Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 711
Aluno: Thiago de Sousa Araújo
Orientador: Prof. Ricardo Massa Ferreira Lima
Título: Agrupamento de traces em mineração de processos: uma metodologia de avaliação empírica aplicada ao domínio judicial
Data: 26/08/2026
Hora/Local: 9h:30m – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Adriano Lorena Inácio de Oliveira (UFPE/Centro de Informática)
Prof. Filipe Carlos de Albuquerque Calegario (UFPE/Centro de Informática)
Prof. Carina Frota Alves (UFPE/Centro de Informática)
Prof. Sarajane Marques Peres (USP / Escola de Artes, Ciências e Humanidades )
Prof. Edson Emilio Scalabrin (PUC-PR / Departamento de Informática )
RESUMO:
A mineração de processos tem se consolidado como uma abordagem relevante para a análise de processos a partir de logs de eventos, permitindo identificar fluxos de execução, verificar conformidade e apoiar iniciativas de melhoria. Em cenários reais marcados por elevada variabilidade comportamental, heterogeneidade de instâncias e grande volume de dados, a aplicação direta de técnicas de descoberta de processos pode produzir modelos excessivamente complexos e de difícil interpretação. Nesse contexto, o trace clustering surge como uma estratégia promissora para particionar logs de eventos em subconjuntos mais homogêneos, favorecendo a identificação de padrões comportamentais e a obtenção de modelos de processo mais compreensíveis e analiticamente úteis. Apesar dos avanços da literatura, ainda persistem desafios relacionados à escolha das estratégias de representação dos traces, à seleção dos métodos de agrupamento, à definição de critérios adequados para avaliação da qualidade dos clusters e à ausência de uma metodologia empírica consolidada para comparação de abordagens em múltiplos logs e domínios de aplicação. Diante disso, esta tese investiga métodos de trace clustering em mineração de processos, analisando suas estratégias de codificação, métricas de avaliação e desenhos empíricos de validação. Com base nessa análise, propõe-se uma abordagem metodológica para avaliação de pipelines de trace clustering sob múltiplas perspectivas. As contribuições centrais são de três naturezas. No plano metodológico, a tese propõe a abordagem MPV-TraC (Multi-Perspective Validated Trace Clustering), um método integrado, replicável e independente de domínio que reúne métricas internas de agrupamento, métricas estruturais e comportamentais dos modelos descobertos e validação qualitativa. No plano algorítmico, formaliza o algoritmo LCC (Lift Calculation in Clusters), um artefato autônomo e reutilizável que quantifica as atividades distintivas de cada cluster e gera assinaturas interpretáveis para a leitura substantiva dos agrupamentos. No plano empírico, valida a abordagem em escala no Judiciário brasileiro, que se mostrou diretamente replicável entre competências e realidades institucionais.
Palavras-chave: mineração de processos. agrupamento de traces. logs de eventos. descobertade processos. direito.
Comentários desativados