Diplomado en Automatización e inteligencia de procesos de negocio

Docente(s): Juan José Zamur (responsable del curso) y Marcos Sepúlveda

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

Créditos: 3

Horas totales: 48 | Horas directas: 24 | Horas indirectas: 24

Descripción del curso 

La gestión de procesos de negocio se ha convertido en los últimos años en un tema de relevancia y preocupación en la gestión operativa de las empresas, debido a la alta competitividad que enfrentan, sea porque sus clientes son cada vez más exigentes en la calidad de sus productos y servicios; o bien porque la competencia es ahora globalizada, con bajas barreras de entrada y fuerte presión por los costos. En este contexto, existe una falta de preparación sistemática en las técnicas de gestión de procesos de negocio que permitan abordar los desafíos antes mencionados.

El curso habilitará a los estudiantes para que sean capaces de entender los fundamentos para gestionar el ciclo de vida de un proceso organizacional. Se basa en la enseñanza de técnicas y herramientas, ilustrando a través de ejemplos concretos, y la realización de actividades para que los estudiantes entiendan cómo funcionan estas técnicas y herramientas en la práctica.

Resultados de aprendizaje: 

1. Aplicar técnicas y herramientas para la gestión de procesos de negocio que permitan caracterizar, modelar, medir, evaluar y proponer mejoras a los mismos.
2. Modelar procesos de negocio considerando técnicas y herramientas avanzadas.
3. Evaluar la sustentabilidad de los procesos a través de un modelo de madurez.

Contenidos: 

• Reconociendo los procesos de negocio
  • Breve historia de BPM
  • Definición de proceso de negocio
• Descubrimiento de procesos de negocio
  • Elementos de un proceso de negocio
  • Metodologías de descubrimiento de procesos de negocio
• Modelación de Procesos de Negocio
  • Elementos de Business Process Model and Notation (BPMN)
  • Modelación utilizando BPMN
  • Buenas prácticas de BPMN
• Modelo de Madurez de Facilitadores de Procesos y Capacidades de Empresa
  • Modelo de Madurez de procesos de negocio
  • Aplicación del modelo de madurez de facilitadores de procesos
  • Análisis de resultados
• Métricas
  • Métricas en los procesos de negocio
  • Tipologías de métricas
  • Metodología para definición de métricas
• Disciplinas de gestión de procesos
  • Presentación de algunas de las más importantes disciplinas de gestión de procesos

Estrategias metodológicas:

• Clases expositivas y participativas apoyadas por presentaciones.
• Actividades prácticas grupales de análisis 
• Análisis de casos

Estrategias evaluativas:

• 2 evaluaciones individuales de aplicación de contenidos vistos - 60%
• 1 proyecto de aplicación individual de contenidos vistos a un caso real concreto - 40%

Docente(s): David Siriany y Marcos Sepúlveda (responsable del curso)

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

Créditos: 3

Horas totales: 48 | Horas directas: 24 | Horas indirectas: 24

Descripción del curso 

El propósito del curso es que los estudiantes aprendan técnicas de inteligencia de negocio que les permitan visualizar y controlar el desempeño de los procesos, y apliquen los conceptos fundamentales detrás de las técnicas de minería de procesos y herramientas que permiten aplicarlas para el análisis de los procesos del negocio. Habilitará para diseñar el monitoreo del desempeño utilizando herramientas de inteligencia de procesos, y para analizar e identificar oportunidades de mejora en los procesos de negocio a partir de datos obtenidos de los sistemas de información que apoyan su funcionamiento, utilizando para ello herramientas de minería de procesos. Se basa en la enseñanza de conceptos y técnicas, ilustrando a través de ejemplos concretos, y la realización de trabajos grupales para que los estudiantes comprendan cómo funcionan estas técnicas en la práctica.

Resultados de aprendizaje: 

1. Aplicar técnicas de inteligencia de procesos a problemas reales, profundizando en su funcionamiento, la selección de un método frente a un problema y la interpretación de resultados. 
2. Aplicar técnicas de inteligencia de procesos al monitoreo y control de procesos de negocio.
3. Describir las principales técnicas y algoritmos de Minería de Procesos, considerando las condiciones donde funcionan correctamente y cuáles son sus limitaciones.
4. Aplicar técnicas de Minería de Procesos, haciendo énfasis en la experiencia práctica y el uso de tecnologías existentes.

Contenidos: 

UNIDAD 1: Inteligencia de Procesos

• El Valor de la Información
  • El valor de la información
  • Ciclo de generación de información
• Componentes de una Arquitectura de Inteligencia de Negocios
  • Data Warehousing
  • Query and Reporting
  • OLAP
  • Business Analytics
• Reporting
  • La importancia de la visualización de la información
  • Reportes de gestión
  • Paneles de control
• Aplicación de inteligencia de negocio a procesos
  • Data warehouse de procesos
  • Paneles de control de procesos
  • Monitoreo en tiempo real de procesos
  • Predicción y recomendación de procesos

UNIDAD 2: Minería de Procesos

• Introducción a la Minería de Procesos
  • Definición y conceptos básicos de Process Mining
  • Descubrimiento de procesos
  • Verificación de conformidad de procesos
  • Mejoramiento de modelos
• Almacenamiento y obtención de información en logs de eventos orientados a procesos
  • Estructura de los logs de eventos
  • Análisis de factibilidad de creación de un log de evento en base al estado actual de la información y el proceso
• Descubrimiento de procesos
  • Definición y conceptos básicos de descubrimiento de procesos
  • Algoritmos para el descubrimiento de procesos; ventajas y limitaciones
  • Aplicación de técnicas de descubrimiento a logs de eventos sintéticos utilizando herramientas disponibles
  • Análisis de resultados y limitaciones de las técnicas existentes
• Verificación de conformidad de procesos
  • Definición y conceptos básicos de la verificación de conformidad de procesos
  • Algoritmos para la verificación de conformidad de procesos; ventajas y limitaciones
  • Aplicación de técnicas de verificación de conformidad a logs de eventos sintéticos utilizando herramientas disponibles
  • Análisis de resultados y limitaciones de las técnicas existentes
• Análisis y mejora de procesos 
  • Descripción de algunas de las técnicas existentes para el análisis y mejora de procesos a través de minería de procesos
  • Análisis temporal de los procesos de negocio
  • Aplicación de técnicas de análisis y mejora de procesos a logs de eventos sintéticos utilizando herramientas disponibles
  • Análisis de resultados y limitaciones de las técnicas existentes

Estrategias metodológicas:

• Exposiciones conceptuales y participativas apoyadas por presentaciones.
• Clases expositivas e interactivas.
• Actividades prácticas utilizando herramientas de minería de procesos para el análisis de logs de eventos sintéticos.

Estrategias evaluativas:

• 2 trabajos grupales prácticos utilizando técnicas y herramientas aprendidas - 80%
• 1 evaluación individual práctica del uso de las técnicas aprendidas - 20%

Docente(s): Rodrigo Sandoval

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

Créditos: 3

Horas totales: 48 | Horas directas: 24 | Horas indirectas: 24

Descripción del curso 

El propósito de este curso es que los participantes utilicen herramientas tecnológicas para automatizar tareas a través de la programación de un robot que emule la operación de un usuario con aplicaciones y sistemas.

La metodología de aprendizaje es eminentemente práctica, donde los alumnos trabajarán con casos reales de automatización que tengan el potencial de agregar valor al negocio, y con herramientas de RPA para experimentar su aplicación.

Resultados de aprendizaje

1. Identificar casos de usos reales para la automatización de tareas que sean factibles y generen valor de negocio.
2. Programar herramientas de clase mundial más conocidas en la industria para la automatización robótica de procesos, usando casos prestablecidos.

Contenidos

UNIDAD 1: RPA

• Lineamientos sobre Robotización de Procesos (Robotic Process Automation, RPA)
  • ¿Qué es RPA y cuáles son sus beneficios?
  • Aporte de RPA en la Transformación Digital de las Organizaciones
  • Posibles aplicaciones de RPA 
• Técnicas de RPA
  • Principales herramientas de RPA
  • Instalación de una herramienta de RPA
  • Caso práctico utilizando una herramienta de RPA

UNIDAD 2: Aplicación de RPA

• Taller para la identificación de caso de uso reales 
  • Desafíos y principales barreras de los casos de RPA a abordar
  • Utilización de marcos de trabajo tales como el MRPA para establecer métricas para automatización
  • Cuantificar los beneficios asociados a los casos reales identificados para aplicar herramientas de RPA
• Taller de aplicación y programación de herramientas de RPA 
  • Utilización y programación de herramientas de RPA de casos pre armados para automatización de tareas de escritorio 
  • Utilización y programación de herramientas de RPA de casos pre armados para automatización de tareas operativas integrando sistemas web y otras fuentes.

Estrategias metodológicas

• Clases expositivas apoyadas por presentaciones.
• Talleres prácticos utilizando herramientas de RPA y casos pre armados para la automatización de procesos de negocio.

Estrategias evaluativas:

• Trabajo práctico aplicado utilizando herramientas RPA y caso pre armado 1 – 50%
• Trabajo práctico aplicado utilizando herramientas RPA y caso pre armado 2 – 50%

Docente(s): Rodrigo Sandoval

Unidad académica responsable: Escuela de Ingeniería

Requisitos: sin prerrequisitos

Créditos: 3

Horas totales: 48 | Horas directas: 24 | Horas indirectas: 24

Descripción del curso 

El curso introduce a los participantes en la combinación de herramientas de automatización junto con técnicas de inteligencia artificial (IA) para resolver procesos complejos que requieren capacidades cognitivas avanzadas. El enfoque está en la hiperautomatización, que integra modelos de IA como procesamiento de lenguaje natural (NLP), visión computacional y técnicas de machine learning para automatizar procesos empresariales.

Los talleres proporcionarán guías y ejemplos prácticos que faciliten la aplicación de las tecnologías sin necesidad de desarrollar código complejo, pero se asume que los estudiantes pueden leer, modificar y ejecutar scripts en los entornos controlados proporcionados.

El curso ofrece una inmersión práctica en el uso de herramientas de IA, como el NLP y visión computacional, aplicadas a la automatización de tareas. Los participantes trabajarán con ejemplos predefinidos y proyectos guiados, lo que les permitirá implementar soluciones sin necesidad de desarrollar algoritmos desde cero. Las actividades estarán centradas en la implementación y ajuste de modelos existentes, aplicándolos a casos reales de negocio.

Resultados de aprendizaje

1. Diseñar procesos más completos, según casos de uso reales para la hiperautomatización de procesos, que sean factibles y generen valor de negocio.
2. Programar modelos de procesamiento de lenguaje natural, visión computacional y otras tecnologías integrando herramientas de automatización robótica de procesos (RPA), para el avance en el ciclo de vida de la gestión de procesos de negocio. 

Contenidos

• UNIDAD 1: Conceptos de IA y Machine Learning
  • Clasificación Supervisada 
  • Regresión Numérica
  • Análisis No-Supervisado
• UNIDAD 2: Procesamiento de Lenguaje Natural (NLP)
  • Clasificación, extracción, comparación
  • Técnicas de normalización y vectorización de texto
  • Uso de grandes modelos generativos
  • Desarrollo de Agentes de IA para hiperautomatizar procesos
• UNIDAD 3: Visión computacional
  • Clasificación de imágenes
  • Segmentación de imágenes y uso de modelos pre entrenados, como YOLO, VGG, y otros
  • Integración de segmentación de imágenes en la hiperautomatización de un proceso.

Estrategias metodológicas:

• Clases expositivas e interactivas apoyadas por presentaciones
• Talleres prácticos de implementación de procesos hiperautomatizados utilizando técnicas de inteligencia artificial.
• Ejemplos prácticos que muestren cómo la integración de IA (NLP y visión computacional) puede mejorar procesos reales en diferentes sectores (automatización de atención al cliente, análisis de documentos legales o reconocimiento de imágenes)

Estrategias evaluativas:

• Trabajo grupal para diseñar y programar un agente como una solución de hiperautomatización utilizando NLP, visión computacional y RPA – 50%
• Control de conocimientos individual - 15% El propósito es evaluar la comprensión de contenidos puntuales, pero no abarca la totalidad del curso.
• Examen de conocimientos individual -35%. El examen global abarca todos los contenidos del curso y evalúa la capacidad de los estudiantes para integrar y aplicar lo aprendido en diferentes contextos.