Conformidade em Modelos de Processos: Avalia a adequação dos registros de eventos a um
determinado modelo de processo pré-existente e vice-versa.
Descoberta em Processos: Produz um modelo por meio de algoritmos baseados em registros
de eventos de um determinado processo. O modelo resultante é descritivo, representa como o processo
é realmente executado.
Diagnóstico em Processos: Abrange a análise de desempenho do processo, detecção de
anomalias, diagnóstico, inspeção de padrões interessantes e tarefas similares.

5. Análise e Discussão dos Resultados

5.1 Extração de Dados

A distribuição dos estudos primários selecionados por indexador eletrônico ocorreu da
seguinte forma: aproximadamente 68% dos estudos estavam disponíveis na base de dados da Web of
Science. A consulta a base de dados da Scopus resultou em 8 estudos.
Foram analisados estudos publicados em conferências, periódicos e simpósios. Periódicos
representam 71% dos estudos selecionados, perfazendo um total de 17 publicações. As conferências
contabilizaram 7 estudos.
A Figura 2 mostra a distribuição temporal dos 24 estudos primários selecionados. É
importante ressaltar que não foram utilizados filtros de busca quanto a data de publicação.
Aproximadamente 40% dos estudos foram publicados em 2018. Nota-se que há um aumento no
volume de publicações sobre mineração de processos voltados a gestão de negócio a partir de 2017.

FIGURA 2. Distribuição das publicações selecionadas por ano.

9
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

A distribuição dos estudos selecionados por país de origem está ilustrada na Figura 3.
Nota-se que há uma concentração maior de estudos oriundos de países europeus.

FIGURA 3. Distribuição das publicações selecionadas por país de origem

5.2 Classificação dos Estudos Primários Selecionados Conforme o Tipo de Pesquisa

A questão de pesquisa QP1 tem por objetivo mostrar que tipo processo e para quais
finalidades têm se estudado a aplicação das técnicas de mineração de processos no âmbito
organizacional.

QP1. Em quais contextos as técnicas de mineração de processos têm sido utilizadas

nas empresas?

Aproximadamente 40% dos estudos selecionados apresentam pesquisas envolvendo

processos contábeis/financeiros ou relacionados a marketing (gestão de relacionamento com
cliente), conforme a Tabela 2. Dez estudos (41%) sugerem ou discutem a aplicação de
técnicas de mineração de processo na área de gestão de negócios de forma geral, sem
entretanto determinar um contexto de uso específico. Os demais estudos propõem algoritmos
aplicados em processos de logística, cadeia de suprimentos (4%) e gestão de riscos (8%).

TABELA 2. Estudos Primários Organizados por Tipo de Processo de Negócio

Processo de Negócio Quantidade Percentual
Contábil/Financeiro 6 25,00%
Marketing 4 16,67%
Gestão de Risco 2 08,33%
Cadeia de Suprimentos 1 04,17%
Logística 1 04,17%
Outros 10 41,17
Total 24 100,00%

10
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

A análise de processos contábeis/financeiros e gestão de risco se concentrou em

atividades de auditoria. A auditoria em processos visa a verificação de conformidade entre
procedimentos previamente estabelecidos e sua efetiva execução, bem como a validação das
informações produzidas neste contexto, de modo a garantir minimamente sua confiabilidade.
A violação destes procedimentos pode indicar fraude, negligência, riscos e ineficiências.
Zerbino et al (ZERBINO et al., 2018) propuseram um algoritmo baseado em mineração de
processos para auditoria. Os autores destacam que a mineração de processos possibilita maior
profundidade de análise em relação as demais softwares de auditoria do mercado. No estudo
de caso utilizado para validação do algoritmo foram identificadas quatro não-conformidades a
mais que os softwares tradicionais de auditoria, provavelmente envolvendo riscos legais e
operacionais.

