Pantheon Repositorio Institucional
Recopila, preserva y difundi la producción académica digital en todas las áreas del conocimiento.
Comprende los activos del repositorio, además de tesis y disertaciones en la UFRJ, artículos científicos, libros electrónicos, capítulos de libros y trabajos presentados en eventos para los profesores, investigadores, personal administrativo y estudiantes de maestría y doctorado.
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/27010
| Especie: | Trabalho de conclusão de graduação |
| Título : | Framework Noise Miner: classificação automática de ruídos em modelos de processo de negócio com inteligência artificial |
| Autor(es)/Inventor(es): | Oggioni, Gustavo Michaloski Mieiro |
| Tutor: | França, Juliana Baptista dos Santos |
| Resumen: | Modelos de processos de negócio desempenham papel central na gestão organizacional e na automação de atividades, mas sua construção automática a partir de registros de eventos frequentemente esbarra na presença de ruídos: informações redundantes ou inconsistentes que comprometem a clareza e a utilidade dos modelos gerados. Este trabalho propõe o Framework Noise Miner, uma abordagem baseada em inteligência artificial para a identificação e remoção automatizada de ruídos semânticos em modelos extraídos por meio de mineração de processos. O objetivo principal é aprimorar a qualidade estrutural e interpretativa dos modelos, reduzindo a necessidade de intervenção manual. A metodologia adotada compreende três etapas: (i) geração de um modelo inicial com mineradores tradicionais; (ii) classificação semântica das transições por um agente baseado em grandes modelos de linguagem (LLMs); e (iii) remoção programada de transições classificadas como irrelevantes. Os experimentos demonstraram que a eficácia do framework depende tanto do LLM utilizado quanto do tipo de minerador adotado. Enquanto o Algoritmo Alpha mostrou-se limitado frente à presença de ruídos, o Minerador Indutivo obteve resultados superiores ao preservar a estrutura lógica do processo mesmo após a filtragem. Os resultados apontam para a viabilidade da proposta e abrem caminho para futuras pesquisas focadas no tratamento de ruídos mais complexos, como eventos fora de ordem, e no refinamento do Agente Semântico para contextos específicos de modelagem. |
| Materia: | Processos de negócio Inteligência artificial Business processes Artificial intelligence |
| Materia CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Unidade de producción: | Instituto de Computação |
| Editor: | Universidade Federal do Rio de Janeiro |
| Fecha de publicación: | 11-ago-2025 |
| País de edición : | Brasil |
| Idioma de publicación: | por |
| Tipo de acceso : | Acesso Aberto |
| Aparece en las colecciones: | Ciência da Computação |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| GMMOggioni.pdf | 629.29 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.