Simple Science

Ciência de ponta explicada de forma simples

# Informática# Inteligência Artificial# Aprendizagem de máquinas

IA e ML Transformando Processos de Negócio

Ideias sobre como otimizar processos de negócios usando IA e ML.

― 11 min ler


IA e ML nos Processos deIA e ML nos Processos deNegócioem IA e ML.Aumentando a eficiência com inovações
Índice

Os processos de negócios são cruciais para as organizações, incentivando a colaboração entre pesquisa e indústria. Com as mudanças constantes no mundo dos negócios devido à tecnologia, é importante que pesquisadores e analistas de processos se mantenham atualizados. Essa revisão tem como objetivo fornecer insights sobre como a Inteligência Artificial (IA) e o Aprendizado de Máquina (AM) podem ajudar a otimizar processos nas organizações. Também identifica lacunas na pesquisa atual e sugere direções futuras.

Desenho e Metodologia

Esse estudo realiza uma revisão sistemática da literatura para examinar como IA e AM são aplicados na Gestão de Processos de Negócios (BPM). A literatura é categorizada de acordo com as etapas do ciclo de vida do BPM, e métodos bibliométricos são utilizados para analisar artigos relacionados.

Resultados

IA e AM melhoram significativamente a gestão de processos de negócios usando dados operacionais. Há duas áreas principais de foco: (1) melhoria de processos, que analisa informações para aprimorar os processos atuais, e (2) otimização de processos, que se concentra na reestruturação dos processos com base nessas análises.

Limitações da Pesquisa

Essa revisão oferece uma visão ampla dos métodos para lidar com desafios relacionados a processos, sem entrar em detalhes técnicos específicos. Cobre principalmente artigos publicados de 2010 a 2024.

Originalidade e Valor

Este artigo fornece um exame aprofundado de como as técnicas de IA e AM se integram em várias etapas do ciclo de vida do BPM e apresenta novas ferramentas integradas que podem orientar pesquisas futuras.

Introdução e Fundamentos Teóricos

O funcionamento eficaz de uma empresa depende de pessoas e processos bem integrados. A Gestão de Processos de Negócios (BPM) é essencial para regular essa integração. Melhorar a eficiência muitas vezes requer mudanças nos processos com base em uma compreensão profunda dos problemas dentro deles. BPM envolve analisar problemas, reestruturar processos e implementar soluções.

Resumindo, BPM tem dois aspectos principais: (1) melhoria de processos que envolve monitorar e avaliar processos atuais, e (2) otimização de processos que se concentra em reestruturar com base em avaliações anteriores. O termo "monitoramento preditivo de processos de negócios" é frequentemente usado para descrever melhorias que utilizam dados históricos para previsões futuras.

Apesar de sua importância, não há um consenso universal sobre a terminologia na literatura. Embora o monitoramento seja fundamental para rastrear dados, isso pode não levar a melhorias acionáveis. Portanto, combinar avaliação e monitoramento é essencial para uma análise abrangente. A ênfase na "melhoria de processos" destaca a importância de analisar processos para estender e aprimorar. As próximas seções revisarão pesquisas em otimização e melhoria de processos.

Melhoria de Processos

Muitos estudos tentam abordar questões como a falta de conhecimento sobre BPM na educação e no setor de TI. A implementação de métodos de melhoria de processos leva a desafios na gestão da mudança. Um foco nos proprietários de processos é vital para melhorias bem-sucedidas, destacando as funções e responsabilidades necessárias para estratégias eficazes.

A importância da cultura em facilitar a melhoria de processos também foi enfatizada. A crescente atenção à inovação digital e blockchain acrescenta mais ferramentas para a melhoria de processos.

Avanços tecnológicos recentes em bancos de dados permitiram que equipes de melhoria implementassem ações corretivas de maneira mais eficaz. A Mineração de Processos surgiu como uma área que conecta a mineração de dados e a análise de processos de negócios, focando em obter insights de registros de eventos.

Otimização de Processos

A otimização de processos é um dos três elementos-chave da mineração de processos (os outros são descoberta e verificação de conformidade). Adicionar dados de desempenho aos modelos de processos pode ajudar a identificar gargalos e guiar mudanças. A otimização de processos também é crucial para o monitoramento e a melhoria contínua dos processos ao longo do tempo.

Por outro lado, as recomendações de otimização de processos são baseadas em métricas e contribuem para a análise de causas raiz. A melhoria de processos de negócios (BPI) emprega várias técnicas, como Six Sigma e Lean, voltadas para aumentar a eficiência nos processos de negócios.

O artigo discute principalmente organizações que mapearam seus processos atuais e buscam melhorias através de insights obtidos a partir de dados. Embora a otimização de processos seja um campo relativamente novo, os pesquisadores têm mostrado sua eficácia em diferentes setores, particularmente na saúde.

A otimização de processos orientada a objetivos é uma área emergente que se concentra em manter a orientação do processo e otimizar o uso de recursos. Um framework abrangente chamado bPERFECT foi proposto para avaliar modelos de processos de negócios.

Abordar desafios na gestão de processos é crucial para as organizações, sendo a limpeza de dados uma barreira significativa. Uma revisão das técnicas de pré-processamento de registros de eventos pode ajudar a mitigar esse problema.

Escopo da Pesquisa e Trabalhos Relacionados

O crescente corpo de trabalho destaca o potencial transformador da IA e do AM em diversos setores, particularmente no BPM. No entanto, uma grande lacuna permanece na compreensão dos impactos específicos dessas tecnologias na melhoria e otimização de processos. Esta revisão visa preencher essa lacuna, focando na Gestão Preditiva de Processos de Negócios (PBPM), que integra técnicas avançadas de IA e AM para otimizar fluxos de trabalho e reestruturar processos.

Questões de Pesquisa

Este estudo busca analisar a literatura acadêmica sobre melhoria e otimização de processos de negócios, focando nas aplicações de IA e AM. O objetivo é auxiliar especialistas em BPM a encontrar soluções adequadas, especialmente à luz dos novos desenvolvimentos em IA. As questões de pesquisa se concentram em entender o impacto dos avanços em IA nas metodologias de processos e como as organizações variam no uso de técnicas de otimização e melhoria.

Desenho da Pesquisa e Metodologia

Este artigo introduz um framework de seis etapas projetado para abordar as questões de pesquisa de forma eficaz. As etapas incluem seleção de palavras-chave para identificar temas relevantes, utilização de bases de dados de pesquisa, definição de critérios de inclusão, seleção de artigos relevantes, análise inicial e interpretação dos resultados para destacar lacunas na pesquisa.

  1. Seleção de Palavras-chave: Encontrar palavras-chave adequadas em três categorias ajuda a restringir os artigos relevantes.

  2. Recursos de Pesquisa: Bases de dados como Semantic Scholar e Scopus são usadas para localizar literatura acadêmica.

  3. Critérios de Inclusão e Exclusão: Estabelecer padrões de qualidade garante que os estudos revistos sejam relevantes e de alta qualidade.

  4. Seleção/Filtragem de Artigos Relevantes: O foco inicial é identificar pesquisas relevantes com base em resumos e introduções.

  5. Análise Inicial e Bibliométrica: Uma análise abrangente das tendências de publicação fornece insights sobre a evolução da literatura de BPM.

  6. Interpretação da Pesquisa e Introdução de Lacunas: Avaliar criticamente a literatura destaca as vantagens, desvantagens e restrições dos métodos atuais, além de identificar áreas para estudos futuros.

Resultados da Pesquisa e Análise Bibliométrica

Ao longo de doze anos, muitas publicações se concentraram na melhoria de processos, enfatizando o papel recente da IA e do AM em fornecer soluções inovadoras. Nove periódicos publicaram a maioria das pesquisas, destacando o crescimento dos estudos em BPM durante esse período.

A análise de palavras-chave revelou temas comuns na literatura, sendo "Mineração de Processos" e "Gestão de Processos de Negócios" os mais frequentes. As relações entre essas palavras-chave ilustram como elas se conectam em vários estudos.

Otimização de Processos

A importância da otimização de processos decorre de sua capacidade de oferecer recomendações de melhoria com base em dados de desempenho. Enquanto a melhoria de processos se concentra na reestruturação de métodos, a otimização destaca o papel dos dados na orientação dessas melhorias.

A otimização de processos continua sendo um campo em evolução, com menos revisões em comparação à melhoria de processos. No entanto, sua eficácia em várias indústrias foi bem documentada.

Detecção de Drift e Anomalias

Os processos operacionais são dinâmicos e podem levar a desvios dos resultados pretendidos, muitas vezes exigindo ajustes para se alinhar aos objetivos. Drift refere-se a mudanças graduais nos processos, enquanto anomalias são interrupções súbitas que precisam de atenção imediata.

Detectar essas mudanças é crucial para manter a qualidade dentro dos processos. Algumas abordagens para essa questão envolvem métodos de clustering e análise de dados comparativos para destacar diferenças e comportamentos ao longo do tempo.

Previsões de Tempo Restante e Próxima Atividade

Prever o tempo restante dos processos permite que as empresas gerenciem cenários de alto risco de forma eficaz. Técnicas que se concentram na previsão da próxima atividade aumentam a clareza operacional, garantindo que os processos funcionem sem problemas.

