Uso de IoT y aprendizaje automático con BPMN 2.0 para crear flujos de trabajo
Tradicionalmente, los procesos de negocio han utilizado Internet de las Cosas (IoT) como fuente de distribución de datos. Sin embargo, el estándar actual Business Process Model and Notation (BPMN 2.0) ofrece soporte tanto para modeladores como para IoT para generar código de bajo nivel para dispositivos IoT y ejecutar aspectos de la lógica de negocio. BPMN 2.0 es un estándar creado y mantenido por el Grupo de gestión de objetos que utiliza notación gráfica para una comunicación consistente de los procesos de negocio. Este artículo se centrará en el uso de IoT y aprendizaje automático con BPMN 2.0 para crear flujos de trabajo y el proceso de comunicación entre el motor de ejecución y los dispositivos IoT.
Los procesos de negocio pueden utilizar IoT y ML para la toma de decisiones basada en datos
Muchas organizaciones han aumentado su uso de procesos de negocio para optimizar sus flujos de trabajo. Un proceso de negocio es una colección de actividades, tareas, recursos y partes interesadas que colaboran, con la intención de manifestar un resultado que genere valor para el negocio y el cliente. Áreas como la cadena de suministro, la incorporación de clientes, la apertura de cuentas y otras también pueden obtener una ventaja competitiva con los dispositivos IoT. ¿Cómo? Bueno, los procesos de negocio pueden utilizar dispositivos IoT y aprendizaje automático para la detección, captura de datos, almacenamiento de datos, actuación y para optimizar la ejecución de decisiones basadas en datos. De hecho, IoT y el aprendizaje automático pueden filtrar datos del mundo real para tomar decisiones localmente donde la gestión y coordinación centralizadas no son necesarias. Sin embargo, dado que los dispositivos IoT son inherentemente heterogéneos, la descentralización requiere un diseño y una ejecución cuidadosos.BPMN 2.0 ya ofrece a los modeladores la opción de definir IoT, aprendizaje automático y procesos de negocio utilizando diferentes pools y especificados a través de diagramas de colaboración. Aunque, esto debe conectarse a través de código de programación ejecutable por IoT y aprendizaje automático. Luego, elija el lenguaje correcto, ejecute el código y despliéguelo en los dispositivos IoT. La clase de intérprete de BPMN 2.0 se puede utilizar para definir qué dispositivos IoT participarán en el proceso de negocio. Es crucial tener código ejecutable portable utilizado por diferentes dispositivos IoT, incluso soporte remoto y programación.
IoT y el aprendizaje automático utilizan diferentes formas de comunicación
Normalmente, los servicios web proporcionan a IoT y al aprendizaje automático el enlace a los procesos de negocio con detalles de bajo nivel. Los lenguajes de modelado ya admiten servicios web y ofrecen un enfoque centralizado. Además, las funcionalidades de IoT se emiten como servicios web, que se pueden implementar a través de herramientas SOA o middleware. Por otro lado, específico Las extensiones de BPMN 2.0 pueden incluir un modelo de proceso específico para IoT. Por ejemplo, una interfaz gráfica de usuario (GUI) puede ofrecer extensibilidad en el diseño de procesos IoT desde un portal centralizado, enviándolos directamente como una secuencia de llamadas de operación a los dispositivos IoT previstos utilizando protocolos de comunicación propietarios.
Hacer que IoT y el aprendizaje automático sean participantes activos en la creación de flujos de trabajo
Invariablemente, IoT y el aprendizaje automático pueden trabajar en conjunto para gestionar y ejecutar tareas dentro de los flujos de trabajo, mejorando la escalabilidad y reduciendo el número de intercambios de mensajes necesarios. No obstante, el uso de IoT y el aprendizaje automático con BPMN 2.0 para crear flujos de trabajo requiere un marco unificado. BPMN 2.0 define el comportamiento de IoT para dirigir código específico del dispositivo IoT. Se genera código diferente según el dispositivo IoT. Utilice la clase de recursos de BPMN 2.0 para agregar información del dispositivo IoT.
