- Notas de versão
- Antes de começar
- Gerenciamento de acesso
- Introdução
- Integrações
- Como trabalhar com aplicativos de processo
- Como trabalhar com painéis e gráficos
- Como trabalhar com gráficos de processo
- Trabalhando com Descubra modelos de processo e Importar modelos BPMN
- Showing or hiding the menu
- Informações de contexto
- Exportar
- Filtros
- Envio de ideias de automação ao UiPath® Automation Hub
- Tags
- Datas de conclusão
- Comparar
- Verificação de conformidade
- Simulação de processos
- Análise de causa raiz
- Simulação de Potencial de Automação
- Iniciar um projeto do Task Mining a partir do Process Mining
- Triggering an automation from a process app
- Exibição de dados do processo
- Criação de aplicativos
- Carregamento de dados
- Transforming data
- Structure of transformations
- Tips for writing SQL
- Exportando e importando transformações
- Visualização dos logs de execução de dados
- Mesclando logs de evento
- Configuração de tags
- Configuração de datas de vencimento
- Configuração de campos para Potencial de automação
- Configuração da atividade: definição da ordem das atividades
- Disponibilização das transformações em painéis
- Modelos de dados
- Adicionar e editar processos
- Personalização de painéis
- Publicação de aplicativos de processos
- Modelos de apps
- Notificações
- Recursos adicionais

Process Mining
Descobrir um processo permite que você obtenha uma melhor compreensão da estrutura do processo. Técnicas avançadas de mineração de processos, chamadas Miner Indutivo Probabilista (PIM), identificam automaticamente atividades que ocorrem em paralelo, que fazem parte de uma decisão ou fazem parte de um loop mais complexo, analisando todo o log de eventos. Isso cria uma representação flexível e realista de como o processo realmente se desdobra na prática, levando em consideração as diferentes maneiras com que as tarefas podem ser executadas e sua frequência de ocorrência. Pode ser particularmente útil em ambientes complexos em que os processos nem sempre são seguidos de maneira estritamente definida.
Você pode selecionar Descobrir modelo de processos como o tipo do Process Mining ao criar um aplicativo de processos. Consulte o Assistente Criar novo aplicativo para obter mais informações.
O algoritmo PIM funciona dividindo recursivamente o conjunto de atividades no log de evento em subconjuntos menores até que apenas atividades únicas permaneçam. Em seguida, ele tenta encontrar a relação mais adequada entre esses subconjuntos a cada vez. Esses relacionamentos, que definem a estrutura e o comportamento do processo, são chamados de semântica do processo.
O PIM funciona nos seguintes estágios recursivos:
- Modelo de processo Segue diretamente: o Miner Indutivo começa com a construção de um modelo de processo Segue diretamente, que mostra como as atividades seguem umas às outras no log de evento.
- Detecção de corte: na etapa de detecção de corte, o Indutivo Miner divide o processo em duas partes, para que um operador possa descrever a relação entre essas partes. O operador expressa uma "sequência", uma "escolha exclusiva", um "paralelismo" ou um relacionamento em "loop" entre as duas metades do corte.
- Separação de logs: nesta etapa, o Miner Indutivo aplica a divisão do corte ao log de eventos, separando as atividades de ambas as metades em sublogs de eventos distintos. Em seguida, o algoritmo cria novos modelos de processo Segue diretamente a partir desses sublogs e repete o processo de detecção e divisão de corte recursivamente. No entanto, antes de prosseguir com a recursão, o algoritmo verifica alguns casos base. Por exemplo, se um sublog contém apenas uma única atividade, a recursão para porque não é possível descobrir mais nenhum corte.
Cortar Detecção
A etapa de Detecção de corte é o núcleo do Miner Indutivo Probabilista. O PIM calcula pontuações de comportamento entre 0 e 1 para cada par de atividades, indicando a força do comportamento entre elas. Essas pontuações são derivadas das frequências nos dados do modelo do processo Segue diretamente. O PIM diferencia entre sequência, escolha exclusiva, paralelismo e comportamento em loop.
Em seguida, o PIM calcula probabilidades para a detecção de corte. Essas probabilidades são baseadas na média das pontuações dos pares de atividades entre as metades de corte. Em vez de considerar todas as divisões possíveis e escolher a melhor opção, o PIM identifica diretamente o corte com a maior probabilidade.
Considere o log de evento a seguir e seu modelo de processo Segue diretamente .
<A, D, E>12 <A, B, C, E>5 <A, C, B, E>3
O PIM calcula as seguintes pontuações de comportamento de sequência para cada par de atividades. Como sempre começam com A, as pontuações de A para todas as outras atividades são elevadas. Como sempre terminamos com E, as pontuações de cada atividade até E são elevadas.
Pontuações de sequência | A | B | C | D | E |
A | - | 0,88 | 0,88 | 0,92 | 0,95 |
B | 0 | - | 0,22 | 0 | 0,88 |
C | 0 | 0 | - | 0 | 0,88 |
D | 0 | 0 | 0 | - | 0,92 |
E | 0 | 0 | 0 | 0 | 0 |