Data-assisted value stream mapping with process mining : a case study
Majaniemi, Markus (2021)
Diplomityö
Majaniemi, Markus
2021
School of Engineering Science, Tuotantotalous
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2021110153156
https://urn.fi/URN:NBN:fi-fe2021110153156
Tiivistelmä
As different organizations are embracing several data analytics methods in an increasing manner, process mining has emerged as an area that aims to combine machine learning and data mining with traditional process modeling. This thesis presents a method to leverage process mining in the creation of value stream maps, process models that are commonly used in process analysis. The applicability of the presented data-assisted VSM method to increase transparency of a processes and to discover development opportunities is evaluated by conducting a case study on a delivery process. The possibilities of using process mining techniques to enable further process development are also explored.
The first part of the thesis introduces the essentials of process mining and lean thinking to create a sufficient understanding of the subject to the reader. The second part presents the case study where required data for process mining is gathered from the case companies ERP system and is then derived into a value stream map with the use of a process mining tool. Finally, the potential of further utilization of process mining techniques with this method is demonstrated with an illustrative future state map.
It is established that the proposed method is very useful for creating a current state value stream map and for increasing transparency of a process. This is achieved with relatively little effort through process discovery after required data is gathered. It is argued that the use of additional process mining techniques or other process improvement methods are required to truly discover development opportunities and to plan any detailed improvements. The data collection and transformation is recognized as the most time consuming phase for projects of this nature. It is established that data driven projects can be accelerated by focusing on data quality and availability in the organization. Eri organisaatioiden omaksuessa lukuisia data-analytiikkaa hyödyntäviä menetelmiä kasvavissa määrin, on koneoppimista ja tiedonlouhintaa tavanomaisen prosessimallinnuksen kanssa yhdistelevä prosessilouhinta noussut esiin uutena alana. Tässä diplomityössä esitellään menetelmä, joka hyödyntää prosessilouhintaa prosessianalyysissa yleisesti käytetyn arvovirtakuvauksen luomisessa. Tämän data-avusteisen arvovirtakuvausmenetelmän soveltuvuutta prosessin läpinäkyvyyden parantamiseen ja kehitysmahdollisuuksien tunnistamiseen arvioidaan toimitusprosessille tehtävän case-tutkimuksen avulla. Työssä tutustuaan myös prosessilouhintatekniikoiden käyttöön pidemmälle viedyn prosessikehityksen mahdollistajana.
Työn ensimmäissessa osassa lukijalle luodaan riittävä ymmärrys aiheesta esittelemällä prosessilouhinnan ja lean ajattelun perusteet. Työn toisessa osassa esitellään case-tutkimus, jossa prosessilouhintaan tarvittava data kerätään case-yrityksen toiminnanohjausjärjestelmästä ja johdetaan arvovirtakartaksi prosessilouhintatyökalun avulla. Lopuksi prosessilouhintatekniikoiden laajemman hyödyntämisen potentiaalia havainnollistetaan tavoitetilaa kuvaavan arvovirtakartan avulla.
Työn tulokset osoittavat, että esitetty menetelmä soveltuu todella hyvin nykytilaa kuvaavan arvovirtakartan luomiseen ja prosessin läpinäkyvyyden parantamiseen. Kun tarvittava data on saatu kerättyä, on prosessimallin luominen työssä käytetyn prosessilouhintatekniikan avulla suhteellisen vaivatonta. Muidenkin prosessilouhintatekniikoiden tai toisten prosessikehitysmenetelmien käytön todetaan kuitenkin olevan tarpeen, jotta prosessin kehitysmahdollisuuksia voidaan todella tunnistaa ja täsmällisiä kehitystoimenpiteitä suunnitella. Datan keräämisen ja transformoinnin tunnistettiin olevan eniten aikaa vievä työvaihe tämänkaltaisissa menetelmissä. Datavetoisten projektien vauhdittamiseksi organisaatioiden ehdotetaan panostavan datan laatuun ja saatavuuteen.
The first part of the thesis introduces the essentials of process mining and lean thinking to create a sufficient understanding of the subject to the reader. The second part presents the case study where required data for process mining is gathered from the case companies ERP system and is then derived into a value stream map with the use of a process mining tool. Finally, the potential of further utilization of process mining techniques with this method is demonstrated with an illustrative future state map.
It is established that the proposed method is very useful for creating a current state value stream map and for increasing transparency of a process. This is achieved with relatively little effort through process discovery after required data is gathered. It is argued that the use of additional process mining techniques or other process improvement methods are required to truly discover development opportunities and to plan any detailed improvements. The data collection and transformation is recognized as the most time consuming phase for projects of this nature. It is established that data driven projects can be accelerated by focusing on data quality and availability in the organization.
Työn ensimmäissessa osassa lukijalle luodaan riittävä ymmärrys aiheesta esittelemällä prosessilouhinnan ja lean ajattelun perusteet. Työn toisessa osassa esitellään case-tutkimus, jossa prosessilouhintaan tarvittava data kerätään case-yrityksen toiminnanohjausjärjestelmästä ja johdetaan arvovirtakartaksi prosessilouhintatyökalun avulla. Lopuksi prosessilouhintatekniikoiden laajemman hyödyntämisen potentiaalia havainnollistetaan tavoitetilaa kuvaavan arvovirtakartan avulla.
Työn tulokset osoittavat, että esitetty menetelmä soveltuu todella hyvin nykytilaa kuvaavan arvovirtakartan luomiseen ja prosessin läpinäkyvyyden parantamiseen. Kun tarvittava data on saatu kerättyä, on prosessimallin luominen työssä käytetyn prosessilouhintatekniikan avulla suhteellisen vaivatonta. Muidenkin prosessilouhintatekniikoiden tai toisten prosessikehitysmenetelmien käytön todetaan kuitenkin olevan tarpeen, jotta prosessin kehitysmahdollisuuksia voidaan todella tunnistaa ja täsmällisiä kehitystoimenpiteitä suunnitella. Datan keräämisen ja transformoinnin tunnistettiin olevan eniten aikaa vievä työvaihe tämänkaltaisissa menetelmissä. Datavetoisten projektien vauhdittamiseksi organisaatioiden ehdotetaan panostavan datan laatuun ja saatavuuteen.