Modelado del comportamiento de IoT y aprendizaje automático
BPMN define el comportamiento y la interacción utilizando diferentes pools junto con diagramas de colaboración. Como resultado, puede utilizar elementos estándar de BPMN 2.0 para modelar el comportamiento de IoT y aprendizaje automático. Considere los siguientes elementos:
Control de flujo: Eventos, actividades y compuertas
Conectando objetos: Flujo de secuencia y de mensajes
Datos: Objetos de datos
Luego, puede usar tareas de script para leer los sensores IoT y modelar la activación del flujo de trabajo. Además, la clase Performer puede definir qué recurso realiza los procesos. Y, el dispositivo IoT se puede definir de tres maneras:
Habla a
Operaciones
deviceType
A continuación, traduzca los procesos de BPMN 2.0 a código ejecutable que se despliegue y ejecute dentro de dispositivos IoT y aprendizaje automático. Ayuda usar código que se modele con semántica formal bien establecida y que cree código ejecutable portable para IoT y aprendizaje automático. También puede instalar el código móvil en dispositivos IoT de forma remota. Como tal, los mensajes del evento de inicio pueden traducirse en llamadas a funciones para activar procesos y flujos de trabajo. Recuerde, IoT y el aprendizaje automático siempre están listos para cumplir nuevas solicitudes. Sin duda, un prueba de concepto exitosa es el punto de partida. IoT y el aprendizaje automático utilizables pueden facilitarse a través de servicios en la nube y en el sentido arquitectónico. Introducir IoT y el aprendizaje automático en flujos de trabajo completamente manuales no es la transición más fácil. Utilice estas preguntas para guiar si un flujo de trabajo está listo para IoT y aprendizaje automático:
¿Con qué frecuencia se ejecuta este flujo de trabajo?
¿Qué tan costosas son las actividades?
¿Cuánto tiempo de ejecución requiere?
¿Tendría sentido automatizar la entrada y salida de actividades individuales?
Para ilustrar, IoT y el aprendizaje automático pueden aprender del historial de clasificación manual de archivos de negocio entrantes y clasificarlos de manera similar. Se debe proporcionar y optimizar una métrica clave objetivo. Una tasa de aciertos describiría el número de clasificaciones precisas frente a las imprecisas. El flujo de trabajo mejora a medida que aumenta la tasa de aciertos. Como resultado, desea que IoT y el aprendizaje automático maximicen la tasa de aciertos. Los objetivos de diseño del flujo de trabajo deben ser los siguientes:
Simplicidad (usar un enfoque basado en reglas)
Determinismo
Explicabilidad (detección de anomalías)
Primero, utilice un sistema de apoyo a la toma de decisiones centrado en el ser humano, donde se requieran decisiones humanas antes de que intervengan IoT y el aprendizaje automático. A menudo, este tipo de sistema de apoyo puede aumentar la transparencia ante cualquier malentendido, error o sesgo. IoT con aprendizaje automático puede servir como control de calidad para cualquier decisión, ya sea de bajo nivel o de alto riesgo, es decir, aprobaciones de préstamos, cumplimiento, procesos de RR. HH. y detección de fraudes. Luego, IoT y el aprendizaje automático se pueden entrenar de manera consistente con nuevos datos cuando sea necesario. Por ejemplo, una pandemia afectó todas las operaciones y flujos de trabajo comerciales en todo el mundo. Sin embargo, cuando la pandemia de COVID-19 se vuelva endémica, habrá nuevos procesos y nuevos datos disponibles para garantizar la relevancia en las condiciones actuales del mercado. Otros escenarios, como nuevas marcas de dispositivos médicos o modelos de automóviles, requieren la colaboración entre decisiones centradas en el ser humano y aprendizaje automático.
Pensamiento final
IoT y el aprendizaje automático ofrecen oportunidades interesantes para mejorar BPMN 2.0 en la creación de flujos de trabajo. Los procesos de negocio pueden beneficiarse de las capacidades de detección, las características de red y las habilidades de aprendizaje automático de los dispositivos IoT. Al traducir BPMN 2.0 a código portable, puede combinar con éxito IoT, aprendizaje automático y BPMN 2.0.
18 de agosto de 2026
9 Costos Ocultos de los Agentes de IA que los Líderes de TI No Están Rastreado
Orquestación Universal: Qué es, por qué importa y cómo lograrla
La orquestación universal está surgiendo como la respuesta, brindando a las empresas una forma más inteligente de gobernar flujos de trabajo, procesos impulsados por IA y toma de decisiones humanas a escala.
