ARTÍ岰ULO ORIGINAL

Directrices pr醕ticas y m閠ricas de calidad en la modelaci髇 de procesos de negocio: un caso de estudio

Pragmatic guidelines and quality metrics in business process modeling: a case study

Isel Moreno-Montes-de-Oca^1* , Abel Rodr韌uez-Morffi¹ , Monique Snoeck² , Rosendo Moreno-Rodr韌uez¹ , Gladys Casas-Cardoso¹ , Luisa Gonz醠ez-Gonz醠ez¹ �

¹ Universidad Central Marta Abreu de Las Villas, Carretera a Camajuan�, km 5�, Santa Clara, Villa Clara, Cuba. CP.: 54830 ]]> ² KU Leuven. Naamsestraat 3000, Leuven, Belgium 

* Autor para la correspondencia: isel@uclv.edu.cu

RESUMEN

La modelaci髇 de procesos de negocio es uno de los primeros pasos hacia el logro de las metas organizacionales. Es por esto que la calidad de los mismos es un aspecto esencial para el desarrollo y soporte tecnol骻ico de cualquier empresa. En la literatura se proponen directrices pr醕ticas para la modelaci髇 y m閠ricas de calidad que posibilitan la evaluaci髇 de los modelos. Este trabajo se enfoca en la calidad de los modelos de procesos de negocio a nivel conceptual: dise駉 y evaluaci髇. En particular se utilizan directrices pr醕ticas durante la modelaci髇 de un proceso de negocio de estudios de postgrado en las universidades cubanas. Posteriormente, se aplica un conjunto de m閠ricas de calidad, y se comparan los resultados con los obtenidos en otro modelo sin utilizar directrices. Los resultados indican que el uso de las directrices produce una mejora en la calidad de este modelo de proceso de negocio, as� como la utilidad pr醕tica que ofrecen las m閠ricas de calidad en la evaluaci髇 de los modelos de procesos de negocio.

Palabras clave: BPMN, directrices pr醕ticas, m閠ricas de calidad, modelaci髇 de procesos de negocio.

ABSTRACT

Business process modeling is one of the first steps towards achieving organizational goals. This is why business process modeling quality is an essential aspect for the development and technical support of any company. This work focuses on the quality of business process models at a conceptual level (design and evaluation). In the literature there are works that propose practical guidelines for modeling, while others focus on quality metrics that allow the evaluation of the models. In this paper we use practical guidelines during the modeling phase of a business process for postgraduate studies. We applied a set of quality metrics and compare the results with those obtained from a similar model that did not use guidelines. The results provide support for the use of guidelines as a way for business process modeling quality improvement, and the practical utility of quality metrics in their evaluation.

Key words: BPMN, business process modeling, pragmatic guidelines, quality metrics.

INTRODUCCIÓN

En a駉s recientes, la modelaci髇 de procesos de negocio ha devenido en un 醨ea de investigaci髇 cada vez m醩 importante (Davis, Green, et al., 2006) dentro de la modelaci髇 conceptual. B醩icamente, sus objetivos son (Multamäki, 2002): a) mejorar la comprensi髇 de una situaci髇 para que pueda comunicarse entre los inversionistas del negocio y b) usar el proceso como una herramienta para lograr las metas de un proyecto de desarrollo de procesos. En este trabajo se considera el ciclo de vida para un proceso de negocio, seg鷑 Weske (Weske, 2007). Particularmente, se enfoca en la etapa de dise駉 y an醠isis, donde la actividad principal es la modelaci髇 del proceso y cuyo objetivo fundamental es capturar el esquema del negocio y los procedimientos generales (Cardoso, 2005). Los modelos conceptuales en esta etapa deben ser sobre todo intuitivos y f醕ilmente comprensibles para que faciliten la comunicaci髇 entre los inversionistas del negocio.

La modelaci髇 de procesos de negocio consiste en la descripci髇 y visualizaci髇 de los procesos por medio de un modelo que los represente de manera formal o informal o en la forma de un gr醘ico o diagrama. Este se considera una parte esencial para comprender y estructurar las actividades que una organizaci髇 utiliza para lograr sus metas. Aunque la modelaci髇 de procesos de negocio tiene varios a駉s de desarrollo, las investigaciones sobre los aspectos relacionados con su calidad son relativamente recientes ( Mendling, Reijers, et al., 2010). La calidad en la modelaci髇 de procesos de negocio puede definirse como "el cumplimiento de todas las propiedades deseables de un modelo para satisfacer las necesidades de los usuarios del modelo"� (Gable, et al., 2005). Un n鷐ero de criterios de calidad existen, por ejemplo comprensibilidad, aptitud para el uso, adopci髇, exactitud, solvencia, entre otras.

En la literatura se diferencian fundamentalmente cuatro flujos de trabajo relacionados con particularidades de calidad para los modelaci髇 conceptual de procesos (Mendling, Reijers, et al., 2010): frameworks de calidad, propuestas pr醕ticas para mejorar la modelaci髇, m閠ricas de calidad y experimentos emp韗icos relacionados con la pr醕tica de la modelaci髇. De estos, las directrices pr醕ticas se inspiran y orientan hacia la mejora de la modelaci髇 de procesos de negocio en la industria. Ellas suponen su adopci髇 tanto por acad閙icos como por modeladores en el ejercicio diario de modelaci髇 de procesos de negocio.

El presente trabajo tiene como objetivo evaluar el efecto del uso de directrices pr醕ticas en la modelaci髇 del proceso de negocio "Gesti髇 de la informaci髇 para estudios de postgrado"� en la Universidad Central "Marta Abreu"� de Las Villas (UCLV) a trav閟 del uso de m閠ricas de calidad y umbrales. El proceso de modelaci髇 ocurre de manera simult醤ea de dos formas diferentes. Por una parte se utilizan directrices pr醕ticas encontradas en una revisi髇 sistem醫ica en la literatura y la otra modelaci髇 se lleva a cabo sin el uso de directrices pr醕ticas y utilizando solamente el conocimiento del lenguaje de modelaci髇 BPMN (OMG, 2011) y del proceso de negocio a tratar. Posteriormente, para determinar las diferencias entre los modelos obtenidos se aplican m閠ricas de calidad y se comparan entre s� los valores obtenidos en cada modelo. Luego, se comparan los resultados con los umbrales propuestos en (Mendling, S醤chez-Gonz醠ez et al., 2012) como referente para probabilidad de error, y con los umbrales definidos en (Sanchez-Gonzalez, Garcia et al., 2010; S醤chez-Gonz醠ez, Garc韆 et al., 2012) como referentes para comprensibilidad y capacidad de modificaci髇 de los modelos, sub-caracter韘ticas de usabilidad y mantenimiento presentes en ISO 9126 (ISO/IEC, 2001).

Este art韈ulo se encuentra estructurado de la siguiente forma. En la pr髕ima secci髇 se presentan las directrices pr醕ticas, las m閠ricas de calidad y los umbrales tomados como referentes en el desarrollo de este trabajo. A continuaci髇, en la secci髇 3, se presentan los modelos obtenidos y su cuantificaci髇 a trav閟 de m閠ricas de calidad. La secci髇 4 presenta el an醠isis y discusi髇 de los resultados. La secci髇 5 concluye el art韈ulo y plantea una continuidad en la investigaci髇 en el 醨ea enfocada.

En esta secci髇 se familiariza al lector con algunos conceptos fundamentales que son importantes para comprender el resto del art韈ulo y se presenta la modelaci髇 del proceso de negocio de postgrado.

Directrices Pr醕ticas

Se han propuesto directrices pr醕ticas en diferentes escenarios y por diferentes autores por su usabilidad, su efectividad (Wand and Weber, 2002) y su bajo nivel de abstracci髇 (Davies, Green et al., 2006). El objetivo de estas es contribuir a una mejor calidad de los modelos de procesos de negocio. Las directrices encontradas en la literatura se refieren al logro de propiedades positivas deseables para cada modelo de proceso de negocio. De esta manera es posible agruparlas como sigue:

- Tama駉: El tama駉 del modelo tiene efectos no deseados sobre la comprensi髇 y la probabilidad de errores: mientras m醩 grande es el modelo m醩 dif韈il es su comprensi髇 y existe una mayor probabilidad de error que en los modelos peque駉s (Mendling, Reijers, et al., 2010) (por ejemplo: use tan pocos elementos en el modelo como sea posible (Mendling, Reijers, et al., 2010; Weber, Reichert et al., 2011).

