Стрельников В.С., Бондарев В.А.
ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ТЕХНОЛОГИИ ПРОЦЕССНОЙ АНАЛИТИКИ ДЛЯ ИНФОРМАЦИОННЫХ СИСТЕМ ПРЕДПРИЯТИЙ *
Аннотация:
в современных условиях не самая простая задача обнаружить недостатки в деятельности компании, особенно, когда речь идет о крупном предприятии, где ежедневно выполняется большое количество операций. В статье рассматривается технология Process Mining и её возможности для использования в предприятиях различных сфер деятельности
Ключевые слова:
моделирование бизнес-процессов, процессная аналитика, интеллектуальный анализ бизнес-процессов, бизнес-процессы
УДК 004.9
Стрельников В.С.
аспирант
Ростовский государственный университет путей и сообщения
(г. Ростов-на-Дону, Россия)
Бондарев В.А.
аспирант
Ростовский государственный университет путей и сообщения
(г. Ростов-на-Дону, Россия)
ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ
ТЕХНОЛОГИИ ПРОЦЕССНОЙ АНАЛИТИКИ
ДЛЯ ИНФОРМАЦИОННЫХ СИСТЕМ ПРЕДПРИЯТИЙ
Аннотация: в современных условиях не самая простая задача обнаружить недостатки в деятельности компании, особенно, когда речь идет о крупном предприятии, где ежедневно выполняется большое количество операций. В статье рассматривается технология Process Mining и её возможности для использования в предприятиях различных сфер деятельности.
Ключевые слова: моделирование бизнес-процессов, процессная аналитика, интеллектуальный анализ бизнес-процессов, бизнес-процессы.
В нашем мире, когда существующий мировой порядок все больше расшатывается из-за соперничества крупнейших мировых держав, таких как США, Россия, Китай и др., региональных конфликтов по всему земному шару, глобального изменения климата и активного появления новых технологий, стратегическая стабильность оказалась под угрозой. Существенное влияние на происходимые процессы оказывает активное внедрение во все отрасли жизни IT технологий.
Не самая простая задача сегодня, обнаружить недостатки в деятельности компании, особенно, когда речь идет о крупном предприятии, где ежедневно выполняется большое количество операций в рамках бизнес-процессов. На качество и продуктивность могут влиять много факторов, обнаружить которые без применения IT-технологий не представляется возможным. Существует ряд методов и подходов, которые предназначены для анализа и усовершенствования процессов в бизнес-процессах на основании изучения системных данных о выполненных операциях. Один из таких — это процессная аналитика (Process mining). Использование этого метода, как инструмента выявления ошибок и недочетов, дает хорошие результаты.
Объектом исследования является технология для визуализации внутренних бизнес-процессов предприятия для их анализа и дальнейшей оптимизации.
Целью настоящего исследования является углубленное изучение технологии для непрерывного построения карт бизнес-процессов на основе системных данных для дальнейшей разработки методов и моделей процессной аналитики для информационных систем.
Процессная аналитика — это технология, которая объединяет в себя анализ, моделирование и контроль бизнес-процессов. Он призван заменить ручное описание и анализ бизнес-процессов, где было много недочетов, ошибок, человеческого фактора на автоматизированное. Его цель — превратить данные о событиях в идеи и действия.
Основа этого метода — журналы событий ИС, поэтому он является неотъемлемой частью науки о данных. Доступность данных способствует возможности улучшать процессы.
Для понимания этой технологии рассмотрим так называемый жизненный цикл BPM. Жизненный цикл описывает различные фазы управления конкретным бизнес-процессом.
На этапе проектирования разрабатывается бизнес-процесс. Далее на этапе настройки/внедрения модель трансформируется в отлаженную, работающую систему. Однако, если данная модель уже находится в отлаженной, работающей форме, а также работает система WFM или BPM, то этот этап может быть очень коротким. Если модель нестандартная и ее необходимо привести к обычному программному обеспечению, тогда этот этап может занять значительное время. После того, как разработанные процессы запущены в работу, начинается фаза принятия/мониторинга. На этом этапе осуществляется контроль заказчика, чтобы увидеть, нужны ли какие-либо изменения. Изменения также могут вносится на этапе корректировки. На этом этапе сам процесс не изменяется и новое программное обеспечение не создается; только определенные элементы управления используются для адаптации или изменения конфигурации процесса. На этапе диагностики/требований происходит оценка процесса и отслеживаются возникающие условия из-за изменений в среде процесса (например, изменение политики, законов, конкуренции). Важно, что низкая производительность или новые требования, которые могут быть предьявлены средой, могут вызвать новую итерацию жизненного цикла BPM, начиная с фазы редизайна.
