Mejora de procesos

URI permanente para esta colección:

Artículos en la categoría Mejora de procesos publicados en las Actas de las XIX Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2024).
Notificar un error en esta colección

Examinar

Envíos recientes

Mostrando 1 - 5 de 5
  • Artículo
    Hacia el diseño de tableros de herramientas de trabajo colaborativo con GPT basado en patrones de diseño
    Bravo, Alfonso; Peña, Joaquin; Del Río Ortega, Adela. Actas de las XIX Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2024), 2024-06-17.
    Las plataformas de trabajo colaborativo basadas en tableros han aumentado su uso exponencialmente en los últimos años, abarcando cada vez más dominios distintos. Su diseño se plantea como un problema de investigación por resolver. Basándonos en los patrones de diseño detectados con anterioridad para estas herramientas, presentamos dos propuestas distintas para asistir el diseño de los tableros. El primer acercamiento basado en cuestionarios, que ya ha sido evaluado empíricamente, resulta eficaz aunque no eficiente, debido el elevado tiempo empleado en dicho cuestionario. Por ello, introducimos una segunda propuesta basada en modelos de lenguaje, haciendo uso de GPT. Este segundo enfoque, además de eficaz parece resultar también eficiente, tras las pruebas realizadas, abriendo una nueva línea para afrontar este problema.
  • Artículo
    Marco integrado para guiar la reingeniería de servicios: Una aproximación basada en Service Desing y Business Process Reengineering
    Del Moral de Mingo, Ana; Salgado Quezada, Maricela; de Castro Martínez, Valeria; Marcos Martínez, Esperanza; López-Sanz, Marcos. Actas de las XIX Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2024), 2024-06-17.
    El documento aborda un marco integrado para la reingeniería de ser-vicios, combinando las metodologías de Service Design (SD) y Business Pro-cess Reengineering (BPR) para mejorar la eficiencia y la calidad de los proce-sos de servicios. Se destaca la importancia de tener procesos organizacionales bien estructurados en un entorno empresarial competitivo, donde la reingeniería de procesos puede contribuir a la optimización de las organizaciones al reducir los costes, mejorar la eficiencia, adaptarse a los cambios y fomentar la innova-ción. El marco teórico propuesto se basa en la integración de ambas metodolo-gías para conseguir procesos organizacionales bien estructurados. Se presenta un método en tres fases, diagnóstico, innovación e implementación. La primera fase para analizar la situación desde la que se parte, la segunda fase para aplicar técnicas de las metodologías SD y BPR para mejorar el proceso y la tercera fase para implementar los cambios propuestos y evaluar su ejecución. La propuesta se ha aplicado en el servicio de pediatría del Hospital Rey Juan Carlos obser-vando una mejora significativa en su organización tras la aplicación de la pro-puesta metodológica.
  • Resumen
    Updating prediction models for predictive process monitoring
    Márquez Chamorro, Alfonso E.; Nepomuceno Chamorro, Isabel A.; Resinas, Manuel; Ruiz-Cortés, Antonio. Actas de las XIX Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2024), 2024-06-17.
    Predictive monitoring is a key activity in some Process-Aware Information Systems (PAIS) such as information systems for operational management support. Unforeseen circumstances, such as the recent pandemic, can introduce changes in human behaviour, processes, or computing resources, which lead the owner of the process or information system to consider whether the quality of the predictions made by the system (e.g., mean time to solution) is still good enough, and if not, which amount of data and how often the system should be trained to maintain the quality of the predictions. To answer these questions, we propose, compare, and evaluate six different strategies (baseline, cumulative, non- cumulative, ensemble, sampling, and concept drift) for updating predictive models and selecting the amount of information required to update the predictive model in a context of offline learning. We performed an empirical evaluation using three real-world datasets that span between 2 and 13 years to validate the different strategies which show a significant enhancement in the prediction accuracy with respect to a non-update strategy.
  • Resumen
    Context-aware privacy-preserving access control for mobile computing
    Herrera, Juan Luis; Chen, Hsiao-Yuan; Berrocal, Javier; Murillo Rodríguez, Juan Manuel; Julien, Christine. Actas de las XIX Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2024), 2024-06-17.
    In mobile and pervasive computing applications, opportunistic connections allow co-located devices to exchange data directly. Keeping data sharing local enables large-scale cooperative applications and empowers individual users to control what and how information is shared. Supporting such applications requires runtime frameworks that allow them to manage the who, what, when, and how of access to resources. Existing frameworks have limited expressiveness and do not allow data owners to modulate the granularity of information released. In addition, these frameworks focus exclusively on security and privacy concerns of data providers and do not consider the privacy of data consumers. We present PADEC, a context-sensitive, privacy-aware framework that allows users to define rich access control rules over their resources and to attach levels of granularity to each rule. PADEC is also characterized by its expressiveness, allowing users to decide under which conditions should which information be shared. We provide a formal definition of PADEC and an implementation based on private function evaluation. Our evaluation shows that PADEC is more expressive than other mechanisms, protecting privacy of both consumers and providers.
  • Resumen
    Analyzing Variable Human Actions for Robotic Process Automation
    Martínez Rojas, Antonio; Jiménez Ramírez, Andrés; González Enríquez, José; Reijers, Hajo A.. Actas de las XIX Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2024), 2024-06-17.
    Robotic Process Automation (RPA) provides a means to automate mundane and repetitive human tasks. Task Mining approaches can be used to discover the actions that humans take to carry out a particular task. A weakness of such approaches, however, is that they cannot deal well with humans who carry out the same task differently for different cases according to some hidden rule. The logs that are used for Task Mining generally do not contain sufficient data to distinguish the exact drivers behind this variability. In this paper, we propose a new Task Mining framework that has been designed to support engineers who wish to apply RPA to a task that is subject to variable human actions. This framework extracts features from User Interface (UI) Logs that are extended with a new source of data, namely screen captures. The framework invokes Supervised Machine Learning algorithms to generate decision models, which characterize the decisions behind variable human actions in a machine-and-human-readable form. We evaluated the proposed Task Mining framework with a set of synthetic UI Logs. Despite the use of only relatively small logs, our results demonstrate that a high accuracy is generally achieved.