ارزیابی فرایندکاوی در کشف مدل فرایندهای نیمه اتوماتیک صنعت بانکداری (مورد مطالعه فرایند صدور ضمانت نامه بانکی)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانش آموخته دوره دکتری تحقیق در عملیات، گروه مدیریت صنعتی ، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس

2 استاد گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس

3 دانشار گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس

4 استادیار موسسه آموزش عالی بانکداری

چکیده

امروزه عملکرد فرایندی یکی از عوامل کلیدی موفقیت در فضای رقابتی حاکم بر صنعت بانکداری تلقی میشود. تا
کنون رویکردهای مختلفی با هدف شناخت و بهبود فرایندها ارائه شده است. فرایندکاوی یکی از رویکردهای جدید
و مبتنی بر فناوری اطلاعات است که در پی شناسایی و بهبود مدل بالفعل فرایند است. علیرغم توسعه نظری حوزه
فرایندکاوی، پژوهشهای کمتری به مقوله کاربرد فرایندکاوی در شرایط دنیای واقعی و ارزیابی عملکرد الگوریتم-
های کاوش پرداختهاند. در پژوهش حاضر کارایی فرایندکاوی و به طور خاص الگوریتم کاوش فازی در کشف
مدل فرایندهای نیمه اتوماتیک بررسی شده است. برای اجرای پروژه فرایندکاوی از متدولوژی PM2 استفاده شد.
البته تغییراتی در گامهای اول و پنجم متدولوژی مذکور ایجاد شد. در گام اول به منظور حصول اطمینان از جامعیت
مدل، دادههای دستی و سیستمی مربوط به فرایند مورد مطالعه با هم ترکیب شد و قبل از اجرای فرایندکاوی سطح
جزئیات مدل بر اساس نظرات صاحبان فرایند تنظیم شد. پس از تبدیل فایل یکپارچه شده دادهها به لاگ رویدادها،
مدل فرایند به کمک نرمافزار ProM و با استفاده از الگوریتم کاوش فازی کشف شد. استفاده از دادههایی که به
صورت دستی ثبت شدهاند میتواند نتایج فرایندکاوی را تحت تاثیر قرار دهد لذا در گام اعتبارسنجی علاوه بر معیار
رایج سنجش انطباق معیار جدیدی با عنوان معیار اعتبارسنجی خبره محور تعریف شد که مقدار آن برای مدل کشف
93 درصد بدست آمد. نتایج پژوهش نشان میدهد امکان استفاده از الگوریتم / شده فرایند مورد مطالعه برابر با 5
کاوش فازی در شرایط نیمه اتوماتیک بودن فرایند نیز وجود دارد

کلیدواژه‌ها


عنوان مقاله [English]

Mining Process Evaluation in Discovering the Semi-Automatic Processes of the Banking Industry (the case: Bank guarantee issuance process)

نویسندگان [English]

  • Khadije Mostafaee Dolatabad 1
  • Adel Azar 2
  • Abbas Moghbel 3
  • Koorosh Parvizian 4
چکیده [English]

Nowadays the process performance is a key success factor in the competitive environment of banking industry. Various approaches have been proposed to identify and improve processes. Process mining is a new process management approach which is supposed to discover and improve the actual process model based on information technology. Despite of the theoretical development, authors have paid less attention to process mining applicability. In this paper applicability of the Fuzzy Miner algorithm of process mining to semi-automatic processes is investigated. We used PM2 methodology with some changes at the first and the fifth step to discover a semi-automated process model. At the first step manual and system data is combined and the desired detail level is determined by process owners. Then the model is discovered by means of Fuzzy Miner algorithm through ProM tool. As the manual data could affect the discovered model adversely so besides conformance checking criteria a new expert based criteria is proposed to validate the model. The expert validation criteria is equal to 87.2 percent for the discovered model of the selected process which means process mining could be applied to semi-automated processes successfully

کلیدواژه‌ها [English]