- Modularidad: La modularidad en los modelos de procesos de negocio consiste en la inclusi髇 de subprocesos, lo cual trae consigo la disminuci髇 del tama駉 del modelo que queda al m醩 alto nivel, y el aumento de la profundidad del modelo en general. En la literatura se encuentran diversas directrices que gu韆n al modelador en cuanto al n鷐ero de elementos a partir del cual se debe introducir la modularidad en los modelos de procesos de negocio (por ejemplo: descomponga el modelo con m醩 de 50 elementos (Mendling, Neumann et al., 2007; Mendling, Reijers et al., 2010) , en ocasiones relacionadas con un lenguaje de modelaci髇 determinado.

- Estructuralidad: Se ha discutido como un una directriz para evitar errores. Un modelo de proceso de negocio est� estructurado si por cada compuerta divisoria existe una compuerta de uni髇 respectiva del mismo tipo (Gruhn and Laue, 2007) (por ejemplo: modele tan estructurado como sea posible si ello no conlleva un incremento del n鷐ero de compuertas (Dumas, La Rosa et al., 2012).

- Complejidad: Uno de los desaf韔s relacionados con la creciente adopci髇 de la modelaci髇 de procesos de negocio concierne al continuo aumento en la complejidad de los modelos de procesos de negocio (La Rosa, Ter Hofstede et al., 2011). Seg鷑 varios autores, existe una relaci髇 directa entre la complejidad de un modelo y la comprensi髇 del mismo, y una relaci髇 inversa con la probabilidad de error (por ejemplo: haga el modelo tan simple como sea posible (Mendling, Reijers et al., 2010; Weber, Reichert et al., 2011)).

- Estilo de etiquetas: Una exploraci髇 de los estilos utilizados en las etiquetas en los modelos de procesos de negocio demostr� la importancia que tienen en la comprensi髇 del modelo (Ejemplo: etiquete las actividades en la forma verbo en infinitivo seguido de sustantivo (Leopold, Smirnov et al., 2010; Mendling, Reijers et al., 2010; Weber, Reichert et al., 2011) . Tambi閚 se encuentran en la literatura otros aspectos relacionados con la longitud de las etiquetas y la uniformidad de las mismas (por ejemplo: use un estilo uniforme para las etiquetas (Briol, 2008).

- Representaci髇 visual: En el desaf韔 de mejorar la comprensi髇 de los modelos de procesos de negocio un aspecto de gran importancia es su representaci髇 visual. Varias directrices pr醕ticas se refieren a la generalizaci髇 y conceptualizaci髇 de mecanismos existentes para cambiar la representaci髇 visual de un modelo de procesos (por ejemplo: dise馿 su modelo con una distribuci髇 fina y extendida, en lugar de cuadrada (Davis, 2001; Reijers, Mendling et al., 2011) , o mantenga los elementos de su modelo tan sim閠ricos como sea posible (Mendling, Strembeck et al., 2012).

M閠ricas de Calidad

Las m閠ricas ofrecen una cuantificaci髇 precisa considerando aspectos estructurales de un modelo de proceso de negocio, lo que a su vez es un paso importante hacia la mejora de calidad interna de los modelos de procesos de negocio (S醤chez-Gonz醠ez, Garc韆 et al., 2010). La calidad interna de los modelos puede verse desde diversas aristas, y por ende, debe ser cuantificada con m醩 de una m閠rica para obtener la mayor cantidad de informaci髇 posible de un modelo dado. Para determinar las diferencias entre los dos modelos de procesos de negocio desarrollados como parte de este trabajo, se adapt� el conjunto de m閠ricas definidas formalmente en (Mendling, 2008; S醤chez-Gonz醠ez, Garc韆 et al., 2012) a modelos en el lenguaje BPMN. Estas m閠ricas se encuentran clasificadas dentro de cinco grupos. De cada grupo se listan aquellas que son de inter閟 en este trabajo.

- M閠ricas de tama駉: cuantifican los diferentes elementos del modelo de proceso de negocio.

Nodos: cantidad de elementos.

Eventos: cantidad de eventos.

Eventos de inicio: cantidad de eventos de inicio.

Eventos de fin: cantidad de eventos de fin.

Compuertas: cantidad de elementos de ruteo.

Arcos: cantidad de arcos.

Densidad: raz髇 entre el n鷐ero total de arcos y el n鷐ero m醲imo te髍ico de arcos (es decir, si todos los nodos estuviesen directamente conectados).

Coeficiente de conectividad: raz髇 del n鷐ero total de arcos y el n鷐ero total de nodos.

Grado promedio de las compuertas: n鷐ero promedio de arcos entrantes y salientes de las compuertas.

Grado m醲imo de las compuertas: suma m醲ima de arcos entrantes y salientes de las compuertas.

- Modularidad: incluye las m閠ricas que cuantifican aquellos aspectos de un modelo de proceso de negocio que conciernen a la interrelaci髇 de sus subcomponentes con el modelo global.

Separabilidad: raz髇 del n鷐ero de v閞tices de corte (es decir, nodos que al separarse del modelo provocan la aparici髇 de dos modelos totalmente separados) dividido por el n鷐ero total de nodos en el modelo de procesos de negocio.

Secuencialidad: grado en el cual el modelo se construye como una secuencia pura de tareas.

- Conectividad: presenta m閠ricas relacionadas con los conectores de un modelo y su interacci髇.

Incongruencia de las compuertas: suma de los pares de compuertas que no concuerdan, por ejemplo cuando una compuerta de divisi髇 paralela se sigue por una compuerta de uni髇 inclusiva.

Complejidad de flujo de control: captura una suma ponderada de todos los conectores.  

Indicador de complejidad de compuertas (GCI): ofrece un indicador general de la complejidad de las compuertas usando una suma ponderada.

- Ciclicidad y concurrencia: incluye m閠ricas relacionadas con las partes c韈licas de un modelo.

Ciclicidad: brinda la relaci髇 del n鷐ero de nodos en un ciclo con respecto al n鷐ero total de nodos.

Divisi髇 de se馻l: cuantifica los caminos concurrentes que necesitan sincronizarse.

Umbrales

Con el prop髎ito de contribuir a una mejor aplicaci髇 y estimaci髇 de las m閠ricas, algunos autores han identificado valores de umbrales relevantes que permitan distinguir diferentes niveles de calidad en los modelos de procesos de negocio. Estos posibilitan determinar cu醤do los valores obtenidos al aplicar las m閠ricas de calidad son aceptables o no. Es por ello que se hace necesario considerar los valores de umbrales con el objetivo de indicar para qu� valor espec韋ico el valor obtenido de la m閠rica comienza a declinar.

En (Mendling, Neumann et al., 2007; Mendling, S醤chez-Gonz醠ez et al., 2012) se hacen experimentos para determinar los valores de umbrales que previenen contra la probabilidad de errores en modelos de procesos de negocio. Se dice que un modelo posee mayor probabilidad de contener errores al sobrepasar los umbrales propuestos con este fin. En la Tabla 1 se muestran los valores de umbrales correspondientes con la probabilidad definidos en (Mendling, S醤chez-Gonz醠ez et al., 2012).

Por otra parte, el trabajo de S醤chez-Gonz醠ez et al. (2010) ofrece cuatro rangos para la clasificaci髇 de la calidad de los modelos de procesos en cuanto a su comprensi髇 y capacidad de modificaci髇. Una propuesta para la definici髇 de umbrales para m閠ricas de complejidad de compuertas, tambi閚 agrupadas por rangos, se puede encontrar en (S醤chez-Gonz醠ez, Garc韆 et al., 2012). La Tabla 2 muestra estos valores de umbrales. En aquellos casos en que se superpusieron los valores de umbrales, se seleccionaron los umbrales propuestos en (S醤chez-Gonz醠ez, Garc韆 et al., 2012).

El modelo de proceso de negocio de "Gesti髇 de la informaci髇 para estudios de postgrado"� establece las bases para la gestaci髇, planeaci髇 y desarrollo de las distintas modalidades de postgrado de la categor韆 de superaci髇 profesional (Diplomados, Cursos y Entrenamientos). Para su modelaci髇 se tomaron en consideraci髇 las reglamentaciones, instrucciones y definiciones establecidas en el Departamento de Postgrado de la UCLV. En la figura 1 se muestra un fragmento del modelo de proceso de negocio para la gestaci髇 y aprobaci髇 de programas de diplomado obtenido a trav閟 de las directrices pr醕ticas de modelaci髇 (D1-G). La figura 2 muestra un fragmento del correspondiente modelo creado sin ayuda de directrices pr醕ticas de modelaci髇 (D1). Adem醩 de estos modelos, para la superaci髇 del profesional en la UCLV como resultado de este trabajo, se modelaron los procesos de negocio para la gestaci髇 y aprobaci髇 de nuevos cursos y entrenamientos con y sin directrices (D2-G y D2, respectivamente) y para la matr韈ula y ejecuci髇 de estudios de postgrado con y sin directrices (D3-G y D3, respectivamente).

