Eine heutige Fertigung und die damit verbundenen Prozesse unterliegen einem ständigen Wandel. Seien es neue Produkte, der Austausch einer Maschine oder lediglich die Umgestaltung der Produktion – viele Ursachen führen dazu, dass eine Fertigung immer wieder neu gestaltet werden muss.
Gleichzeitig ist es aber aus wirtschaftlichen Gesichtspunkten wichtig, die Prozesse zu kennen und Schwachstellen aufzudecken, um effizient zu arbeiten und Qualität sicherzustellen.
Was ist Process Mining und wo liegen seine Herausforderungen?
Diesem Thema widmet sich das immer populärer werdende Gebiet des Process Minings. Das Ziel ist es, aus den Daten, die ein Produktionssystem generiert, automatisch das zugehörige Geschäftsprozessmodell zu generieren. So werden ähnlich zum verwandten Data Mining aus den großen Datenströmen prozessbasierte Informationen abgeleitet. Die Vorteile liegen auf der Hand: man entdeckt die wahren Prozesse im Unternehmen und nicht nur diejenigen, die der Prozessmanager in einem Meeting modelliert hat. Außerdem können die Prozesse mit diesen Informationen und weiteren Indikatoren zur Prozessgüte auf Schwachstellen analysiert werden.
Hierfür muss natürlich die Datengrundlage (das sogenannte Event-Log) gewissen Standards genügen und zumindest die folgenden Punkte enthalten:
- Was wurde gemacht?
- Wann wurde es gemacht?
- Für welchen Auftrag wurde es gemacht?
| Zeit | Aufgabe | Auftrag | Bearbeiter |
|---|---|---|---|
| 12-02-2020-11-37-56 | Beginn Endmontage | IS-2193 | Monteur1 |
| 12-02-2020-11-51-44 | Ende Endmontage | IS-2193 | Monteur1 |
So sieht der Event Log aus. Er beinhaltet Zeitstempel, Bezug zu Auftrag und die durchgeführte Tätigkeit. Diese Informationen können um beliebilge Spalten erweitert werden, je nachdem welche Frage analysiert werden soll. Der Event Log bildet den Input und die Grundlage für jeden Process Mining Algorithmus.
Quelle: titan Projekt Creative Commons CCBY-SA4.0
Genau hier liegt die größte Herausforderung von Process Mining. Die Daten, die ein Produktionssystem generiert, sind nicht standardisiert, nicht alle Arbeitsschritte werden technisch erfasst und nicht alle Informationsquellen können einbezogen werden. Die Folge ist massive manuelle Nacharbeit und die damit einhergehende Unschärfe der Ergebnisse. So muss zum Beispiel bei einem fehlenden Zeitstempel ein chronologisch korrekter Zeitpunkt geraten werden, eine spätere zeitliche Analyse wird damit aber unbrauchbar. Außerdem wird Process Mining hauptsächlich rückwirkend für vergangene Zeiträume durchgeführt. Das Potential von der Prozessinformationen wird so nicht ausgeschöpft.
Unser Ziel: ein automatisch generiertes Prozessmodell, das den realen Prozess abbildet.
Process Mining ohne Prgrammieren
An dieser Stelle kommt nun titan ins Spiel. Mit einem Flow können verschiedene Informationsquellen integriert und miteinander verbunden werden. Dies könnte beispielsweise ein MES (Manufacturing Execution System) oder ein ERP (Enterprise Resource Planning) System sein. Es können aber auch individuell integrierte Sensoren einbezogen werden. Ein Arbeitsplatz, dessen Tätigkeiten bisher nicht erfasst wurden, kann somit modular mit einem Barcode-Scanner oder RFID Sensor ausgestattet werden. Durch unseren No-Code-Ansatz ist die konkrete Umsetzung schnell austauschbar und erweiterbar. Man würde lediglich vorhandene Bricks mit neuer Adresse in den Flow einbinden. Die starken Änderungen, denen eine Fertigung zwangsläufig unterliegt, können also mit geringem Änderungsaufwand auch in den Flow einbezogen werden. Das Ergebnis ist also eine perfekt aufgearbeitete Ereignis-Datenbank (sogenanntes Event-Log), die es Process Mining ermöglicht, automatisch ein Prozessmodell zu generieren.
Neben der Datenaufarbeitung für eine spätere Analyse und dem Finden von Verbesserungsmöglichkeiten bietet Process Mining aber auch noch einen weiteren praktischen Nutzen. Wenn einmal ein Prozessmodell vorliegt, kann nun für einen neu abgeschlossenen Auftrag überprüft werden, inwiefern dieser dem Standard-Ablauf entspricht oder wo besonders große Abweichungen auftreten (sogenanntes Conformance Checking).
Auch hier kann die leichte Anpassungsfähigkeit und Individualisierbarkeit von titan helfen. Man kann sich vorstellen, dass einzelne Verantwortliche benachrichtigt werden möchten, wenn sich rausstellt, dass zu viele Aufträge abweichend von der Norm bearbeitet werden. Diese Alarme, Benachrichtigungen und Fragestellungen sind aber eben auch sehr firmenindividuell. Je nach Schwellwerten, Parametern oder Aktionen müssen für die Weiterverarbeitung der Auswertung die Bricks nur angepasst und neu verbunden werden.
Schlussendlich adressiert titan auch ein gravierendes Problem der personenbezogenen Daten. Grundsätzlich ist bei der Prozessanalyse interessant, wie lange welche Arbeitsstelle an welchem Auftrag gearbeitet hat. Aus diesen Daten lassen sich aber schnell Rückschlüsse auf die Produktivität einzelner Mitarbeiter ziehen. In manchen Fällen mag dies erwünscht sein, z.B. um in Echtzeit Überlastungen festzustellen und schnell entgegenwirken zu können. Diese Daten sollten allerdings nicht zur späteren Performance-Bewertung zweckentfremdet werden. Hier kann titan durch einzelne Anonymisierungs-Bricks an genau den richtigen Stellen dafür sorgen, dass personenbezogene Daten abgeschnitten werden und gar nicht erst weitergeleitet und gespeichert werden. Auch hier sind die Anforderungen sehr individuell je Firma und Prozess. Titan ermöglicht es, in den Dialog mit Betriebsrat und Datenschützern zu gehen und deren Anforderungen selbst mit dem No-Code Ansatz gerecht zu werden.
Anpassbare Datenauswertung in Echtzeit
Eine Fertigung und die damit verbundenen Prozess unterliegen ständigem Wandel. Gleichzeitig ist es aber wichtig, die Prozesse zu kennen und zu verbessern. Die Werkzeuge des Process Mining können verschiedenste Fragen rund um Prozesse beantworten, brauchen dafür aber eine gute Datenbasis.
Titan bietet mit seinem No-Code-Ansatz die Möglichkeit individuell und vor allem anpassbar die Daten zu sammeln und bereitzustellen. Die Wiederverwendbarkeit von Bricks ermöglicht es, dies sehr wirtschaftlich und effizient zu tun. Die Datenzusammenstellung wird sich immer ändern, seien es neue Zusammenhänge, die analysiert werden sollen oder einfach neue manuelle Arbeitsplätze, die eingebunden werden sollen. Der Schlüssel zum Erfolg mit Process Mining ist ein anpassbares Auswerten der Daten in Echtzeit.
In diesem Sinne möchte ich mit einem Zitat vom Process Mining Papst Will Van der Aalst schließen: