Process Mining – wenn aus Daten Informationen werden

Data Mining, das Gewinnen von Informationen aus vorhandenen Daten, wird grundsätzlich in mehreren Schritten durchgeführt. Nach der Datenselektion stellt das Preprocessing einen wesentlichen Schritt da, in welchem die Daten aufbereitet, bereinigt und ergänzt werden, Inkonsistenten bereinigt und Datensätze in das passende Format für die nachfolgende Analyse transformiert werden.

Anschließend erfolgt der Analyseschritt. Sollen beispielsweise sämtliche im ERP bzw. TLS vorliegenden Fertigungs- und Transportsportaufträgen analysiert werde, so bietet sich zur Abbildung der prozessualen Abhängigkeiten ein Sankey Diagramm an, in welchem (Transport-) Abhängigkeiten über Pfeile und (Transport-) Intensitäten über Strichdicken dargestellt werden.

Werden allerdings alle Prozesse und Abhängigkeiten in dem Diagramm dargestellt, so fehlen einem „auf dem ersten Blick“ die Ansätze für mögliche Optimierungen. Erst durch die Reduktion auf häufig genutzte Prozesse und Transporte rücken die bestimmenden Fertigungs- und Transportaufträge in den Fokus (Abbildung: ca. 90% der Prozesse und 80% der Transportbeziehungen). Jetzt lassen sich Kapazitätsengpässe anhand des Auftragsstaus (rote Punkte), durchlaufzeitbestimmende Prozesse sowie kreuzende und rückwärtsgerichtet Materialströme identifizieren.