Dissertação

{en_GB=Using Semantic Data Models for Enhancing Process Mining in Issue Tracking Systems} {} EVALUATED

{pt=Durante o ciclo de vida de um projecto de software, existem problemas inesperados que ocorrem durante o seu desenvolvimento. Como tal, é utilizado um Sistema de Gestão de Incidentes (SGI) que monitoriza todo o tipo de incidentes à medida que estes vão ocorrendo. Apesar de toda a informação referente aos “tickets” ser armazenada, os processos internos são vistos como “black-boxes”, tornando difícil de perceber o que está a realmente a acontecer do ponto de vista do processo. Para resolver isso, a área de “Process Mining” (PM) utiliza informação existente a partir dos logs de eventos extraídos do SGI para criar de forma automática os processos que representam o comportamento destes sistemas. Contudo, um incidente é caracterizado por diversos campos e para analisar todas as variantes de processos, é necessário extrair um log de eventos para cada caso particular, tornando este passo numa tarefa repetitiva e morosa. Esta tese propõe uma camada adicional na abordagem típica de PM ao armazenar toda a informação relevante num modelo de dados pré-definido e permitir a criação de “queries” sobre esse modelo para a geração customizada de processos de negócio, de acordo com os parâmetros definidos pelo utilizador. A abordagem é exemplificada com um artefacto que armazena a informação existente num SGI, e dá ao utilizador a oportunidade de escolher os campos relevantes para a criação de diferentes processos, adaptados às suas necessidades. A avaliação é feita de acordo com um conjunto pré-definido de métricas que nos permitem comparar os resultados entre os processos criados. , en=In any software project lifecycle, there are unexpected problems that occur during the development. To monitor the different kinds of existing requests in a structured way, there is an information system, called Issue Tracking System (ITS) that keeps track of the issues as they occur. Even though the information about those tickets is stored, the respective internal processes are seen as black-boxes, making it difficult to understand what is really happening. To solve that, Process Mining (PM) uses existing information from the event logs recorded by ITS to automatically create the processes that represent its behaviour. However, there are several fields that identify a certain issue (like issue type, priority, resolution) and to analyze the processes for all different issue variants, it is necessary to extract an event log for each particular case, making it a daunting task to manually customize a log for each type of process available. This thesis consists in proposing an additional layer in the PM approach that stores all the information of the event logs in a semantic data model, and allows the creation of parameterized queries over the existing model to enable a customized business process creation. This approach is demonstrated with an artifact that stores information from an ITS, and gives the user the possibility of choosing the relevant fields for the creation of personalized process models, tailored for his needs. The evaluation is done according to a defined set of metrics that allow us to compare the results between the created processes.}
{pt=Process Mining, Sistemas de gestão de incidentes, Logs de eventos, Ontologias, Anotações semanticas, en=Process Mining, Issue Tracking Systems, Event logs, Ontology, Semantic Annotations}

Novembro 8, 2016, 18:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Miguel Leitão Bignolas Mira da Silva

Departamento de Engenharia Informática (DEI)

Professor Associado

ORIENTADOR

Diogo Manuel Ribeiro Ferreira

Departamento de Engenharia Informática (DEI)

Professor Auxiliar