Detecção de anomalia no processo de negócios com base na mineração do fluxo de dados

• Gabriel Marques Tavares Universidade Estadual de Londrina
• Victor G.Turrisi da Costa Universidade Estadual de Londrina
• Vinicius Eiji Martins Universidade Estadual de Londrina
• Paolo Ceravolo Università degli Studi di Milano
• Sylvio Barbon Jr. Universidade Estadual de Londrina

Resumo

Identificar procedimentos comerciais fraudulentos ou anómalos é hoje um desafio fundamental para organizações de qualquer dimensão. No entanto, a natureza contínua dos negócios transmite a aquisição contínua de dados em apoio ao monitoramento de processos de negócios. Em vista disso, propomos um método para detecção de anomalias on-line em processos de negócios. A partir de um fluxo de eventos, nossa abordagem extrai descritores de casos e aplica uma técnica de clustering baseada em densidade para detectar outliers. Aplicamos nosso método a um conjunto de dados da vida real e usamos medidas de clustering de fluxo contínuo para avaliar desempenhos. Em particular, obtivemos Medida de Mapeamento de Cluster de 95,3% e Homogeneidade de 98,1% descobrindo casos anômalos em tempo real.

Palavras-chave: Modelagem de Processos de Negócios, Clustering, Fraude, Online, Mineração de Processos