www.uhasselt.be
DSpace

Document Server@UHasselt >
Research >
Research publications >

Please use this identifier to cite or link to this item: http://hdl.handle.net/1942/25565

Title: Using event log knowledge to support operational excellence techniques
Authors: Swennen, Marijke
Advisors: Vanhoof, Koen
Depaire, Benoît
Jans, Mieke J.
Issue Date: 2018
Abstract: Organisaties bestaan tegenwoordig uit een groot aantal processen die soms sterk met elkaar verweven zijn. Hierdoor is het moeilijk om een goed overzicht te krijgen van de verschillende gegevensstromen, activiteiten en actoren in het proces. Bovendien evolueren nieuwe technologieën en klantenverwachtingen sneller dan ooit, waardoor bedrijven ernaar streven om hun processen en werkwijzen voortdurend aan te passen en te verbeteren. Om mee te gaan met veranderende omgevingen en situaties moeten bedrijfsprocessen continu gemonitord worden en moeten bedrijven procesanalysemethoden en verbeterteams inzetten. Het concept van continue verbetering is gerelateerd aan methodologieën zoals lean management, Six Sigma, business process improvement (BPI) en total quality management (TQM). Lean management is vooral gericht op vermindering van verspilling, waaronder elementen zoals overproductie, wachttijden, overbodige bewerkingen, vertragingen of batchverwerking vallen. De vermindering van deze verspilling kan worden geoperationaliseerd door de identificatie en analyse van de waardenstroom van een bedrijf, welke aangeeft dat enkel activiteiten uitgevoerd worden die werkelijk waarde toevoegen voor de klant van het bedrijf. Six Sigma daarentegen is meer gericht op de kwaliteit van de bedrijfsprocessen en heeft als doel het minimaliseren van het aantal fouten en defecten in het proces, om zo variantie te voorkomen en de algehele kwaliteit van de organisatie te verbeteren. De bekendste verbeteringsmethode binnen Six Sigma is de DMAIC-cyclus, welke staat voor define, measure, analyse, improve en control. Naast lean management en Six Sigma, is de theory of constraints een andere bekende verbeteringsmethodologie, die meer gericht is op het detecteren en verwijderen van beperkingen of knelpunten in bedrijfsprocessen. Hoewel deze methoden en technieken al vele jaren worden toegepast in het bedrijfsleven, zijn ze minder bruikbaar in de steeds sneller veranderende omgevingen waarin dienstenbedrijven actief zijn. Veel van deze operational excellence-technieken zijn ook gebaseerd op voornamelijk kwalitatieve en "papier-en-pen"-benaderingen, wat impliceert dat de resultaten van deze methoden, en de beslissingen die genomen worden op basis van deze resultaten, subjectief kunnen zijn en afhankelijk van de persoon die de analyses uitvoert. Bovendien zijn de meeste studies in de literatuur gericht op de toepassing van methodologieën zoals lean management en Six Sigma in productieomgevingen en zijn dienstgerichte ondernemingen tot nu toe minder overtuigd van het gebruik van deze methodologieën binnen hun organisatie, meestal omwille van de meer veranderlijke omgeving en omstandigheden. Vanuit dit opzicht wordt process mining gezien als een potentieel hulpmiddel op het gebied van operational excellence, omdat het zich richt op de analyse van bedrijfsprocessen om inzicht te krijgen in de activiteitenstromen van een bedrijf en deze overeenkomstig te verbeteren. Process mining verwijst naar het vergaren van kennis uit gegevens over de uitvoer van processen, die worden opgeslagen in zogenaamde event logs. Het omvat hoofdzakelijk drie types, nl. (i) discovery, of het ontdekken van procesmodellen uit event logs, (ii) compliance checking, of het opvolgen en vergelijken van de ontdekte procesmodellen met de onderliggende event logs en (iii) enhancement, of het verbeteren van de processen. Event logs zijn het startpunt van een process mining-project en zijn samengesteld uit gegevens die verzameld worden door informatiesystemen zoals enterprise resource planning systems. Elke rij in een event log beschrijft een bepaalde gebeurtenis in het proces, zoals de start van het inboeken van een bepaalde factuur door een bepaalde medewerker, of het moment waarop een bepaalde taak wordt afgehandeld voor een specifieke klant. Een breed gamma aan algoritmes werd reeds ontwikkeld om procesmodellen te creëren op basis van event logs maar deze algoritmes zijn meestal gebaseerd op parameters en veronderstellingen die door de procesanalist gekozen worden om de analyse te vereenvoudigen. Aangezien de modellen die gebouwd worden aan de hand van deze algoritmes daardoor mogelijk te specifiek of te algemeen zijn om het werkelijke gedrag in een bedrijfsproces te weerspiegelen, omvat de definitie van process mining in dit proefschrift ook het ophalen van kennis uit event logs zonder de nood aan een tussenliggend procesmodel. Gezien het potentieel van process mining in het domein van operational excellence is verder onderzoek rond dit topic vereist. Bestaande onderzoeksinspanningen lijken bovendien beperkt en het is in de huidige literatuur ook niet altijd duidelijk hoe bestaande technieken gebruikt worden om de analyse en optimalisatie van bedrijfsprocesprestaties te ondersteunen. Bestaande operational excellence-technieken vereisen dus meer data-gebaseerde analyses om meer objectieve en effectieve beslissingen te kunnen nemen. Process mining is een veelbelovend domein om deze technieken te ondersteunen, maar is nog te vaak gericht op het creëren van procesmodellen. Daarom behandelt dit proefschrift twee doelstellingen om na te gaan hoe process mining kan toegepast worden op bedrijfsprocessen om bestaande operational excellence-technieken te ondersteunen. De eerste doelstelling omvat het onderzoek van het huidige probleem om zo een overzicht te creëren van de vereisten van het artefact dat nodig is om het probleem op te lossen. Hiertoe wordt eerst een literatuurstudie uitgevoerd van zowel operational excellence als van bestaande onderzoeksinspanningen van process mining in het domein van operational excellence. De bevindingen uit dit literatuuroverzicht worden vervolgens aangevuld met de bevindingen uit een lijst van interviews met bedrijfsexperten om na te gaan of de vereisten en behoeften bevestigd worden door ervaringsdeskundigen. Op basis van de vereisten van het gewenste artefact wordt de tweede doelstelling van dit proefschrift uitgevoerd, waarin het gewenste artefact daadwerkelijk ontwikkeld wordt. Uit het probleemonderzoek op basis van literatuur en bedrijfsexperten blijkt dat er nood is aan een lijst van metrieken die rechtstreeks gebruik maken van de gegevens in een event log, zonder tussenliggend procesmodel. De lijst van inzichten die uit een event log geleerd kunnen worden, ter ondersteuning van het verbeteren van de prestaties van een bedrijfsproces, omvat elementen zoals de identificatie van verspilling, herhaling, batchverwerking, variantie en activiteiten die geen waarde toevoegen aan het proces. De metrieken die ontwikkeld worden in dit proefschrift spelen in op deze elementen en geven bijgevolg inzicht in de prestaties van een bedrijfsproces. Bovendien blijkt uit het onderzoek dat de gewenste metrieken op verschillende analyseniveaus nodig zijn, en dat niet enkel de metriek duidelijk en onbetwistbaar omschreven moet worden, maar ook de achterliggende berekeningen en de vereisten van de onderliggende data. Ten slotte benadrukken de bedrijfsexperten dat een geschikte visuele ondersteuning van de metrieken een meerwaarde zou betekenen voor de analyse van de processen. Vertrekkende van deze vereisten, wordt een lijst van op event log data-gebaseerde metrieken voorgesteld, welke een bedrijf inzicht geven in het gedrag in een event log. De voorgestelde metrieken zijn gestructureerd op basis van twee categorieën van procesprestatiemaatstaven waarop gefocust moet worden in een bedrijfsprocesverbeteringsproject. Deze categorieën zijn tijd en structuur. De metrieken kunnen berekend worden op verschillende analyseniveaus, zoals het logniveau, caseniveau, traceniveau, activiteitniveau, resourceniveau en op het niveau van specifieke resource-activiteitcombinaties. Bovendien spelen ze in op verschillende aspecten van operational excellence zoals batchverwerking, vermindering van verspilling, herhaling en het verwijderen van activiteiten die geen waarde toevoegen. Ten slotte kunnen de voorgestelde metrieken ook op een objectieve manier ingezet worden om verschillende event logs met elkaar te vergelijken op vlak van verschillende aspecten van procesprestaties. De metrieken bezorgen procesanalisten dus een beeld van het huidige procesgedrag en zijn bovendien allemaal geïmplementeerd in het R-pakket edeaR, waardoor ze eenvoudig toepasbaar zijn op elke event log. Om de metrieken waardevoller en toegankelijker te maken voor mensen uit het bedrijfsleven, is bovendien een dashboard met visualisaties van elke metriek ontwikkeld en voorgesteld. Naast de visualisaties bevat het dashboard ook filters om meer specifieke analyses uit te voeren en zo meer inzicht te krijgen in verschillende aspecten van de bedrijfsprocessen. De metrieken van de tijdsdimensie meten de doorlooptijd, de daadwerkelijke verwerkingstijd en de wachttijd op verschillende analyseniveaus om inzicht te krijgen in bijvoorbeeld de duur van de cases en activiteiten. Op basis van deze statistieken kunnen aanvullende operational excellence-concepten zoals het aantal openstaande cases en knelpunten in een bedrijfsproces worden berekend. Variabiliteit is gedefinieerd als een van de belangrijkste oorzaken van verspilling binnen een bedrijfsproces, aangezien het ervoor zorgt dat een proces afwijkt van het gewenste gedrag. Aangezien variabiliteit of ongestructureerd gedrag echter niet altijd geëlimineerd moet worden, is het belangrijk dat een organisatie leert welke soorten van ongestructureerd gedrag voorkomen in het proces dat men analyseert. Om hierin meer inzicht te krijgen, worden verschillende klassen van metrieken ontwikkeld met betrekking tot de structuur van bedrijfsprocessen, nl. variantie-, herhalings-, en organisatorische- of resourcegerelateerde metrieken. De metrieken omtrent variantie omvatten metingen voor het berekenen van onder andere het aantal en de lengte van traces, de aanwezigheid van start- en eindactiviteiten in het proces en de trace coverage in een bedrijfsproces. Herhalingsmetrieken berekenen het aantal keer dat bepaalde activiteiten herhaald worden binnen eenzelfde case, door dezelfde of door een andere resource. Er wordt ook een onderscheid gemaakt tussen self-loops waarbij de activiteiten die herhaald worden meteen op elkaar volgen, en repetitions, waarbij de uitvoering van een andere activiteit plaatsvindt tussen de voorkomens van de activiteit die herhaald wordt binnen een case. Deze metrieken omtrent herhalingen geven organisaties een inzicht in welke activiteiten herhaaldelijk worden uitgevoerd, welke resources betrokken zijn bij deze herhalingen en hoe vaak de activiteiten herhaald worden wanneer ze zich voordoen in een self-loop of repetition. De organisatorische metrieken die in dit proefschrift ontwikkeld worden, hebben betrekking op de verschillende aspecten van het procesgedrag met betrekking tot de resources, die worden gedefinieerd als de werknemers die in het proces werken, of de softwaresystemen of machines die activiteiten uitvoeren. Deze metrieken berekenen de frequentie waarop resources activiteiten uitvoeren binnen het proces, de betrokkenheid van de resources in het proces en de specialisatie van de resources. Opnieuw kunnen deze metrieken op verschillende analyseniveaus uitgevoerd worden en kunnen ze organisaties ondersteunen om bijvoorbeeld een overzicht te krijgen van de kennisdeling binnen het proces of voor het toewijzen van werknemers aan taken. Inzicht krijgen in het gedrag van resources en de hoeveelheid tijd die ze "verspillen" binnen een proces kan erg interessant zijn voor bedrijven die hun bedrijfsprocessen wensen te