PT
A Modelação de Processos de Negócio (MPN) é uma atividade de engenharia de sistemas onde representamos os processos de uma empresa, para que os mesmos possam ser partilhados, compreendidos e melhorados. Apesar do elevado número de ferramentas de MPN existentes no mercado, estas permitem aos modeladores introduzir erros du- rante o processo de modelação. Como não existe uma ideia clara acerca de quais os erros que as ferramentas não detetam, quais os erros cometidos mais recorrentemente e como o problema pode ser resolvido, esta dissertação apresenta um estudo e uma proposta para resolver o problema. Inicialmente foi efetuado um levantamento do estado da prática da capacidade das ferramentas de modelação para validar os modelos em BPMN2, e determinar os erros mais frequentemente introduzidos pelos modeladores. Em seguida, baseado num estudo empírico, usando o validador QUASAR, fornecemos evidências sobre a sua capacidade para validar o conjunto de regras de boa formação e boas práticas na modelação de processos de negócio e assim detetar os erros introduzidos nos modelos em BPMN2. Finalmente, queremos compreender se esta facilidade de validação baseada em metamodelos pode ser usada para prevenir a introdução de erros durante o processo de modelação de processos de negócio, acelerando assim a curva de aprendizagem do modelador.
EN
Business Process Modeling (BPM) is a systems engineering activity where we rep- resent the processes of an enterprise, so they can be shared, understood and improved. Despite the set of innovative tools for BPM modelling that exist in the market, they allow modelers to introduce errors during the modelling process. As there is no idea which errors the tools do not detect, what are the most recurrent errors and how could this prob- lem be mitigated, this dissertation presents a study and a proposal to help solving this problem. Firstly, a tool survey was developed to describe the state of the practice on the ability of Modelling Tools to validate BPMN2 models and determine the most recurrent defects introduced by BPMN modellers. Secondly, based on an empirical study using the QUASAR validator we provide evidence on its ability to validate a set of well-formedness rules and best practices and therefore detect errors in BPMN2 Models. Finally, we want to understand if this metamodelling-based validation facility can be used to prevent intro- ducing modelling errors, while speeding up the learning curve.