Модели процессов играют доминирующую роль на этапах проектирования и конфигурации/реализации, тогда как данные играют доминирующую роль на этапах принятия/мониторинга и диагностики требований.
Еще недавно было очень мало связей между данными, полученными в результате использования бизнес-процесса и дизайном данного процесса. Фактически, в большинстве организаций этап диагностики/требований не контролируется на постоянной основе. Только возникшие серьезные проблемы или внешние изменения смогут вызвать новую итерацию жизненного цикла. Фактически, информация, полученная в ходе работы текущего процесса, не рассматривается при принятии решений о модернизации данного процесса. Обозреваемый метод позволяет «замкнуть» жизненный цикл BPM. Данные, собранные информационными системами, можно использовать для улучшения реальных процессов, т.е. можно провести анализ отклонений и провести качественную модернизацию моделей.
Процессная аналитика — это относительно новая исследовательская отрасль, которая располагается между автоматизированным обучением и интеллектуальным анализом данных, с одной стороны, и моделированием, и контролем процессов, с другой. Идея интеллектуального анализа процессов заключается в обнаружении и улучшении реальных процессов путем извлечения информации из журналов событий в современных системах.
Этот метод устанавливает связи между реальными процессами и их данными, с одной стороны, и моделями процессов, с другой. Цифровая и физическая вселенные становятся более упорядоченными. Современные информационные системы регистрируют огромное количество событий. Классические системы WFM (например, Staffware, COSA), системы BPM (например, BPM one, SmartBPM), системы ERP (например, SAP Business Suite, Oracle E -Business Suite), системы PDM (например, Windchill), системы CRM (например, Microsoft Dynamics CRM, SalesForce), промежуточное ПО (например, IBM WebSphere и Cordys Business Operations Platform) и информационные системы больниц (например, Chipsoft, Siemens Soarian) предоставляют подробную информацию о выполненных мероприятиях. Все упомянутые выше PAIS напрямую предоставляют журналы событий. Однако большинство информационных систем хранят такую информацию в неструктурированной форме, например, данные о событиях разбросаны по множеству таблиц или должны быть получены из подсистем, обменивающихся сообщениями. В таких случаях данные о событиях существуют, но требуются некоторые усилия для их извлечения. Извлечение этих данных является неотъемлемой частью любого процесса интеллектуального анализа данных.
Данный метод аналитики невозможно представить без журналов событий. Сейчас рассмотрим информацию, которая должна содержаться в журналах событий. В зависимости от используемой технологии добычи данных эта информация может различаться. Задача состоит в том, чтобы извлечь такие данные из различных источников данных, например, баз данных, плоских файлов, журналов сообщений, журналов транзакций, систем ERP и систем управления документами. При слиянии и извлечении данных важную роль играют синтаксис и семантика. Более того, в зависимости от вопросов, на которые человек пытается ответить, необходимы разные взгляды на имеющиеся данные.
Журналы событий используются для проведения следующих типов анализа процессов.
Первый тип — это открытие. Метод обнаружения использует журнал событий и создает модель без использования какой-либо априорной информации. Примером может служить α-алгоритм. Этот алгоритм берет журнал событий и создает сеть Петри, объясняющую поведение, записанное в журнале. Например, при наличии достаточного количества примеров выполнения процесса, α-алгоритм может автоматически построить сеть Петри без использования каких-либо дополнительных знаний. Если журнал событий содержит информацию о ресурсах, можно также обнаружить связанные с ресурсами модели, например, социальную сеть, показывающую, как люди работают вместе в организации.
Второй тип — это конформность. Здесь существующая модель процесса сравнивается с журналом событий того же процесса. Проверка соответствия может использоваться для проверки того, соответствует ли реальность, записанная в журнале, модели и наоборот. Например, может существовать модель процесса, указывающая, что заказы на закупку на сумму более одного миллиона евро требуют двух проверок. Анализ журнала событий покажет, соблюдается это правило или нет. Другой пример - проверка так называемого принципа «четырех глаз», согласно которому определенные действия не должны выполняться одним и тем же лицом. Сканируя журнал событий с использованием модели, определяющей эти требования, можно обнаружить потенциальные случаи мошенничества. Следовательно, проверка соответствия может использоваться для обнаружения, локализации и объяснения отклонений, а также для измерения серьезности этих отклонений.
Третий тип — это улучшение. Здесь идея состоит в том, чтобы расширить или улучшить существующую модель процесса, используя информацию о фактическом процессе, записанную в некотором журнале событий. В то время как проверка соответствия измеряет соответствие между моделью и реальностью, этот третий тип анализа процессов направлен на изменение или расширение априорной модели. Один из видов улучшения — это ремонт, то есть изменение модели для лучшего отражения реальности. Например, если два действия моделируются последовательно, но в действительности могут происходить в любом порядке, то модель может быть скорректирована, чтобы отразить это. Другой тип усовершенствования — это расширение, то есть добавление новой перспективы в модель процесса путем взаимной корреляции ее с журналом. Примером может служить расширение модели процесса данными о производительности.
В большинстве примеров предполагается, что работа процессов выполняется в автономном режиме, то есть результаты работы данных процессов анализируются впоследствии. Тем не менее, все больше и больше методов интеллектуального анализа данных также могут использоваться в онлайн-настройках. Это называется оперативной поддержкой. Примером может служить обнаружение несоответствия в момент, когда отклонение действительно имеет место. Другим примером является прогнозирование времени для запущенных случаев, то есть для частично выполненного случая оставшееся время обработки оценивается на основе исторической информации о подобных случаях. Это показывает, что «спектр интеллектуального анализа процессов» широк и не ограничивается обнаружением процессов. Фактически, современные методы анализа процессов действительно способны поддерживать весь жизненный цикл BPM.
Заключение
Таким образом, основной целью данной работы являлось изучение технологии Process Mining и её возможностей для использования в предприятиях различных сферах деятельности. В результате исследования были изучены основы метода процессной аналитики также был рассмотрен жизненный цикл BPM.
В результате углубленного изучения технологии выявлено что использование этого метода, как инструмента выявления ошибок и недочетов, дает хорошие результаты. В следствии того, что результатом внедрения этой технологии в анализ процессов в бизнес-процессах происходит замена ручного описания и анализа бизнес-процессов, где было много недочетов и ошибок человеческого фактора на автоматизированное.
СПИСОК ЛИТЕРАТУРЫ:
Wil van der Aalst, Process Mining Discovery, Conformance and Enhancement of Business Processes 2014 - С. 1-25
Wil van der Aalst, Process Mining Data Science in Action Second Edition 2016 - С.163-194
Репин, В.В. Процессный подход к управлению. Моделирование бизнес-процессов / В.В. Репин, В.Г. Елиферов. / М.: «Стандарты и качество». 2013 – С. 164-184
Соколова, К. С. Перспективы использования технологии process mining / К. С. Соколова // Решетневские чтения: Материалы XXV Международной научно-практической конференции, посвященной памяти генерального конструктора ракетно-космических систем академика М.Ф. Решетнева. В 2-х частях, Красноярск, 10–12 ноября 2021 года / Под общей редакцией Ю.Ю. Логинова. – Красноярск: Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева", 2021. – С. 326-327.
Гончаров А. Состояние и перспективы Process Mining в России [Электронный ресурс]. URL: https://www.iksmedia.ru/articles/5613482-Sostoyanie-iperspektivy-Process.html
Strelnikov V.S.
Postgraduate Student
Rostov State University of Railways and Communications
(Rostov-on-Don, Russia)
Bondarev V.A.
Postgraduate Student
Rostov State University of Trains and Communication
(Rostov-on-Don, Russia)
POSSIBILITIES OF USING PROCESS
ANALYTICS TECHNOLOGY
FOR INFORMATION SYSTEMS
Abstract: In today's environment it is not the easiest task to detect flaws in a company's operations, especially when it comes to a large enterprise where a large number of operations are performed daily. The article considers the Process Mining technology and its capabilities for use in enterprises of various spheres of activity.
Keywords: business process modeling, process analytics, intelligent analysis of business processes, business processes.
Номер журнала Вестник науки №4 (49) том 3
Ссылка для цитирования:
Стрельников В.С., Бондарев В.А. ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ТЕХНОЛОГИИ ПРОЦЕССНОЙ АНАЛИТИКИ ДЛЯ ИНФОРМАЦИОННЫХ СИСТЕМ ПРЕДПРИЯТИЙ // Вестник науки №4 (49) том 3. С. 78 - 85. 2022 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/5511 (дата обращения: 25.04.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2022. 16+