Pantheon Repositório Institucional da UFRJ
Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.
Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/27010
| Tipo: | 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 |
| Orientador: | França, Juliana Baptista dos Santos |
| 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. |
| Palavras-chave: | Processos de negócio Inteligência artificial Business processes Artificial intelligence |
| Assunto CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Unidade produtora: | Instituto de Computação |
| Editora: | Universidade Federal do Rio de Janeiro |
| Data de publicação: | 11-Ago-2025 |
| País de publicação: | Brasil |
| Idioma da publicação: | por |
| Tipo de acesso: | Acesso Aberto |
| Aparece nas coleções: | Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| GMMOggioni.pdf | 629.29 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.