A análise de processos relacionados a marketing e gestão de relacionamento com

cliente utilizou técnicas de descoberta e análise preditiva em processos. A análise preditiva
em processos estende e enriquece um modelo por meio de dados extraídos de um log de
eventos. Logs de eventos contêm informações detalhadas, que vão além do simples registro
do fluxo de controle do processo; também são capturadas informações sobre recursos
utilizados, tempo gasto em cada atividade, atributos de eventos e etc. O objetivo foi mapear o
comportamento do cliente a fim de criar novas estratégias de venda, por exemplo. Em
(OSMAN; GHIRAN, 2019) é apresentado um algoritmo baseado nas técnicas de mineração
de processos para analisar o comportamento do usuário e melhorar a experiência dele quanto
ao relacionamento com a organização.

A análise de processos relacionados à cadeia de suprimentos e logística se

concentrou em atividades de monitoramento e diagnóstico em processos. O diagnóstico em
processos, em regra, emprega apenas a análise clássica baseada em modelos para detecção de
anomalias, avaliação de desempenho, inspeção de padrões e investigações similares. O
monitoramento de processos visa a tomada de decisão orientada a eventos, permitindo que
ações sejam disparadas automaticamente a partir de ocorrências importantes para organização.
Os autores (CRUCHTEN; WEIGAND, 2018) apresentam um algoritmo para diagnóstico em
processos aplicando-o em um estudo de caso no setor de logística.

A tabela 3 mostra os estudos primários selecionados classificados por finalidade de

pesquisa.

11
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

TABELA 3. Distribuição dos Estudos Selecionados por Finalidade de Pesquisa

Finalidade de Pesquisa Referências Total

(MÁRQUEZ-CHAMORRO; RESINAS; RUIZ-CORTÉS, 2018),
Aprimoramento e (FLATH; STEIN, 2018), (MÁRQUEZ-CHAMORRO et al.,
5
Análise Preditiva em Processos 2017), (OSMAN; GHIRAN, 2019), (VAN DER AALST; SONG,
2004)
(BAADER; KRCMAR, 2018), (ZERBINO et al., 2018),
(ROUBTSOVA; WIERSMA, 2019), (WERNER, 2017),
Auditoria de Processos (ELHAGALY et al., 2019), (CARON; VANTHIENEN; BAESENS,
6
2013)
(THABET; AYACHI GHANNOUCHI; HAJJAMI BEN GHEZALA,
Conformidade em Processos 2018), (CHO et al., 2017), (JANS; SOFFER; JOUCK, 2019)
3
(BANZIGER; BASUKOSKI; CHAUSSALET, 2019), (ES-SOUFI;
YAHIA; ROUCOULES, 2017), (BERNARDI et al., 2018), (VAN
Descoberta em Processos DER AALST et al., 2007), (AALST, 2012), (ROZINAT; VAN
6
DER AALST, 2006)
(JOKONOWO et al., 2018), (CRUCHTEN; WEIGAND, 2018),
Diagnóstico em Processos (KNOLL; REINHART; PRÜGLMEIER, 2019), (BOZKAYA; 4
GABRIELS; WERF, 2009)
Total 24
De acordo com Davenport (DAVENPORT; SPANYI, 2019), a mineração de processo
possibilita a análise visual baseada em dados de desempenho do processo. Isso atrairá o
interesse de executivos seniores, que podem facilmente ver onde estão os problemas e as
oportunidades. Isso reforçará a dedicação de uma organização à tomada de decisões baseada
em dados.

6. Considerações Finais

A mineração de processo é uma ferramenta útil para análise de dados centrada em

processos, permite aos gestores uma visão do desempenho dos processos de forma facilitada.
Neste trabalho foi apresentado um panorama das aplicações das técnicas de mineração de
processo no âmbito organizacional. A maioria das pesquisas nesta área tem sido
desenvolvidas por profissionais e pesquisadores da área de ciência da computação, mas há
muito a ser explorado do ponto de vista de gestão, não apenas em relação a reengenharia de
processos, mas também em relação a inteligência de negócio.

