Process Mining: l’importanza del dato

Se è vero che il contesto nel quale opera un Supply Chain Manager è soggetto a continui cambiamenti, diventa decisivo essere capaci di reagire in tempi rapidi. Per questo nelle aziende si è rafforzata sempre più l’esigenza di intercettare nel minor tempo possibile le inefficienze nei processi di Supply Chain, così da poter intervenire tempestivamente con azioni mirate al miglioramento delle prestazioni.

Il process management è un’attività fortemente time consuming poiché vede il coinvolgimento di numerosi stakeholder e una serie di step necessari alla creazione, all’indagine e alla validazione del modello.

L’obiettivo del Process Mining è proprio quello di supportare l’analisi dei processi, utilizzando le informazioni intrinseche nei dati raccolti dai sistemi informativi aziendali.

Process Mining – Cosa è?

Il process mining è una metodologia data-driven che permette di estrarre informazioni dal dato: sfruttando specifici algoritmi si può ottenere una mappatura dettagliata dei processi aziendali e le metriche che li caratterizzano.

Il dato deve essere raccolto in uno specifico formato che prende il nome di log degli eventi e può essere estratto dai vari sistemi informativi aziendali come ad esempio ERP o MES.

Ad esempio, immaginando di voler analizzare i processi produttivi di un’azienda, estraendo gli avanzamenti registrati grazie al MES e utilizzando il process mining, è possibile mappare i flussi di materiale e valutare quantitativamente eventuali colli di bottiglia e inefficienze all’interno del processo produttivo.

Process Mining – Come funziona?

L’applicazione della metodologia del process mining si articola attraverso una serie di step mirati alla costruzione della mappatura dei processi e alla sua analisi.

1. Estrazione dei dati

Il primo passo del Process Mining è l’estrazione dei dati. Questa fase prevede la raccolta di informazioni provenienti da diverse fonti aziendali, come sistemi ERP, registrazioni di eventi, transazioni e database. Seguendo l’esempio precedente, gli avanzamenti di produzione potrebbero essere una fonte dati preziosa. Cambiando contesto, la serie di visite ed esami strumentali svolti da un paziente durante la propria permanenza in un pronto soccorso sono un altro esempio di set di dati utili per l’applicazione del process mining.

I dati, infatti, costituiscono la materia prima essenziale per l’analisi successiva.

2. Preparazione dei dati

I dati estratti nello step precedente devono essere preparati per poter essere processati dagli algoritmi di Process Mining sottoforma di event log. Questa fase può pertanto includere operazioni di omogeneizzazione, normalizzazione e pulizia outlier.

3. Applicazione degli algoritmi di Process Mining e generazione della mappatura

In questa fase, gli algoritmi analizzano l’event log e generano diagrammi di flusso, mappe di processo e grafici interattivi. Queste rappresentazioni visive forniscono una panoramica delle attività aziendali, evidenziando le relazioni e le connessioni esistenti.

4. Analisi dei processi

Gli algoritmi di Process Mining, oltre a fornire un’indicazione grafica dei processi e delle loro relazioni, riportano anche metriche chiave per la comprensione delle performance, quali tempi di attraversamento, frequenza delle attività e deviazioni.

In questa fase è quindi possibile approfondire come i processi stiano influendo sulle prestazioni aziendali (es: individuazione bottleneck) e identificare deviazioni rispetto al processo ideale.

Riprendendo l’esempio degli avanzamenti di produzione, è possibile in questa fase capire in quale parte del processo produttivo si possono creare buffer indesiderati e se una specifica risorsa risulta particolarmente critica per il Lead Time di attraversamento.

5. Validazione

La validazione del modello ottenuto con gli step precedenti costituisce un passo essenziale per garantire l’affidabilità e la precisione delle analisi ottenute. Questo step vede il coinvolgimento del team di progetto e degli stakeholder chiave esperti del processo, che possono fornire un feedback fondamentale riguardo l’analisi svolta.

6. Monitoraggio continuo

Il monitoraggio continuo – nel contesto del Process Mining – entra in gioco per garantire che il modello rimanga allineato alle dinamiche aziendali. Il processo si basa sull’aggiornamento in tempo reale dei dati provenienti dalle attività aziendali, consentendo una visione sempre attuale dei flussi di lavoro. Questo step assicura la validità del modello nel tempo e crea le condizioni per intercettare tempestivamente situazioni critiche, guidando il miglioramento dei processi.

Process Mining – Vantaggi competitivi e punti di attenzione

L’utilizzo della metodologia del Process Mining consente agli analisti di avere una visione obiettiva e dettagliata delle attività aziendali basandosi sui dati reali, registrati durante le operazioni quotidiane. Inoltre, a differenza dei metodi tradizionali non dipende, almeno nelle fasi iniziali, da interviste agli stakeholder, documentazione e osservazione diretta: il coinvolgimento degli esperti del processo avviene solamente nella fase di validazione del modello. Questo consente di ridurre notevolmente il tempo necessario per effettuare una corretta mappatura.

Infine, il Process Mining è in grado di rilevare deviazioni e variazioni nei processi in tempo reale, consentendo un monitoraggio continuo e un adattamento dinamico alle mutevoli condizioni aziendali.

Tuttavia, ogni medaglia ha il suo rovescio e anche il Process Mining non è totalmente privo di sfide: la dipendenza dai dati può risultare limitante se gli stessi non sono consistenti. La presenza di dati non accurati o la disponibilità limitata di informazioni possono influenzare in modo determinante i risultati del Process Mining e l’intero processo di analisi.

Process Mining e simulazione

Il Process Mining può essere applicato stand alone ai processi aziendali, come descritto fin qui: il suo contributo aiuterà l’analisi as-is e consentirà di individuare in maniera puntuale e quantitativa le inefficienze all’interno della supply chain.

Ulteriore valore può essere generato integrando le informazioni ricavate da un’analisi Process Mining con un modello di simulazione (per saperne di più si consigliano gli articoli dedicati al Digital Twin presenti sul nostro sito “Digital Twin: le repliche virtuali in aiuto al mondo reale” e “Digital Twin, raccomandazioni per l’uso”): in questo modo è possibile effettuare valutazioni di scenario, simulando appunto il comportamento del modello al variare di alcuni parametri che rappresentano gli interventi migliorativi e le modifiche applicabili ai processi aziendali.

La mappatura e le metriche ricavate con il Process Mining possono quindi fungere da base per la costruzione di un modello di simulazione. Pensando all’esempio del pronto soccorso, grazie al Process Mining si potrà costruire il diagramma di flusso dei pazienti che attraversano gli step del processo – quali triage, visite, esami strumentali – e per ognuno di essi si avranno informazioni sul numero di volte in cui vengono eseguiti, sulla durata in termini di tempi medi e distribuzioni statistiche: tutti elementi fondamentali per la costruzione di un modello che rappresenti significativamente la realtà. E dal quale partire per migliorarla in modo concreto.

Con un uso combinato di Process Mining e simulazione è pertanto possibile ottenere un processo continuo di monitoraggio delle prestazioni e testare in tempi brevi gli effetti delle modifiche applicandole al modello di simulazione, dando un forte contributo alle attività di process management.