Generación de modelos de procesos y decisiones a partir de documentos de texto

Abstract

(English) This thesis addresses the importance of formal models for the efficient management of business processes (BPM) and business decision management (BDM) in a constantly evolving corporate environment. Within the BPM context, the relevance of Business Process Model and Notation (BPMN) is emphasized as a standardized modeling language for the coherent and comprehensible representation of business processes. Similarly, in BDM, the utility of Decision Model and Notation (DMN) is highlighted for the standardization of decision modeling and documentation in organizations. This research identifies a common challenge in organizations: the reliance on documents in various formats, including textual descriptions in natural language, for process and decision documentation. These documents pose difficulties due to the ambiguity of natural language and their unstructured nature, leading to significant time investment in their interpretation and the need for specialized personnel to convert them into formal models such as BPMN and DMN. The main contribution of this dissertation is the proposal of an innovative solution through the development of an automated technique for extracting and generating formal BPMN and DMN models from textual documents. Two distinct methodological approaches are presented: * A traditional Natural Language Processing (NLP) approach, leveraging structured patterns based on syntactic trees (Tree-based patterns), which enables the precise extraction of key textual fragments (such as activities, conditions, and decisions) and their transformation into formal models like BPMN and DMN. * A Large Language Models (LLM)-based approach that employs advanced language processing techniques and deep learning capabilities to interpret textual descriptions in natural language and transform them into formal representations such as BPMN and DMN. Through strategically designed prompt instructions, this approach guides the extraction of processes and decisions, enabling a more flexible and adaptable generation of formal models without relying on rigid syntactic rules. Both approaches aim to address the limitations of traditional methodologies by reducing the cognitive load on modelers, minimizing human intervention in the conversion of text into formal models, and enabling the automated integration of these models into business process management systems (BPMS). The focus of this thesis is not merely on reviewing and understanding existing models but on proposing substantial and practical improvements based on experience in generating formal models in real business environments. Strategies for generating graphical representations of processes and decisions (e.g., BPMN, DMN) are explored. This doctoral thesis seeks to make a significant contribution to the field of business process and decision management by combining established BPMN and DMN theory with practical approaches and innovative solutions. The automatic generation of these models will not only provide a clearer representation of processes but will also enhance organizations' ability to make efficient decisions in a dynamic and competitive business environment.

(Català) Aquesta tesi aborda la importància dels models formals per a la gestió eficient dels processos de negoci (BPM) i la gestió de decisions empresarials (BDM) en un entorn empresarial en canvi constant. En el context de BPM, s’emfatitza la rellevància de Business Process Model and Notation (BPMN) com a llenguatge d’estandardització per a la representació coherent i comprensible dels processos empresarials. De la mateixa manera, en BDM, es destaca la utilitat del Decision Model and Notation (DMN) per a l’estandardització del modelatge i la documentació de decisions organitzatives. En aquesta recerca, s’identifica un repte comú a les organitzacions: la dependència de documents en formats diversos, incloent-hi descripcions textuals en llenguatge natural, per a la documentació de processos i decisions. Aquests documents presenten dificultats degudes a l’ambigüitat del llenguatge natural i la seva naturalesa no estructurada, fet que comporta una inversió de temps significativa en la seva interpretació i la necessitat de personal especialitzat per a la seva conversió en models formals com BPMN i DMN. La contribució principal d’aquesta tesi és la proposta d’una solució innovadora mitjançant el desenvolupament d’una tècnica automatitzada per a l’extracció i generació de models formals BPMN i DMN a partir de documents textuals. Es presenten dos enfocaments metodològics diferenciats: * Un enfocament basat en tècniques tradicionals de Processament del Llenguatge Natural (NLP) i patrons estructurats sobre arbres sintàctics (Tree-based patterns), que permet l’extracció precisa de fragments textuals clau (activitats, condicions, decisions, entre d’altres) i la seva transformació en models formals com BPMN i DMN. * Un enfocament basat en Grans Models de Llenguatge (LLM) que empra tècniques avançades de processament del llenguatge i aprofita capacitats sofisticades d’aprenentatge profund per interpretar descripcions textuals en llenguatge natural i transformar-les en representacions formals com BPMN i DMN. A través d’instructions prompt dissenyades estratègicament, es guia l’extracció de processos i decisions, permetent una generació més flexible i adaptable de models formals sense dependre de regles sintàctiques rígides. Ambdós enfocaments pretenen abordar les limitacions de les metodologies tradicionals reduint la càrrega cognitiva sobre els modeladors, minimitzant la intervenció humana en la conversió de textos a models formals i permetent la integració automatitzada d’aquests models en sistemes de gestió de processos empresarials (BPMS). L’enfocament d’aquesta tesi no es limita simplement a la revisió i comprensió dels models existents, sinó que pretén proposar millores substancials i pràctiques basades en l’experiència adquirida en la generació de models formals en entorns empresarials reals. S’exploren estratègies per generar representacions gràfiques de processos i decisions (exemple: BPMN, DMN). A través d’aquesta tesi doctoral es pretén oferir una contribució significativa al camp de la gestió de processos i decisions empresarials combinant la teoria establerta en BPMN i DMN amb enfocaments pràctics i solucions innovadores. La generació automàtica d’aquests models no només permetrà una representació més clara dels processos, sinó que també millorarà la capacitat de les organitzacions per prendre decisions eficients en un entorn empresarial dinàmic i competitiu.

(Español) La presente tesis aborda la importancia de los modelos formales para la gestión eficiente de procesos de negocio (BPM) y la gestión de decisiones empresariales (BDM) en un entorno empresarial en constante cambio. En el contexto de BPM, se enfatiza la relevancia de Business Process Model and Notation (BPMN) como un lenguaje de modelado estándar para la representación coherente y comprensible de procesos empresariales. De igual manera, en BDM, se destaca la utilidad del Decision Model and Notation (DMN) para la estandarización del modelado y documentación de decisiones organizacionales. En esta investigación, se identifica un desafío común en las organizaciones: la dependencia de documentos en formatos variados, incluyendo descripciones textuales en lenguaje natural, para la documentación de procesos y decisiones. Estos documentos presentan dificultades debido a la ambigüedad del lenguaje natural y su naturaleza no estructurada, lo que conlleva a una inversión de tiempo significativa en su interpretación y a la necesidad de personal especializado para su conversión en modelos formales como BPMN y DMN. La contribución principal de esta tesis es la propuesta de una solución innovadora mediante el desarrollo de una técnica automatizada para la extracción y generación de modelos formales BPMN y DMN a partir de documentos textuales. Se presentan dos enfoques metodológicos diferenciados: * Un enfoque basado en técnicas tradicionales de Natural Language Processing (NLP) y patrones estructurados sobre árboles sintácticos (Tree-based patterns), que permite la extracción precisa de fragmentos textuales clave (actividades, condiciones, decisiones entre otros) y su transformación en modelos formales como BPMN y DMN. * Un enfoque basado en Large Language Models (LLM) que emplea técnicas avanzadas de procesamiento del lenguaje y aprovecha capacidades avanzadas de aprendizaje profundo para interpretar descripciones textuales en lenguaje natural y transformar en representaciones formales como BPMN y DMN. A través de instrucciones prompt diseñados estratégicamente, se guía para la extracción de procesos y decisiones, permitiendo una generación más flexible y adaptable de modelos formales sin depender de reglas sintácticas rígidas. Ambos enfoques buscan abordar las limitaciones de las metodologías tradicionales al reducir la carga cognitiva sobre los modeladores, minimizar la intervención humana en la conversión de textos a modelos formales y permitir la integración automatizada de estos modelos en sistemas de gestión de procesos empresariales (BPMS). El enfoque de esta tesis no se limita simplemente a la revisión y comprensión de los modelos existentes, sino que busca proponer mejoras sustanciales y prácticas basadas en la experiencia adquirida de la generación de modelos formales en entornos empresariales reales. Se explora estrategias para generar representaciones gráficas de procesos y decisiones (Ejemplo: BPMN, DMN). A través de esta tesis doctoral se busca proporcionar una contribución significativa al campo de la gestión de procesos y decisiones empresariales al combinar la teoría establecida en BPMN y DMN con enfoques prácticos y soluciones innovadoras. La generación automática de estos modelos no solo permitirá una representación más clara de los procesos, sino que también mejorará la capacidad de las organizaciones para tomar decisiones eficientes en un entorno empresarial dinámico y competitivo.