Referências
AALST, Wil Van der. Process Mining: Data Science in Action. 2. ed. Berlin Heidelberg: Springer-Verlag,
2016. Disponível em: <https://www.springer.com/gp/book/9783662498507>. Acesso em: 11 jul. 2019.
AALST, W. M. P.; E. DAMIANI. Processes Meet Big Data: Connecting Data Science with Process Science.
IEEE Transactions on Services Computing, [s. l.], v. 8, n. 6, p. 810–819, 2015.
AALST, W. M. P.; WEIJTERS, A. J. M. M. Process mining: a research agenda. Computers in Industry,
Process / Workflow Mining. [s. l.], v. 53, n. 3, Process / Workflow Mining, p. 231–244, 2004.
AALST, Wil M. P. Process Mining: Overview and Opportunities. ACM Trans. Manage. Inf. Syst., [s. l.], v. 3,
n. 2, p. 7:1–7:17, 2012.

12
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

AALST, Wil M. P. “Mine your own business”: using process mining to turn big data into real value. In: S.
BRINKKEMPER, R. BATENBURG, AND J. VAN HILLEGERSBERG 2013, Netherlands. Anais... . In:
PROCEEDINGS OF THE 21ST EUROPEAN CONFERENCE ON INFORMATION SYSTEMS. Netherlands:
AIS Electronic Library, 2013.
BAADER, Galina; KRCMAR, Helmut. Reducing false positives in fraud detection: Combining the red flag
approach with process mining. International Journal of Accounting Information Systems, [s. l.], v. 31, p. 1–
16, 2018.
BANZIGER, R. B.; BASUKOSKI, A.; CHAUSSALET, T. J. Discovering Business Processes in CRM Systems
by leveraging unstructured text data. In: 2019, Anais... : IEEE, 2019. Disponível em:
<https://dx.doi.org/10.1109/HPCC/SmartCity/DSS.2018.00257>. Acesso em: 12 jul. 2019.
BERNARDI, Simona et al. A Systematic Approach for Performance Assessment Using Process Mining.
Empirical Softw. Engg., [s. l.], v. 23, n. 6, p. 3394–3441, 2018.
BOZKAYA, M.; GABRIELS, J.; WERF, J. M. V d. Process Diagnostics: A Method Based on Process Mining.
In: 2009 INTERNATIONAL CONFERENCE ON INFORMATION, PROCESS, AND KNOWLEDGE
MANAGEMENT 2009, Anais... . In: 2009 INTERNATIONAL CONFERENCE ON INFORMATION,
PROCESS, AND KNOWLEDGE MANAGEMENT. [s.l: s.n.]
CARON, Filip; VANTHIENEN, Jan; BAESENS, Bart. A comprehensive investigation of the applicability of
process mining techniques for enterprise risk management. Computers in Industry, [s. l.], v. 64, n. 4, p. 464–
475, 2013.
CHO, Minsu et al. Evaluating the effect of best practices for business process redesign: An evidence-based
approach based on process mining techniques. Decision Support Systems, [s. l.], v. 104, p. 92–103, 2017.
CRUCHTEN, R. M. E. R. Van; WEIGAND, H. H. Process mining in logistics: The need for rule-based data
abstraction. In: 2018 12TH INTERNATIONAL CONFERENCE ON RESEARCH CHALLENGES IN
INFORMATION SCIENCE (RCIS) 2018, Anais... . In: 2018 12TH INTERNATIONAL CONFERENCE ON
RESEARCH CHALLENGES IN INFORMATION SCIENCE (RCIS). [s.l: s.n.]
DAVENPORT, Thomas H.; SPANYI, Andrew. What Process Mining Is, and Why Companies Should Do It.
Harvard Business Review, [s. l.], 2019. Disponível em: <https://hbr.org/2019/04/what-process-mining-is-and-
why-companies-should-do-it>. Acesso em: 12 jul. 2019.
ELHAGALY, M. et al. Evolution of Compliance Checking in Process Mining Discipline. In: 2019 2ND
INTERNATIONAL CONFERENCE ON COMPUTING, MATHEMATICS AND ENGINEERING
TECHNOLOGIES (ICOMET) 2019, Anais... . In: 2019 2ND INTERNATIONAL CONFERENCE ON
COMPUTING, MATHEMATICS AND ENGINEERING TECHNOLOGIES (ICOMET). [s.l: s.n.]
ES-SOUFI, Widad; YAHIA, Esma; ROUCOULES, Lionel. A Process Mining Based Approach to Support
Decision Making. In: (José Ríos et al., Eds.)PRODUCT LIFECYCLE MANAGEMENT AND THE
INDUSTRY OF THE FUTURE 2017, Anais... : Springer International Publishing, 2017.
FLATH, Christoph M.; STEIN, Nikolai. Towards a data science toolbox for industrial analytics applications.
Computers in Industry, [s. l.], v. 94, p. 16–25, 2018.
JANS, Mieke; SOFFER, Pnina; JOUCK, Toon. Building a valuable event log for process mining: an
experimental exploration of a guided process. Enterprise Information Systems, [s. l.], v. 13, n. 5, p. 601–630,
2019.
JASIULEWICZ-KACZMAREK, Małgorzata et al. Implementing BPMN in Maintenance Process Modeling. In:
(Jerzy Świątek, Leszek Borzemski, Zofia Wilimowska, Eds.)INFORMATION SYSTEMS ARCHITECTURE
AND TECHNOLOGY: PROCEEDINGS OF 38TH INTERNATIONAL CONFERENCE ON INFORMATION
SYSTEMS ARCHITECTURE AND TECHNOLOGY – ISAT 2017 2018, Anais... : Springer International
Publishing, 2018.
JOKONOWO, Bambang et al. Process mining in supply chains : a systematic literature review.
INTERNATIONAL JOURNAL OF ELECTRICAL AND COMPUTER ENGINEERING, [s. l.], v. 8, n. 6,
p. 4626–4636, 2018.
KITCHENHAM, B.; CHARTERS, S. Guidelines for performing Systematic Literature Reviews in Software
Engineering. [s.l: s.n.].
KNOLL, Dino; REINHART, Gunther; PRÜGLMEIER, Marco. Enabling value stream mapping for internal
logistics using multidimensional process mining. Expert Systems with Applications, [s. l.], v. 124, p. 130–142,

