En el proceso de minería de procesos, un registro de eventos es una colección estructurada de eventos registrados que describe la ejecución de procesos dentro de una organización. La completitud de los registros de eventos es crucial para garantizar modelos de procesos precisos y confiables. Los registros de eventos incompletos, que pueden resultar de errores del sistema, errores en la entrada de datos manual o patrones operativos irregulares, socavan la integridad de estos modelos. Abordar este problema es esencial para construir modelos precisos. Esta investigación tiene como objetivo mejorar el rendimiento y la robustez del modelo de procesos transformando registros de eventos incompletos en completos utilizando un algoritmo de descubrimiento de procesos. La minería de procesos genética, un tipo de algoritmo de descubrimiento de procesos, es elegida por su capacidad para evaluar múltiples soluciones candidatas de manera concurrente, recuperando efectivamente eventos faltantes y mejorando la completitud del registro. Sin embargo, la forma original del algoritmo de minería de procesos genéticos no está optimizada para manejar registros incompletos, lo que puede resultar en la descubierta de modelos incorrectos. Para abordar esta limitación, esta investigación propone un enfoque modificado que incorpora información de tiempo para gestionar mejor los registros incompletos. Al aprovechar los datos de tiempo, el algoritmo puede inferir eventos faltantes, lo que lleva a un seguimiento y reconstrucción de procesos más precisos. Los resultados experimentales validan la efectividad del algoritmo modificado, mostrando puntajes de aptitud y precisión más altos, comparaciones mejoradas de modelos de procesos y un buen nivel de cobertura sin errores. Además, se presentan varios métricos avanzados para la verificación de conformidad para validar aún más los modelos de procesos y registros de eventos descubiertos por ambos algoritmos.