La minería de procesos es una disciplina que se ocupa del análisis de datos de ejecución de procesos operativos, la extracción de modelos a partir de datos de eventos, la medición de la conformidad entre los datos de eventos y los modelos normativos, y la mejora de todos los aspectos de los procesos. La mayoría de los enfoques asumen que los datos de eventos capturan con precisión el comportamiento. Sin embargo, esto no es realista en muchas aplicaciones: los datos pueden contener incertidumbre, generada por errores en la grabación, mediciones imprecisas y otros factores. Recientemente, se han desarrollado nuevos métodos para analizar datos de eventos que contienen incertidumbre; estas técnicas dependen principalmente de representar los datos de eventos inciertos mediante modelos basados en grafos que capturan explícitamente la incertidumbre. En este documento, presentamos un nuevo enfoque para calcular eficientemente una representación gráfica del comportamiento contenido en una traza de proceso incierta. Presentamos nuestro nuevo algoritmo, demostramos su complejidad temporal asintótica y mostramos resultados experimentales que destacan mejoras de rendimiento de órdenes de magnitud para la construcción del grafo de comportamiento.