通过过程挖掘和数字化转型在工业4.0中释放运营卓越

介绍

无论行业如何，数字技术在组织中越来越受欢迎，以实现业务成果、收入增长和可持续性的改进。通过促进更好的协作和业务流程的优化，数字化可以提高任何组织中员工的生产力和产出质量。然而，通常存在一个理解组织中使用的业务流程和改进当前结果的关键参数之间的差距。因此，了解企业行为的“如何”和“为什么”对于改善其经济绩效至关重要，但许多公司往往难以付诸行动，因为他们不确定从何处开始。与此同时，显然，没有软件工具的使用，无法制定或执行转型战略。因此，本文的目的是指导读者在实施业务流程管理（BPM）计划时的技术和功能方面，辅以过程挖掘工具。本文提供了一个详细的指南，介绍了将现代数字技术引入业务运营的各个方面。它涵盖了BPM、数字化和过程挖掘在实现运营卓越（OpEx）方面的重要性。本文还讨论了实施这些工具所需的基础设施和信息技术（IT）要求。

1. 过程挖掘作为BPM的催化剂

过程挖掘[1]是一种结构化方法，将过程科学和数据科学相结合，用于衡量和改进BPM。它提供了对组织中执行的活动进行详细分析的能力，以创建一个端到端的流程图，说明业务应用程序的使用方式以及员工如何与其交互以完成工作。过程挖掘是一个多学科领域，通常与工作流管理（WFM）技术结合使用，如图1所示。

它是一种基于知识的方法，涉及使用数据挖掘接口收集信息并深入了解当前（AS-IS）的端到端流程。通过研究在共同平台上托管的软件中的事件日志和用户交互，可以了解组织内部的工作方式，这是过程挖掘的关键要素。因此，收集的数据还可以用于开发未来（TO-BE）期望的流程模型，以促进业务流程改进（BPI）和业务流程再造（BPR）。过程挖掘工具采用各种数据科学技术，如分类、聚类、回归、关联规则学习和序列/事件挖掘，为典型的工作流生成洞察。然而，事件日志挖掘是大多数工具使用的最常见技术，它涉及分析工作流中特定活动的详细信息，以创建端到端流程的综合模型。过程挖掘技术的不同组成部分[2]可以通过图2中的块图来可视化。

过程挖掘涉及三种主要技术：过程发现、过程符合和过程增强。过程发现使用事件日志或历史数据通过无监督学习收集过程信息。过程符合利用预先存在的过程模型比较日志并通过监督学习重构完整的过程，而过程增强则在发现事件日志后利用先前的知识改进现有过程。然而，需要注意的是，在发现阶段，过程挖掘容易出现概念漂移[3]问题，因为过程的性质会发生变化。在使用过程发现技术时，保持模型过于简单（欠拟合）或过于复杂（过拟合）之间的平衡非常重要[3]。幸运的是，大多数过程挖掘工具都内置了自动处理这个问题的算法，因此通常不需要手动干预。商业过程挖掘工具使用过程图或类似意大利面条的图表来可视化流程流动。图3中显示的一个采购到付款流程的示例[4]说明了过程挖掘工具如何使用事件日志来识别工作流的有限状态并揭示变化，即不同员工执行相同的流程的方式。这些变化反过来可以提供洞察，帮助组织节省成本、培训员工、减少交付延迟，并制定有效的BPI和质量监控策略，如计划-执行-检查-行动（PDCA）、定义-测量-分析-改进-控制（DMAIC）、八项纪律方法（8D）、4个象限-测量、分析、改进和保持（4Q）等，以实现运营卓越。

在组织的各个职能中实施BPM严重依赖于采用数字技术并减少员工之间的数字鸿沟。在工业4.0的背景下，BPM、OpEx和数字采用之间的相互关系变得越来越重要。有效实施BPM战略并在员工之间弥合数字鸿沟的组织将实现提高效率、降低生产成本、提升客户满意度等目标，在市场上获得竞争优势。因此，一个可靠的BPM战略必须与有效的数字化技术相结合，如下一节所讨论的。

2. BPM的数字化转型技术

数字化转型[5]在21世纪获得了显著的流行，它指的是组织内各个业务单元的数字整合水平。转型通常涉及实施数字技术以增强客户价值主张、简化业务策略和工作流程，并建立标准化流程。服务提供商，如PaaS [6]和SaaS [6]，提供了一系列选择，允许组织托管和集成来自多个软件系统的数据，这对于数字化转型至关重要。为了推动使用运营技术（OT）、云技术（CT）和IT的组织的数字化转型，数字资产管理起着关键作用。资产管理涉及从数字资产和软件系统（如OT网络、工业控制系统（ICS）或监控和数据采集（SCADA）系统）收集信息，并相应地采取行动。当IT与OT结合并同时使用时，称为IT/OT融合[7]，这是OT启用组织的数字技术采用的主要推动因素，也是操作数据转型的催化剂。在生产环境中，OT层负责与数据生成层进行接口。IT-OT-CT融合系统的块图如图4所示。

