Process Mining analyse

Process Mining is een procesanalyse-methode die gericht is op het ontdekken, monitoren en verbeteren van bestaande processen. Dit wordt gedaan door beschikbare “event logs” uit een (informatie)systeem te halen. Process Mining analyse gaat in op de contextuele relaties van processen, het presenteren ervan in de vorm van een grafische analyse om problemen te diagnosticeren en stelt mogelijke aanpassingen voor om de kwaliteit van de procesmodellen te verbeteren.



In dit use case voorbeeld gaan we in op:

  • Wat Vijzelaar Data Solutions kan betekenen voor uw organisatie op het vlak van Process Mining analyse
  • Welke data nodig is voor het uitvoeren van een Process Mining analyse
  • De verschillende vormen van Process Mining analyse
  • De mogelijkheden van Process Mining analyse

Vijzelaar Data Solutions

Het uitvoeren van een Process Mining analyse kan voor bedrijven op verschillende vlakken voor uitdagingen zorgen. Denk bijvoorbeeld aan:

  • Hoe kunnen we event logs uit een systeem halen?
  • Het opschonen van de data (data preprocessing) om een analyse uit te voeren
  • De hoeveelheid data
  • De complexiteit van het proces
  • Het identificeren van afwijkende procespaden
  • Het berekenen van vertraging in een proces

Vijzelaar Data Solutions kan uw bedrijf ondersteunen bij het uitvoeren van een Process Mining analyse. Dit kan in de vorm van een Proof of Concept (PoC) waarbij de potentie van Process Mining analyse voor uw organisatie aangetoond kan worden in een periode van maximaal 2 maanden, of in de vorm van een project waarbij de volledige Process Mining analyse (alle drie hieronder genoemde vormen van Process Mining) wordt uitgevoerd.

Hierbij wordt gebruik gemaakt van Python en andere open source (gratis) software. Door gebruik te maken van Process Mining software en Python kunnen verschillende invalshoeken geanalyseerd worden. In het geval van complexe processen kan daarnaast gebruik gemaakt worden van Machine Learning (bijvoorbeeld Trace Clustering) om het complexe vraagstuk op te delen in behapbare brokken. Ten slotte, door middel van feature engineering (het verrijken van de data) kunnen nieuwe inzichten verkregen worden welke mogelijk relevant zijn voor het definiëren van (nieuwe) KPI's en/of het opstellen van een dashboard.

Data en tooling

Voor het uitvoeren van een Process Mining analyse zijn data en tooling nodig. In het bijzonder, zogenoemde "event logs", ook wel event data genoemd, is nodig om de Process Mining analyse uit te voeren. Event logs bevatten o.a. informatie over activiteiten, het tijdstip waarop de activiteit heeft plaatsgevonden en wie de activiteit heeft uitgevoerd.


Case ID Activity Actor Timestamp
500456 Create Purchase Order Item User_87852 2019-12-04 15:22:49
500456 Send Purchase Order User_87852 2019-12-04 16:01:05
500456 Receive Order Confirmation User_64587 2019-12-05 09:05:47
500456 Record Goods Receipt User_98575 2019-12-18 11:16:16
... ... ... ...

Figuur 1: voorbeeld van een event log


Event log data kan uitgebreid worden met extra kolommen, zogenoemde "features". Enkele voorbeelden van features zijn: type activiteit, de afdeling, de functie van de actor en "tijd" features (dag, maand, jaar, dagdeel). Deze features zorgen er voor dat een Process Mining analyse in delen opgepakt kan worden (bijvoorbeeld per afdeling) maar kunnen ook gebruikt worden om de oorzaak van bijvoorbeeld bottlenecks te identificeren.

Er zijn verschillende applicaties te gebruiken om een Process Mining analyse uit te voeren. De functionaliteit, het type modellen en de gebruiksvriendelijkheid kan enorm verschillen tussen de verschillende applicaties.

Vormen van Process Mining

Globaal zijn er drie vormen van Process Mining analyse te onderscheiden:

  • Process Discovery: Hoe ziet het huidige proces er in werkelijkheid uit?
  • Conformance Analysis: Houden we ons aan wat we vooraf hebben gespecificeerd?
  • Process Enhancement: Hoe kunnen we het proces verbeteren?

Process Discovery

Bij de Process Discovery analyse wordt het werkelijke proces in kaart gebracht. Hierbij wordt gebruik gemaakt van de beschikbare event logs. Het proces wordt grafisch weergegeven in een zogenoemd "procesmodel". Op basis van (diezelfde) event logs kunnen verschillende procesmodellen gegenereerd worden:

  • Bij een te complex procesmodel is het lastig om gestructureerd onderzoek te doen en overzicht te krijgen.
  • Een te eenvoudige weergave van het proces kan interessante afwijkingen verbergen welke juist relevant kunnen zijn bij bijvoorbeeld een audit.

Met behulp van filters kunnen activiteiten wel of niet opgenomen worden in het procesmodel en kunnen daarmee verschillende procesmodellen opgesteld worden.



Figuur 2: Relatie tussen het werkelijke proces en het procesmodel


Er zijn verschillende zogenoemde "Process Discovery algoritmes" beschikbaar om een procesmodel te kunnen opstellen. Process Discovery algoritmes willen een geschikt procesmodel vinden dat de volgorde beschrijft van gebeurtenissen / activiteiten die zijn uitgevoerd tijdens een procesuitvoering. Enkele bekende algoritmes zijn de Alpha Miner, de Heuristics Miner, de Inductive Miner en de Fuzzy Miner.



Figuur 3: Process Discovery algoritmes


Conformance Analysis

Nadat de activiteiten in de event log zijn "geminede" (en daarmee het procesmodel is opgesteld) en van het procesmodel is vastgesteld dat deze van de juiste kwaliteit is, kan het procesmodel gebruikt worden voor het toetsen aan normen. We noemen dit de Conformance Analysis. Hierbij wordt het procesmodel vergeleken met het normatief procesmodel en worden afwijkende paden (activiteiten die elkaar achtereenvolgend hebben gevolgd) geïdentificeerd. Daarnaast kan gecontroleerd worden of de activiteiten in het "geminede" procesmodel voldoen aan de vastgestelde business rules. Een voorbeeld van een business rule kan bijvoorbeeld zijn dat alle Purchase Orders (PO's) boven een bepaald bedrag extra gecontroleerd dienen te worden.


Process Enhancement

Bij de Process Enhancement analyse zal o.a. gekeken worden welke factoren de bottlenecks in het proces beïnvloeden, hoe problemen (vertraging, afwijking) voorspeld kan worden en welke maatregelen getroffen kunnen worden om het proces verder te verbeteren.

Bij deze analyse kan Data Analytics helpen om inzicht te geven in correlaties, patronen en trends en kan Machine Learning gebruikt worden om zaken zoals de doorlooptijd te voorspellen. Daarnaast kan Clustering, een Unsupervised Learning methode (Machine Learning), helpen bij het analyseren van complexe processen. Dit kan gedaan worden door de focus te leggen op homogene groepen die geïdentificeerd kunnen worden door middel van Trace Clustering.

De mogelijkheden in de Process Enhancement fase zijn sterk afhankelijk van het type proces. Hierbij kan een onderscheid gemaakt worden tussen "lasagne processen" (eenvoudige processen) en "spaghetti processen" (complexe processen). Lasagne processen zijn makkelijker te analyseren en bieden bijvoorbeeld ruimte voor Predictive modelling. Aan de andere kant zijn spaghetti processen moeilijker te analyseren maar is de impact van verbetermogelijkheden groter.



Figuur 4: Lasagne processen versus spaghetti processen

Mogelijkheden van Process Mining analyse

Met Process Mining analyse is het mogelijk om problemen te detecteren of diagnosticeren op basis van feiten in plaats van vermoedens of intuïties. Door event logs te verrijken met extra data (features) en een procesmodel op te stellen kan:

  • De compliance gecontroleerd worden. Het procesmodel wat opgesteld is o.b.v. de event logs kan vergeleken worden met het normatief proces.
  • Afwijkingen (in bijvoorbeeld de doorlooptijd) in het proces kunnen gedetecteerd worden. Daarbij kan ook gekeken worden welke activiteiten voor vertraging zorgen in het proces.
  • Indien het niet om een complex proces gaat (d.w.z. een proces met veel verschillende activiteiten) kunnen vertragingen voorspeld worden.
  • De Process Mining analyse kan de besluitvorming binnen het bedrijf ondersteunen. Zo kunnen bijvoorbeeld nieuwe metrics/KPI's gedefinieerd worden en kan er een dashboard opgesteld worden waarbij het proces gemonitord kan worden.
  • Op basis van de Process Mining analyse kunnen er aanbevelingen opgesteld worden t.a.v. proces-herontwerp/verbetering.