optimaliseren. Gerelateerd hieraan zijn de metrieken omtrent batchverwerking, waarbij resources activiteiten uitvoeren van twee of meerdere cases op hetzelfde of bijna hetzelfde moment. Hiertoe worden ten eerste drie types van batchverwerking gedefinieerd en geformaliseerd in dit proefschrift. Op basis van deze definities wordt vervolgens een algoritme ontwikkeld om kennis over batchverwerking te verzamelen uit event logs. Indien bepaalde cases voldoen aan de voorwaarden van een bepaald batchverwerkingstype, groepeert het algoritme ze in een set. Deze sets van cases worden vervolgens gebruikt om de grootte van de batch te berekenen en om batchverwerkingsmetrieken te berekenen, zoals de duur en de wachttijd van activiteiten in een batch. Deze metrieken en het algoritme worden geëvalueerd op zowel artificiële als op event logs van reële bedrijfsprocessen. Na het ontwikkelen van de metrieken volgens de vooropgestelde vereisten, omvat de evaluatiefase de evaluatie van de metrieken met betrekking tot deze vereisten. Alle metrieken worden toegepast op zowel een artificiële event log als op een event log van een reëel bedrijfsproces van een Belgisch nutsbedrijf. Uit deze toepassing kan geconcludeerd worden dat de voorgestelde metrieken een duidelijk beeld geven van het huidige procesgedrag, zonder de nood aan of de invloed van onderliggende algoritmes of assumpties. Bovendien kan uit deze analyse afgeleid worden dat verschillende groepen van event logs gemakkelijker en correcter vergeleken en geanalyseerd kunnen worden, zowel over de tijd heen als op basis van bepaalde caseattributen zoals de regio of de vestiging van de organisatie. Daarnaast laat de case study ook zien dat de toegepaste metrieken enkele belangrijke operational excellence-principes ondersteunen. Eerst en vooral worden verschillende principes van lean management omtrent verspillingvermindering ondersteund met de metrieken. Metrieken zoals de doorlooptijd of metrieken met betrekking tot herhaling geven de organisatie inzicht in welke stappen in het proces en welke eigenschappen van producten of diensten waarde toevoegen, en welke geïdentificeerd kunnen worden als verspilling. Daarnaast kunnen onderbrekingen of knelpunten in het proces verminderd worden door de activiteiten die geen waarde toevoegen, zoals herhalingen of batchverwerking, te verwijderen. Een ander principe van lean management dat ondersteund wordt, is het streven naar perfectie en continue verbetering, aangezien de toepassing van de metrieken eenvoudig herhaalbaar is door de organisatie. Omdat de meeste bestaande lean managementtechnieken eerder kwalitatief zijn, zijn de gepresenteerde metrieken een waardevolle kwantitatieve en objectieve aanvulling op de bestaande technieken. De metrieken met betrekking tot het aantal procesvarianten of traces en de herhalingsmetrieken zijn voorbeelden van metrieken die de Six Sigma-filosofie ondersteunen, door de focus op de vermindering van variabiliteit in bedrijfsprocessen waardoor gebreken en fouten geminimaliseerd worden. Ook de resourcemetrieken die de variantie van resources meten, zijn gericht op de optimalisatie van de werklast en de specialisatie van resources door te analyseren waar variantie plaatsvindt. De voorgestelde metrieken zijn echter slechts methoden om het gedrag in event logs te analyseren. Ze bieden een objectieve analyse van bedrijfsprocessen, maar ze leveren niet de bijhorende interpretatie voor de procesanalisten. Deze interpretaties, en de resulterende verbeterstappen die genomen kunnen worden om de variantie en verspilling te verminderen en zodoende het proces te verbeteren, zijn stappen die de organisaties zelf moeten nemen op basis van de geleverde analyses in dit proefschrift.
URI: http://hdl.handle.net/1942/25565
Category: T1
Type: Theses and Dissertations
Appears in Collections: PhD theses
Research publications

Files in This Item:

Description SizeFormat
N/A3.19 MBAdobe PDF

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.