Monitoraggio proattivo delle transazioni tramite Process Mining e Conformance Checking nei sistemi CUP della Regione del Veneto

La presente tesi si inserisce nel contesto dell’ottimizzazione dei servizi di governance della sanità digitale della Regione del Veneto, focalizzandosi sull'interoperabilità e sulle performance architetturali dei Centri Unici di Prenotazione (CUP). Lo studio, sviluppato in collaborazione con il Consorzio Arsenàl.IT (Centro Veneto Ricerca e Innovazione per la Sanità Digitale), si concentra sull'analisi della transazione di governo RVE-6. Quest'ultima non costituisce una prenotazione diretta, bensì un meccanismo di monitoraggio su scala regionale volto a tracciare le attività del sistema per identificare la prima data utile per l'erogazione di una prestazione ambulatoriale. L'obiettivo della ricerca è valutare le performance di tale servizio, individuando inefficienze, latenze e le principali fonti di errore rispetto al modello teorico, al fine di attuare interventi mirati e prevenire disservizi verso il cittadino. Per gestire la complessità dei dati operativi, l'indagine si è avvalsa di tecniche di Process Mining. È stato acquisito un event log contenente i dati applicativi riferiti al periodo aprile-settembre 2025, sottoposto a una scrupolosa fase di pre-processing per garantire la coerenza temporale e l'univocità delle tracce, applicando logiche di tie-break sugli eventi simultanei. L’analisi quantitativa si è articolata su due fronti: da un lato, il Conformance Checking ha permesso di effettuare il replay dei log reali su un workflow XML di riferimento per misurare oggettivamente le deviazioni formali; dall'altro, le tecniche di Process Discovery, tramite l’adozione del First Order Markov Model (FOMM), hanno consentito di dedurre e confrontare la struttura probabilistica e i pattern comportamentali delle diverse Aziende Sanitarie a partire da campioni stratificati. I risultati hanno permesso di mappare con precisione le traiettorie di errore e l'impatto dei colli di bottiglia in ogni fase della transazione: dalla preparazione del dato (Data Ready), all'inoltro della richiesta (Request), fino alla fase di ricezione (Response) e alle condizioni di timeout. Parallelamente, l'analisi differenziale condotta tramite i modelli markoviani e il Delta Graph risultante ha evidenziato un marcato divario prestazionale tra la realtà aziendale più virtuosa (best practice) e quella maggiormente critica (worst practice). Le osservazioni conclusive suggeriscono che le disomogeneità registrate non dipendono unicamente da limitazioni dei sistemi IT, ma da specifiche differenze nella gestione del flusso transazionale a livello locale. Queste evidenze mostrano con precisione gli aspetti su cui intervenire per mitigare le criticità, ponendo le basi per futuri sviluppi verso un monitoraggio governativo sempre più reattivo, data-driven e standardizzato, requisito essenziale per la robustezza dei servizi di eHealth.