Framework Noise Miner: classificação automática de ruídos em modelos de processo de negócio com inteligência artificial

Oggioni, Gustavo Michaloski Mieiro

Please use this identifier to cite or link to this item:


			http://hdl.handle.net/11422/27010

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	França, Juliana Baptista dos Santos	-
dc.contributor.author	Oggioni, Gustavo Michaloski Mieiro	-
dc.date.accessioned	2025-09-05T17:53:00Z	-
dc.date.available	2025-09-07T03:00:10Z	-
dc.date.issued	2025-08-11	-
dc.identifier.uri	http://hdl.handle.net/11422/27010	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Processos de negócio	pt_BR
dc.subject	Inteligência artificial	pt_BR
dc.subject	Business processes	pt_BR
dc.subject	Artificial intelligence	pt_BR
dc.title	Framework Noise Miner: classificação automática de ruídos em modelos de processo de negócio com inteligência artificial	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.referee1	Vivacqua, Adriana Santarosa	-
dc.contributor.referee2	Rossetto, Silvana	-
dc.description.resumo	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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Computação	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
GMMOggioni.pdf		629.29 kB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository