Introdução à Mineração de Processos

Nesta aula veremos um pouco sobre a mineração de processos, área essa que relaciona a modelagem de sistemas com a ciência de dados, permitindo transformar registros de eventos em melhorias para processos.

Dados é o novo petróleo!

Hoje em dia, nós estamos gerando uma quantidade de dados maior do que se juntarmos todas as informações da pré-história até o ano de 2003.

Estamos criando constantemente dados de evento (event data), quando

• marcamos uma consulta
• compramos uma xicara de café
• enviamos um e-mail
• assistimos um vídeo no YouTube
• através de todos os sensores em um smartphone

Quando falamos de todos esses dados sendo gravados, estamos falando da Internet dos Eventos.

Big Data

Hoje nós conseguimos criar e gravar uma enorme quantidade de dados.

Para se ter uma ideia dessa evolução, pode-se citar Lei de Moore é a observação de que o número de transistores em circuitos integrados dobra aproximadamente a cada dois anos, o que resulta em um aumento exponencial na capacidade de processamento dos computadores. Proposta por Gordon Moore em 1965, essa tendência impulsionou a evolução da tecnologia por décadas. No entanto, à medida que os transistores se aproximam dos limites físicos, a Lei de Moore começa a desacelerar, desafiando a indústria a buscar novas soluções, como a computação quântica.

Os 4 desafios do Big Data

Os desafios do Big Data são diversos e abrangem questões técnicas, organizacionais, legais e éticas. Entretanto, os principais desafios enfrentados são relacionados a:

• Volume: devido ao tratamento de grandes quantidades de dados
• Velocidade: devido a rapidez que os dados estão sendo criados e modificados
• Variedade: devido a necessidade de trabalhar com dados que mudam de tipo e de fontes como imagens, textos, vídeos.
• Veracidade: devido ao volume massivo de dados, pode existir uma dificuldade em verificar a confiabilidade dos dados

Entretanto, o maior desafio hoje é encontrar valor nesses dados.

A demanda por cientistas de dados

A crescente demanda por cientistas de dados é impulsionada pela necessidade das empresas de transformar grandes volumes de dados em informações úteis para tomar decisões mais informadas e estratégicas.

Cientistas de dados aplicam técnicas de mineração de dados, como clustering, classificação, regressão e análise preditiva, para extrair padrões e insights de conjuntos de dados complexos.

Esses profissionais desempenham um papel fundamental na análise de dados não estruturados e estruturados, utilizando ferramentas e algoritmos sofisticados para transformar dados brutos em conhecimento acionável.

Exemplo na Construção Civil:

Na construção civil, a mineração de dados e a ciência de dados podem ser aplicadas para melhorar a eficiência dos projetos e reduzir custos. Um exemplo prático seria o uso de análise preditiva para otimizar o cronograma de obras. Cientistas de dados podem analisar dados históricos de projetos anteriores, como tempos de construção, custos de materiais, condições climáticas e desempenho de equipamentos. Usando técnicas de mineração de dados, como modelagem preditiva, é possível identificar padrões que indicam quais fatores mais impactam o progresso de uma obra. Com essas informações, as empresas podem prever possíveis atrasos e ajustar os cronogramas de forma mais eficaz, além de otimizar os recursos, como mão de obra e equipamentos, garantindo um melhor controle de custos.

Outro exemplo é o uso de sensores IoT em canteiros de obras, que geram dados em tempo real sobre a utilização de máquinas e materiais. Cientistas de dados podem analisar esses dados para detectar ineficiências, prever manutenções de máquinas e otimizar o consumo de recursos.

Esses avanços proporcionam maior previsibilidade, redução de riscos e uma gestão mais eficaz em grandes projetos de construção civil.

Visão de dados

As planilhas podem ser usadas para fazer qualquer coisa com números, mas têm dificuldades em capturar adequadamente o comportamento dinâmico.

Visão de processo

Van der Aalst critica a abordagem que foca apenas em padrões ou decisões isoladas, pois acredita que o verdadeiro valor está em entender e otimizar o processo de ponta a ponta. Ele considera “estúpido” tratar processos como uma coleção desconexa de boas práticas ou intervenções pontuais, pois isso ignora a eficiência global e os impactos no resultado final. Um processo pode ter partes otimizadas, mas se o fluxo completo não funcionar bem, o desempenho geral será comprometido. O foco em processos de ponta a ponta é essencial para alinhar eficiência local e global, gerando melhores resultados.

Visão da mineração de processos

O comportamento dinâmico precisa estar relacionado a modelos de processo. Portanto, Aalst (2016) refere a isso como “ciência de dados em ação”.

Exemplos de aplicações incluem: analisar processos de tratamento em hospitais, melhorar processos de atendimento ao cliente em uma corporação multinacional, entender o comportamento de navegação de clientes usando um site de reservas, analisar falhas de um sistema de manuseio de bagagem e melhorar a interface do usuário de uma máquina de raio-X.

Exemplo na Construção Civil

Imagine a construção de um prédio. Se nos concentrarmos apenas em tarefas isoladas, como a alvenaria ou a instalação elétrica, podemos otimizar cada uma delas individualmente, mas o projeto como um todo pode sofrer. Por exemplo, se a equipe de elétrica chegar muito cedo para iniciar seu trabalho, enquanto a equipe de alvenaria ainda não concluiu sua parte, haverá um tempo de inatividade e recursos ociosos.

Visão fragmentada:

• Foco: Cada equipe trabalha de forma isolada, otimizando apenas suas tarefas.
• Problema: A equipe de encanamento inicia seu trabalho antes que a estrutura esteja completamente pronta, causando atrasos e retrabalhos.

Visão da mineração de processos:

• Foco: O processo de construção como um todo, desde a concepção do projeto até a entrega da obra.
• Solução: Criação de um cronograma detalhado, com todas as etapas interligadas e prazos bem definidos. As equipes são informadas sobre as dependências entre as tarefas, evitando atrasos e otimizando o uso de recursos.

Benefícios da visão de mineração de processos na construção civil:

• Redução de custos: Minimização de retrabalhos, otimização do uso de materiais e redução de tempo de obra.
• Melhora da qualidade: Aumento da precisão e da qualidade do trabalho, com menos erros e defeitos.
• Aumento da produtividade: Melhor coordenação entre as equipes, redução de interrupções e otimização do fluxo de trabalho.
• Maior satisfação do cliente: Entrega do projeto dentro do prazo e com a qualidade esperada.

Aula 2

Sumário