Los modelos D1-G y D1 representan la misma l骻ica del negocio, sin embargo, D1-G posee una estructura fina y alargada, con poco cruzamientos de l韓eas, lo que beneficia la comprensi髇 por parte de los usuarios, seg鷑 (Schrepfer, Wolf et al., 2009). Por otra parte, el modelo realizado sin la ayuda de directrices pr醕ticas (D1) posee una estructura cuadrada, y las l韓eas se entrecruzan en mayor grado, lo que dificulta la comprensi髇 de ese modelo. En cuanto al estilo de etiquetado, D1-G contiene etiquetas cortas y de manera uniforme se sigui� el estilo de etiquetado verbo-objeto. En cambio, en D1 no hay uniformidad en las etiquetas y el largo de las mismas no es favorable para la comprensi髇 por parte de los usuarios del negocio, seg鷑 (Reggio, Leotta et al., 2011). Estas diferencias entre D1-G y D1 aparecen tambi閚 en los restantes modelos obtenidos como parte de este trabajo.

Al aplicar las m閠ricas de calidad presentadas en la secci髇 anterior a los modelos del proceso de negocio de "Gesti髇 de la informaci髇 para estudios de postgrado"�, se obtienen los valores que se muestran en la tabla 3. En esta tabla se se馻lan los valores que sobrepasan el umbral de probabilidad de error.

RESULTADOS Y DISCUSIÓN

Luego de aplicar las m閠ricas seleccionadas a los modelos de procesos de negocio de "Gesti髇 de la informaci髇 para estudios de postgrado"� se observan diferencias entre los valores obtenidos para cada modelo. Los valores de umbrales permiten distinguir diferentes niveles de calidad en los modelos de procesos. Este trabajo se enfoca en la calidad de los modelos en cuanto a la probabilidad de error, por una parte, y la calidad en cuanto a la comprensi髇 y capacidad de modificaci髇, por la otra. A continuaci髇 se presenta el an醠isis de los resultados de acuerdo a los valores de umbral.

Probabilidad de error

Primeramente se analiza la calidad de los modelos obtenidos en cuanto a la probabilidad de error. Los umbrales considerados en esta secci髇 permiten discernir cu醠es modelos poseen alta o baja probabilidad de error. De acuerdo a estos, el 51.42% de los modelos no guidados y el 41.42% de los modelos guiados poseen alta probabilidad de error.

Al subdividir los valores obtenidos dentro de las diferentes categor韆s es posible apreciar que para las m閠ricas de tama駉, de densidad, de conectividad y de ciclicidad y concurrencia, se obtuvieron mejores resultados para los valores de las m閠ricas de los modelos que utilizaron directrices pr醕ticas durante su creaci髇. Los modelos no guiados sobrepasaron los umbrales de probabilidad de error en mayor n鷐ero de ocasiones que los modelos guiados en cada una de estas categor韆s. Para las m閠ricas de modularidad, los resultados fueron similares para ambos tipos de modelos (ver figura 3).

Comprensi髇 y capacidad de modificaci髇

Al analizar los resultados en t閞minos de comprensi髇 y capacidad de modificaci髇 se encontraron los siguientes resultados. Respecto a las m閠ricas de tama駉, tres de los valores obtenidos para los modelos no guiados son altos para comprensi髇 y capacidad de modificaci髇, lo que indica dificultad para comprender o modificar estos modelos seg鷑 (S醤chez-Gonz醠ez, Garc韆 et al., 2012) (v閍se la Figura 4-a).

Para las m閠ricas de densidad, no se observan diferencias significativas entre los resultados obtenidos para los dos tipos de modelos. Se obtuvieron resultados poco satisfactorios para coeficiente de conectividad. Dos de los modelos guiados y tres de los no guiados resultaron con alta dificultad para comprensi髇 y modificaci髇 de acuerdo a los umbrales. Los restantes valores para las m閠ricas de densidad fueron similares y aceptables para ambos tipos de modelos.

