Modelos y herramientas de gestión del conocimiento aplicadas a la gestión de procesos de negocios (BPM) para maximizar la efectividad de las organizaciones

• Autores: Juan José Moreno Quinteros
• Directores de la Tesis: Luis Joyanes Aguilar (dir. tes.)
• Lectura: En la Universidad Pontificia de Salamanca ( España ) en 2005
• Idioma: español
• Número de páginas: 177
• Enlaces
  • Tesis en acceso abierto en: SUMMA
• Resumen
  • español

    Las organizaciones tienen una parte importante del conocimiento necesario para operar y crecer embebido en sus procesos de negocios automatizados mediante Sistemas de Gestión de Workflow (Workflow Management System - WMS) y Sistemas de Gestión de Procesos dc Negocios (Business Process Management Systems - BPMS). Las empresas son dueñas de este conocimiento, pero usualmente son incapaces de utilizarlo de forma óptima, principalmente por que es extremadamente difícil recuperarlo e interpretarlo.

    Este trabajo propone un modelo que permite la extracción y el modelado del conocimiento generado y almacenado en un BPMS. Con este conocimiento disponible, es posible realizar recomendaciones a los participantes humanos sobre buenas y malas decisiones durante los procesos, de forma de mejorar el rendimiento, reducir los errores, acortar tiempos de aprendizaje, etc. Estas recomendaciones se basan en casos pasados exitosos y fallidos.

    También es posible recomendar el participante ideal para cada instancia de proceso, basándonos en sus características y en las habilidades y experiencia de los participantes.

    El modelo propuesto está basado en la metodología de Inteligencia Artificial llamada Razonamiento Basado en Casos (Case Based Reasoning — CBR), aplicada sobre la Gestión de Procesos de Negocios (Business Process Management — BPM), utilizando el Lenguaje de Ejecución de Procesos de Negocios (Business Process Execution Language - BPEL) para la especificación y ejecución. Mapas de conocimiento son utilizados para describir la distribución del conocimiento en la organización. Este modelo es extensible, por lo que puede ser fácilmente adaptado a las particularidades de cada proceso de negocio.

  • English

    An important part of the organizational knowledge needed to operate and grow is embedded in business process automated via Worktlow Management Systems (WMS) and Business Process Management Systems (BPMS). Organizations own this knowledge, but they are often unable to use it in the best way, mainly because it is extremely difficult to retrieve and interpret that information.

    This paper proposes a model that allows extraction and modeling of generated knowledge, stored in a Business Process Management System. With this knowledge available, we can make recommendations to human participants about good and bad decisions, to improve performance, reduce mistakes and shorten learning times. These recommendations are based on successful and unsuccessful cases in the past. We also can recommend the most suitable participant for each process instance, based on its characteristics and the participant's expertise and experience.

    The proposed model is based on a well-known Artificial intelligence methodology, called Case Based Reasoning (CBR), applied on BPM and using BPEL (Business Process Execution Language) as specification and execution language. Knowledge Maps are used to describe knowledge distribution in the organization. This model is extensible, so it can be adapted easily to the particularities of each business process.