13
 XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019

2019.
MÁRQUEZ-CHAMORRO, A. E.; RESINAS, M.; RUIZ-CORTÉS, A. Predictive Monitoring of Business
Processes: A Survey. IEEE Transactions on Services Computing, [s. l.], v. 11, n. 6, p. 962–977, 2018.
MÁRQUEZ-CHAMORRO, Alfonso E. et al. Run-time prediction of business process indicators using
evolutionary decision rules. Expert Systems with Applications, [s. l.], v. 87, p. 1–14, 2017.
NEMATI, Hamid; BARKO, Christopher D. Organizational Data Mining: Leveraging Enterprise Data
Resources for Optimal Performance. [s.l.] : IGI Global, 2001. Disponível em: <https://www.igi-
global.com/book/organizational-data-mining/826>. Acesso em: 11 jul. 2019.
OSMAN, Cristina-Claudia; GHIRAN, Ana-Maria. Extracting Customer Traces from CRMS: From Software to
Process Models. Procedia Manufacturing, 12th International Conference Interdisciplinarity in Engineering,
INTER-ENG 2018, 4–5 October 2018, Tirgu Mures, Romania. [s. l.], v. 32, 12th International Conference
Interdisciplinarity in Engineering, INTER-ENG 2018, 4–5 October 2018, Tirgu Mures, Romania, p. 619–626,
2019.
PETERSEN, Kai et al. Systematic Mapping Studies in Software Engineering. In: PROCEEDINGS OF THE
12TH INTERNATIONAL CONFERENCE ON EVALUATION AND ASSESSMENT IN SOFTWARE
ENGINEERING 2008, Swindon, UK. Anais... Swindon, UK: BCS Learning & Development Ltd., 2008.
Disponível em: <http://dl.acm.org/citation.cfm?id=2227115.2227123>. Acesso em: 13 nov. 2018.
PROVOST, Foster; FAWCETT, Tom. Data Science for Business: What You Need to Know about Data
Mining and Data-Analytic Thinking. [s.l.] : O’Reilly Media, Inc., 2013.
REISIG, Wolfgang; ROZENBERG, Grzegorz (EDS.). Lectures on Petri Nets I: Basic Models: Advances in
Petri Nets. Berlin Heidelberg: Springer-Verlag, 1998. Disponível em:
<https://www.springer.com/gp/book/9783540653066>. Acesso em: 11 jul. 2019.
ROUBTSOVA, Ella; WIERSMA, Niels. A Practical Extension of Frameworks for Auditing with Process
Mining. In: 2019, Anais... . In: 13TH INTERNATIONAL CONFERENCE ON EVALUATION OF NOVEL
APPROACHES TO SOFTWARE ENGINEERING. [s.l: s.n.] Disponível em:
<https://www.scitepress.org/PublicationsDetail.aspx?ID=3u6reNKerw4=&t=1>. Acesso em: 12 jul. 2019.
ROZINAT, A.; VAN DER AALST, W. M. P. Decision Mining in ProM. In: (Schahram Dustdar, José Luiz
Fiadeiro, Amit P. Sheth, Eds.)BUSINESS PROCESS MANAGEMENT 2006, Anais... : Springer Berlin
Heidelberg, 2006.
RUGGIERO, PEDRO; MORAES, GUSTAVO; MEIRELLES, FERNANDO. Inteligência Analítica: um estudo
bibliométrico sobre a produção científica. In: 2018, Anais... . In: SEMINÁRIOS EM ADMINISTRAÇÃO. [s.l:
s.n.]
SCHEER, August-Wilhelm; THOMAS, Oliver; ADAM, Otmar. Process Modeling using Event-Driven Process
Chains. In: Process-Aware Information Systems. [s.l.] : John Wiley & Sons, Ltd, 2005. p. 119–145.
THABET, Dhafer; AYACHI GHANNOUCHI, Sonia; HAJJAMI BEN GHEZALA, Henda. A Process Mining-
Based Solution for Business Process Model Extension with Cost Perspective Context-Based Cost Data Analysis
and Case Study. In: (Khalid Saeed, Władysław Homenda, Eds.)COMPUTER INFORMATION SYSTEMS
AND INDUSTRIAL MANAGEMENT 2018, Anais... : Springer International Publishing, 2018.
VAN DER AALST, W. M. P. et al. Business process mining: An industrial application. Information Systems,
[s. l.], v. 32, n. 5, p. 713–732, 2007.
VAN DER AALST, Wil M. P.; SONG, Minseok. Mining Social Networks: Uncovering Interaction Patterns in
Business Processes. In: (Jörg Desel, Barbara Pernici, Mathias Weske, Eds.)BUSINESS PROCESS
MANAGEMENT 2004, Anais... : Springer Berlin Heidelberg, 2004.
WERNER, Michael. Financial process mining - Accounting data structure dependent control flow inference.
International Journal of Accounting Information Systems, [s. l.], v. 25, p. 57–80, 2017.
ZERBINO, Pierluigi et al. Process-mining-enabled audit of information systems: Methodology and an
application. Expert Systems with Applications, [s. l.], v. 110, p. 80–92, 2018.

14