通过研究各种软件系统和平台之间的交互作用，可以更深入地了解数据如何从多个来源转换为分析操作，例如工业物联网（IIoT）[8]环境，这构成了工业4.0的基础。图5说明了在IIoT环境中典型的IT-OT融合系统的互连和数字化。

因此，要有效地重新设计已建立的流程并引导员工的努力，重要的是了解不同业务应用程序在组织中的使用方式。能够实现相同功能的软件必须能够“挖掘”与所使用应用程序相关的事件日志和用户交互。从技术角度来说，该工具应能够与不同的数据库无缝交互，而无需安装额外的数据库驱动程序或硬件，因此它应具备与各种软件系统的开放数据库连接（ODBC）[9]层持续通信的能力，以交换数据。ODBC提供了应用程序和数据源之间的标准接口，允许过程挖掘软件或工具与不同的数据库管理系统（DBMS）建立连接。图6显示了通用的ODBC架构，它是跨组织进行过程挖掘所需的数据检索基础设施和IT要求的基础。

通过ODBC访问数据的架构由四个层组成，应用层调用ODBC API（应用程序编程接口）函数发出SQL（结构化查询语言）查询并检索数据。设备管理器加载ODBC驱动程序并将函数调用指向ODBC接口，而驱动程序则帮助从源中检索数据。

为了做出有效的业务决策，必须从多个资源（如ERP（企业资源计划）系统、像Oracle数据库或SAP系统这样的财务存储库，或者来自传感器和变送器等数字资产）收集数据，并通过ODBC层将其注入到共享平台中，以进行事件日志挖掘和用户交互模式分析。然而，这些连接的系统容易受到网络攻击的威胁，因此网络安全和加密通信协议[10]对于保护数据源和平台之间的数据交换至关重要。

结论：

总之，在工业4.0领域，过程挖掘与数字转型之间的协作是成功的业务流程管理的推动力。过程挖掘能够剖析流程并揭示见解，与IT-OT融合和安全数据交换等数字转型技术相结合，使组织能够简化工作流程，做出明智的决策，并实现运营卓越。这种协同作用使企业能够适应不断变化的环境，提高效率，并在数字时代保持竞争优势。

参考文献：

1. van der Aalst, W.M.P., “Process Mining: A 360 Degree Overview” in: Process Mining Handbook. Lecture Notes in Business Information Processing ed. van der Aalst, W.M.P., Carmona, J. (UK, Springer, Cham., 2022), 3–34, https://doi.org/10.1007/978-3-031-08848-3_1

2. Jambak MI, Mohruni AS, Jambak MI, Suherman E, “The process mining method approach to analyze users’ behavior of internet in the Local Area Network of Sriwijaya University”, SINERGI 6, no.2 (June 2022):145–154, https://doi.org/10.22441/sinergi.2022.2.003

3. Leewis, Sam; Berkhout, Matthijs; and Smit, Koen, “Future Challenges in Decision Mining at Governmental Institutions” (paper presentation, AMCIS 2020 Proceedings 6, Advances in Information Systems Research, Salt Lake City, Utah, 2020)

4. Wil van der Aalst, “European leadership in process management”, Communications of the ACM 65, no. 4 (April 2022): 80–83, https://doi.org/10.1145/3511595

5. P. V. M. V. D. Udovita, “Conceptual Review on Dimensions of Digital Transformation in Modern Era”, International Journal of Scientific and Research Publications 10, no.2 (February 2020):520–529, http://dx.doi.org/10.29322/IJSRP.10.02.2020.p9873

6. Tóth, A., & Ge, M., “A Deployable Data as a Service Architecture for Enterprises” (paper presentation, 6th International Conference on Internet of Things, Big Data and Security, IoTBDS, Setubal, Portugal, April 23–25, 2021)

7. M. Felser, M. Rentschler, O. Kleineberg, “Coexistence Standardization of Operation Technology and Information Technology”, Proceedings of the IEEE 107, no. 6 (March 2019):962–976, https://doi.org/10.1109/JPROC.2019.2901314

8. Soujanya Mantravadi, Reto Schnyder, Charles Møller, Thomas Ditlev Brunoe, “Securing IT/OT Links for Low Power IIoT Devices: Design Considerations for Industry 4.0”, IEEE Access 8, (November 2020):200305–200321, https://doi.org/10.1109/ACCESS.2020.3035963

9. Alexander Baklanov, Olga Baklanova, Svetlana Grigoryeva, Saule Kumargazhanova, Indira Sagynganova, Yuriy Vais, “The Development of Hybrid IP Architecture for Solving the Problems of Heating Networks”, Acta Polytechnica Hungarica 17, no.1 (2020): 123–140, https://doi.org/10.12700/aph.17.1.2020.1.7

10. Dhirani, L.L., Armstrong, E.; Newe, T., “工业物联网、网络威胁和标准景观：评估和路线图”, Sensors 21, no. 11 (2021):3901, https://doi.org/10.3390/s21113901