  • Process Mining
  • Fuzzy Miner
  • Process Model Discovery
  • Banking Industry
-          Agrawal  R., D. Gunopulos, F. Leymann.1998. Mining process models from workflow logs. Sixth International Conference on Extending Database Technology: 469–483.
-          Alves de Medeiros A.K., A.J.M.M. Weijters and W.M.P. van der Aalst.2007. Genetic process mining: an experimental evaluation, Data Mining and Knowledge Discovery 14(2) : 245–304.
-          Bozkaya, M., J. Gabriels, J. Werf. 2009. Process Diagnostics: a Method Based on Process Mining. In: Information, Process, and Knowledge Management. International Conference on IEEE:22–27
-          Cho M., M. Song, S. Yoo, A systematic methodology for outpatient process analysis based on process mining, in: Asia Pacific Business Process Management, Springer, 2014, pp. 31–42
-          De Weerdt, J., A. Schupp, A.Vanderloock, and B. Baesens.2013. Process Mining for the multi-faceted analysis of business processes—A case study in a financial services organization. Computers in Industry 64(1): 57-67.
-       Giuseppe, C., Valerio, M., Teresa, M., & Carmela, S. L. .2014. A Simulation Approach in Process Mining Conformance Analysis. The Introduction of a Brand New BPMN Element. IERI Procedia6: 45-51.‏
-      Goedertier S., J. De Weerdt, D. Martens, J. Vanthienen and B. Baesens.2011. Process discovery in event logs: an application in the telecom industry. Applied Soft Computing 11 (2) : 1697–1710.
-    Günther, C. W., and W. M. Van Der Aalst. 2007. Fuzzy mining–adaptive process simplification based on multi-perspective metrics. Springer Berlin Heidelberg. In Business Process Management : 328-343
-          Jans M., J.M. van der Werf, N. Lybaert and K. Vanhoof.2011. A business Process mining application for internal transaction fraud mitigation, Expert Systems with Applications 38 (10) : 13351–13359.
-          Kim E. , S. Kim, M. Song, S. Kim, D. Yoo, H. Hwang, S. Yoo.2013. Discovery of outpatient care process of a tertiary university hospital using process mining, Healthcare Inform. Res. 19 (1) :42–49.
-          Kingsley O., H.T Abdel-Rahman, U. Naeema, R. Bashrousha, and E. Lamineb.2014. A Semantic Rule-Based Approach Supported by Process Mining for Personalised Adaptive Learning, Procedia Computer Science 37. 203 – 210
-    Ku¨ng, P., C. Hagen. 2007. The fruits of Business Process Management: an experience report from a Swiss bank, Business Process Management Journal 13(4): 477-487 
-          Lee, S. K., B. Kim, M. Huh, S. Cho, S. Park, & D. Lee.2013. Mining transportation logs for understanding the after-assembly block manufacturing process in the shipbuilding industry. Expert Systems with Applications40(1): 83-95.‏
-          Mans R.S., H. Schonenberg, M. Song, W.M.P. van der Aalst and P.J.M. Bakker.2008. Application of process mining in healthcare—a case study in a Dutch hospital, in: A.L.N.Fred, J. Filipe, H. Gamboa (Eds.), BIOSTEC (Selected Papers). Communications in Computer and Information Science25: 425–438.
-          Maruster, L., Weijters, A. T., Van der Aalst, W. W., & van den Bosch, A..2002. Process mining: Discovering direct successors in process logs. In Discovery Science (pp. 364-373). Springer Berlin Heidelberg
-          Park S. and Y.S. Kang.2016. A Study of Process Mining-based Business Process Innovation. Procedia Computer Science 91:734 – 74
-          Partington, A., Wynn, M., Suriadi, S., Ouyang, C., & Karnon, J. (2015). Process mining for clinical processes: a comparative analysis of four Australian hospitals. ACM Transactions on Management Information Systems (TMIS)5(4):19.‏
-          Rebuge A. and D.R. Ferreira.2012. Business process analysis in healthcare environments: a methodology based on process mining, Information Systems 37 (2) :99–116.
-          Rozinat, A., & van der Aalst, W. M..2008. Conformance checking of processes based on monitoring real behavior. Information Systems33(1), 64-95.
-          Rovania M., Maggi F. M., M. de Leoni,W.M.P. van der Aalst. 2015. Declarative process mining in health care.Expert Systems With Applications 42 : 9236–9251
-          Rozinat A., I.S.M. de Jong, C.W. Gunther, and W.M.P. van der Aalst.2009. Process mining applied to the test process of wafer scanners in ASML. IEEE Trans. On System., Man, and Cybernetics, Part C, 39(4):474 -479.
-          Sedrakyan G., J. De Weerdt and M. Snoeck.2016. Process-mining enabled feedback: “Tell me what I did wrong” vs. “tell me how to do it right”.  Computers in Human Behavior 57 : 352-376
-          Suriadi, S., Wynn, M. T., Ouyang, C., ter Hofstede, A. H., & van Dijk, N. J. 2013. Understanding process behaviours in a large insurance company in Australia: A case study. In International Conference on Advanced Information Systems Engineering: 449-464. Springer Berlin Heidelberg.‏
-    Turner, C. J., A.Tiwari, R. Olaiya, and Y. Xu. 2012. Process mining: from theory to practice. Business Process Management Journal18(3): 493-512.
-    Tiwari, A., C. J.Turner, and B. Majeed. 2008. A review of business process mining: state-of-the-art and future trends. Business Process Management Journal14(1): 5-22.
-    Valle, A.M., E.A.P. Santos, and E.R. Loures.2017.  Applying process mining techniques in software process appraisals. Information and Software Technology 87: 19–31
-          Van Der Aalst, W.M. 2011. Process mining: discovery, conformance and enhancement of business processes. Springer- Verlag, Berlin.
-    Van Der Aalst, W.M, A.Adriansyah, , A. K. A. de Medeiros, F. Arcieri, T. Baier, T. Blickle, , ... and A. Burattin.2012. Process mining manifesto. In Business process management workshops. Springer Berlin Heidelberg: 169-194
-    Van der Aalst, W. M., H. A. Reijers, A. J. Weijters, B. F. van Dongen, A. A. De Medeiros, M. Song, and H. M. W. Verbeek. 2007. Business process mining: An industrial application. Information Systems 32(5): 713-732.
-    Van Eck, M. L., X. Lu, S. J. Leemans, and W. M. Van der Aalst. 2015. PM2: A Process Mining Project Methodology. In Advanced Information Systems Engineering : 297-313.
-          Van der Aalst W.M.P., H.A. Reijers, A.J.M.M. Weijters, B.F. van Dongen, A.K. Alves de Medeiros, M. Song and H.M.W. Verbeek.2011 Business process mining: an industrial application, Information Systems 32 (5) : 713–732.
-          Van der Aalst W.M.P., M.H. Schonenberg, M. Song.2011 Time prediction based on process mining, Information Systems 36 (2) : 450–475.
-          Weijters, A.J.M.M. and W.M.P. Van der Aalst.2003.Rediscovering workflow models from event-based data using little thumb. Integrated Computer-Aided Engineering 10: 151-62.
-    Xia, J. 2010. Automatic Determination of Graph Simplification Parameter Values for Fuzzy Miner. Eindhoven University of Technology. Netherlands.