De acuerdo a las m閠ricas de modularidad, se obtuvieron resultados m醩 desfavorables para los modelos guiados. La secuencialidad del modelo guiado D1-G y del subproceso D1S-G indican que es un modelo dif韈il de comprender. Por otra parte los modelos no guiados resultaron mejores en este sentido, como se muestra en la Figura 4-b.

Un resultado diferente se obtuvo para las m閠ricas de conectividad, donde se aprecian mejores resultados para los modelos guiados. Espec韋icamente para la m閠rica incongruencia de los conectores el modelo no guiado D1 es muy dif韈il de comprender y dif韈il de modificar de acuerdo a los umbrales.

Para comprobar los resultados obtenidos y determinar si las diferencias encontradas en los distintos grupos de m閠ricas son significativas, se aplic� la prueba de los rangos con signo de Wilcoxon. Para las m閠ricas de tama駉 Sig. Exacta bilateral (p) obtuvo un valor de 0.016 por lo que se rechaza la hip髏esis fundamental de igualdad, luego existen diferencias significativas. De manera similar, se encontraron diferencias significativas para las m閠ricas de conectividad (p=0.002) y de modularidad (p=0.02). En cuanto a las m閠ricas de densidad se corrobor� la no existencia de diferencias significativas.

CONCLUSIONES

Este trabajo tiene como objetivo contribuir al desarrollo del campo de investigaci髇 relacionado con la calidad en los modelos de procesos de negocio a nivel conceptual. Para ello, se aplicaron directrices pr醕ticas en la modelaci髇 del proceso de negocio de "Gesti髇 de la informaci髇 para estudios de postgrado"� en la UCLV. Posteriormente, se aplicaron m閠ricas de calidad para determinar qu� caracter韘ticas del modelo se beneficiaron con la aplicaci髇 de las directrices.

A partir de la comparaci髇 de los resultados obtenidos en la aplicaci髇 de las m閠ricas a los modelos y tomando como referencia umbrales propuestos en la literatura, es posible concluir que las directrices pr醕ticas tuvieron una influencia positiva sobre el tama駉, la densidad, la conectividad y la ciclicidad y concurrencia de los modelos en t閞minos de probabilidad de error. Respecto a los umbrales de probabilidad de error las m閠ricas de modularidad no obtuvieron diferencias significativas. Por otra parte, en t閞minos de comprensibilidad y capacidad de modificaci髇 de los modelos, se obtuvieron resultados favorables para las m閠ricas de tama駉 y conectividad en los modelos que usaron directrices durante su creaci髇, lo que se corrobor� al aplicar la prueba de Wilcoxon. Para las m閠ricas de densidad no hubo diferencias significativas. Finalmente, la aplicaci髇 de m閠ricas de modularidad arroj� peores resultados para los modelos guiados que para los que no lo fueron en cuanto a comprensibilidad y capacidad de modificaci髇. De aqu� que sea posible afirmar que el uso de las directrices pr醕ticas existentes no garantiza el beneficio de todas las caracter韘ticas de los modelos de procesos de negocio, espec韋icamente aquellas relacionadas con la densidad y modularidad de los modelos.

Como trabajo futuro se plantea repetir el ejercicio como un experimento controlado y valorar la inclusi髇 otras m閠ricas de calidad que contribuyan a una mejor evaluaci髇 de los resultados obtenidos. Adem醩, se propone como trabajo futuro la creaci髇 de un conjunto de directrices pr醕ticas que permita la obtenci髇 de modelos de procesos de negocio de alta calidad, que contribuya a la mejora de todas las caracter韘ticas deseables en los modelos de procesos de negocio para que la aplicaci髇 de las m閠ricas ofrezca siempre resultados positivos en los modelos guiados. Finalmente, una idea es continuar el trabajo que relaciona las directrices pr醕ticas de modelaci髇 y las m閠ricas de calidad como un paso hacia la mejora de la calidad de los modelos de procesos de negocio.

REFERENCIAS BIBLIOGRÁ丗ICAS

BANDARA, W., GABLE, G. G., et al. 2005. Factors and Measures of Business Process Modelling: Model Building Through a Multiple Case Study. European Journal of Information Systems, 2005, 14(4): 347-360.

BRIOL, A. BPMN, The Business Process Modeling Notation Pocket Handbook. Bpms Watch 2008.

CARDOSO, J. How to Measure the Control-flow Complexity of Web Processes and Workflows. Workflow Handbook. L. FISCHER, 2005, 199-212.

DAVIS, R. Business Process Modelling with Aris: A Practical Guide. Springer, 2001.

DUMAS, M., M. LA ROSA, et al. Understanding Business Process Models: The Costs and Benefits of Structuredness. Advanced Information Systems Engineering. 2011. .

GRUHN, V. and R. LAUE. 2007.What Business Process Modelers Can Learn From Programmers.. Science of Computer Programming, 2007, 65(1): 4-13.

ISO/IEC 2001. Software Engineering - Product Quality - Part 1: Quality Model. 9126-1. 2001.

J. RALYT脡, X. FRANCH, S. BRINKKEMPER and S. WRYCZA, Springer Berlin Heidelberg, 2012, 31-46.

LEOPOLD, H., S. SMIRNOV, et al. Refactoring of Process Model Activity Labels. Natural Language Processing and Information Systems. C. J. HOPFE, Y. REZGUI, E. METAIS, A. PREECE and H. J. LI, 2010, 268-276.

MENDLING, J. Metrics for Process Models: Empirical Foundations of Verification, Error Prediction, and Guidelines for Correctness. Place, Published, Springer, 2008. 117-128.

MENDLING, J., G. NEUMANN, et al. Understanding the Occurrence of Errors in Process Models Based on Metrics. On the Move to Meaningful Internet Systems 2007: Coopls, Doa, Odbase, Gada, and Is, Pt 1, Proceedings. R. MEERSMAN and Z. TARI. Vilamoura, PORTUGAL, 2007, 113-130.

MENDLING, J., H. A. REIJERS, et al. Activity Labeling in Process Modeling: Empirical Insights and Recommendations. Information Systems, 2010, 35(4): 467-482.

MENDLING, J., H. A. REIJERS, et al. Seven Process Modeling Guidelines (7PMG). Information and Software Technology, 2010, 52(2): 127-136.

MENDLING, J., L. S脕NCHEZ-GONZ脕LEZ, et al. Thresholds for Error Probability Measures of Business Process Models. Journal of Systems and Software, 2012, 85(5): 1188-1197.

MENDLING, J., M. STREMBECK, et al. Factors of Process Model Comprehension-Findings from a Series of Experiments. Decision Support Systems, 2012, 53(1): 195-206.

MULTAMÄKI, M. Objective-Driven Planning of Business Process Modeling, Department of Industrial Engineering and Management, Helsinki University of Technology. 2002.

OMG (2011). Business Process Model and Notation (BPMN) Version 2.0, OMG: 145-308.

Pt I. R. MEERSMAN, T. DILLON and P. HERRERO. Hersonissos, GREECE, 2010, 78-95.

REGGIO, G., M. LEOTTA, et al. Precise is Better Than Light - A Document Analysis Study About Quality of Business Process Models. En Proceedings de 2011 First International Workshop on Empirical Requirements Engineering, 2011.

REIJERS, H. A., J. MENDLING, et al. Human and Automatic Modularizations of Process Models to Enhance their Comprehension. Information Systems, 2011, 36(5): 881-897.

SANCHEZ-GONZALEZ, L., F. GARCIA, et al. Quality Assessment of Business Process Models Based on Thresholds. On the Move to Meaningful Internet Systems: Otm 2010.

S脕NCHEZ-GONZ脕LEZ, L., F. GARC脥A, et al. Prediction of Business Process Model Quality Based on Structural Metrics. Proceedings 29th International Conference on Conceptual Modeling - ER 2010, 2010.

S脕NCHEZ-GONZ脕LEZ, L., F. GARC脥A, et al. Quality Indicators for Business Process Models from a Gateway Complexity Perspective. Information & Software Technology, 2012, 54(11): 1159-1174.

SCHREPFER, M., J. WOLF, et al. The Impact of Secondary Notation on Process Model Understanding. En Proceedings de The Practice of Enterprise Modeling, Working Conference, Stockholm, Sweden, 2009.

WAND, Y. and R. WEBER. Research Commentary: Information Systems and Conceptual Modelling-a Research Agenda. Information Systems Research, 2002, 13(4): 363-376.

WEBER, B., M. REICHERT, et al. Refactoring Large Process Model Repositories. Computers in Industry, 2011, 62(5): 467-486.

Recibido: 20/02/2014
Aceptado: 11/04/2014