Métodos de aprendizado profundo, como Redes Neurais Convolucionais (CNNs) e Redes de Memória de Longo Prazo (LSTMs), estão sendo explorados por seu potencial em prever ações futuras de processos. Outros estudos introduziram modelos novos para aumentar a precisão dessas previsões.

Monitoramento de Restrições Empresariais

Monitorar restrições empresariais ajuda as organizações a garantir conformidade e evitar não conformidade durante a execução de processos. Vários métodos preditivos estão surgindo para ajudar a antecipar se essas restrições serão atendidas.

Previsões Multi-Parâmetro

Algumas pesquisas combinam múltiplos objetivos na otimização de processos, como prever o tempo restante e as próximas atividades. A flexibilidade continua sendo uma área que não foi amplamente abordada, indicando espaço para exploração.

Melhoria de Processos

Os métodos de melhoria de processos incluem técnicas tradicionais, como Lean e Six Sigma, juntamente com abordagens modernas de IA que surgiram com os avanços em big data. Ambas as áreas enfrentam desafios, especialmente em relação à implementação prática dos métodos.

Extração de Padrões e Palavras-chave

Na BPM, o reconhecimento de padrões é essencial para avaliar processos em comparação com benchmarks predefinidos. Trabalhos recentes integraram técnicas de IA para aprimorar a eficiência na identificação de oportunidades de otimização.

Um método automatizado para extrair sugestões para reestruturação de processos de negócios usando processamento de linguagem natural (NLP) está ganhando atenção. Este método visa agilizar o processo de reestruturação e melhorar a eficiência operacional geral.

Lean Six Sigma e Agendamento de Recursos

A interseção do aprendizado de máquina com os princípios do Lean Six Sigma representa esforços contínuos para automatizar a melhoria de processos. O agendamento eficiente de recursos é crítico para gerenciar custos e otimizar fluxos de trabalho operacionais.

Conclusões e Lacunas na Pesquisa

Estudos recentes mostram um interesse crescente nas aplicações de IA dentro do BPM, focando em melhorar a eficiência e a eficácia. Combinar a otimização e a melhoria de processos pode proporcionar uma abordagem mais forte para a gestão de processos de negócios.

Apesar dos avanços, muitos desafios permanecem, especialmente relacionados à disponibilidade de dados para validar modelos de IA. Explorar métodos de aprendizado não supervisionado e aprendizado profundo para lidar com conjuntos de dados com rótulos incompletos pode ajudar ainda mais no avanço do BPM.

Em resumo, IA e AM oferecem diversas avenidas para melhorar o BPM. Desafios como análise de drift de processos e previsão de tempo restante destacam a necessidade de métodos inovadores. A integração dessas tecnologias promete um caminho para uma automação mais completa nos processos empresariais, o que pode resultar em maior eficiência e produtividade em diversos setores.

Fonte original

Título: A Review of AI and Machine Learning Contribution in Predictive Business Process Management (Process Enhancement and Process Improvement Approaches)

Resumo: Purpose- The significance of business processes has fostered a close collaboration between academia and industry. Moreover, the business landscape has witnessed continuous transformation, closely intertwined with technological advancements. Our main goal is to offer researchers and process analysts insights into the latest developments concerning Artificial Intelligence (AI) and Machine Learning (ML) to optimize their processes in an organization and identify research gaps and future directions in the field. Design/methodology/approach- In this study, we perform a systematic review of academic literature to investigate the integration of AI/ML in business process management (BPM). We categorize the literature according to the BPM life-cycle and employ bibliometric and objective-oriented methodology, to analyze related papers. Findings- In business process management and process map, AI/ML has made significant improvements using operational data on process metrics. These developments involve two distinct stages: (1) process enhancement, which emphasizes analyzing process information and adding descriptions to process models, and (2) process improvement, which focuses on redesigning processes based on insights derived from analysis. Research limitations/implications- While this review paper serves to provide an overview of different approaches for addressing process-related challenges, it does not delve deeply into the intricacies of fine-grained technical details of each method. This work focuses on recent papers conducted between 2010 and 2024. Originality/value- This paper adopts a pioneering approach by conducting an extensive examination of the integration of AI/ML techniques across the entire process management lifecycle. Additionally, it presents groundbreaking research and introduces AI/ML-enabled integrated tools, further enhancing the insights for future research.

Autores: Mostafa Abbasi, Rahnuma Islam Nishat, Corey Bond, John Brandon Graham-Knight, Patricia Lasserre, Yves Lucet, Homayoun Najjaran

Última atualização: 2024-07-07 00:00:00

Idioma: English

Fonte URL: https://arxiv.org/abs/2407.11043

Fonte PDF: https://arxiv.org/pdf/2407.11043

Licença: https://creativecommons.org/licenses/by-nc-sa/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes