Slimmer werken,
blije klanten

Process Mining en Lean Six Sigma

Process Mining

Process Mining is een tool die Lean Six Sigma kan versterken en data sneller kan verwerken en analyseren. In deze blog leggen wij uit hoe Process Mining het elke procesverbeteraar gemakkelijker kan maken en waarom de software (nog) niet op grote schaal wordt gebruikt.

Lean Six Sigma

In Lean Six Sigma werken wij met de DMAIC-structuur. Door deze structuur aan te houden kun je continu verbeteringen doorvoeren. Maar het blijft wel ingewikkeld om een juiste balans tussen datagedreven en persoonsgedreven oplossingen te vinden. Je wilt werknemers nooit volledig uit het verbeteringsproces halen, het is wel van belang dat verandering ook op werkelijke feiten gebaseerd zijn. En hier kan de data die aanwezig is in de organisatie bij helpen. In veel procesverbeteringen wordt al meer gebruik gemaakt van data en analytics. Dit komt voornamelijk door de grote hoeveelheid data die wij tot onze beschikking hebben. Doordat (bijna) al onze bedrijfsprocessen gedigitaliseerd zijn, is er aanzienlijk meer data beschikbaar. Zowel de activiteiten als de ‘timestaps’ (de tijd en datum van een bepaalde activiteit) worden namelijk gelogd in de logboeken. Process Mining kan deze data eenvoudig analyseren en ons een gedetailleerd inzicht in de waardestroom van een proces geven.

Wat is Process Mining?

Process Mining is een software die het verloop van processen kan visualiseren en analyseren. Dit gebeurt met de data die is opgeslagen in de logboeken, waardoor je inzicht krijgt in hoe een proces werkelijk loopt in plaats van hoe het zou horen te lopen (de ‘happy flow’). Er wordt vooraf altijd een ideaal proces opgesteld zonder verstoringen, maar in de werkelijkheid wordt dit nooit behaald. Met Process Mining kun je overzichtelijk in kaart brengen hoe het gangbare proces eruitziet en wat de afwijkingen zijn ten opzichte van deze ‘happy flow’. Hierdoor krijg je een realistischere blik op de processen binnen je organisatie. Deze verstoringen kunnen betrekking hebben op tijd, resultaat, defecten of volgorde. Op deze manier laat je de data het verhaal vertellen in plaats van de onderbuikgevoelens van managers of ervaringen van werknemers.

Process Mining en Lean Six Sigma

Process Mining wordt vaak ingezet als een op zichzelf staande analyse tool, het is effectiever om het te combineren met Lean Six Sigma. Dat komt omdat Process Mining in principe geen structuur heeft wat betreft implementeren en controleren. Dit kan het lastig maken om verbeteringen werkelijk door te voeren. Aangezien Lean Six Sigma wel over zo’n structuur beschikt, is het zeer geschikt om Process Mining als aanvulling op deze methodiek te gebruiken.

Met Process Mining wordt het mogelijk om eenvoudiger en sneller verstoring op te sporen. Process Mining kan het werkelijke proces visualiseren, waardoor bottlenecks of verspillingen opgespoord kunnen worden in termen van tijd, defecten en volgorde.

DMAIC-structuur

Wanneer we Process Mining vanuit de DMAIC-structuur bekijken dan zien in elke fase (Define, Measure, Analyse, Improve en Control) een rol is weggelegd voor de software. Toch is er één fase waarvoor Process Mining de grootste toegevoegde waarde heeft: de analysefase. In deze fase is de data die Process Mining analyseert namelijk erg nuttig. Met deze data kunnen eenvoudig verstoringen, ongewenste uitkomsten of onnodige stappen zichtbaar worden, en dit met slechts één druk op de knop. Op deze manier standaardiseer je de analysefase van Lean Six Sigma en kun je de doorlooptijd van deze fase met wel 60% verkorten. Daarnaast verhoog je de kwaliteit ook nog eens. Want wat geeft nou meer waardevolle informatie dan gedetailleerde opgeslagen data? Doordat problemen aangewezen zijn weet je waar verbeter mogelijkheden zitten. Vervolgens kun je de aangepaste processen ook eenvoudig (kort) cyclisch monitoren om zo te analyseren of ze nu wel effectief opgesteld zijn. Op deze manier zie je of het proces naar behoren presteert of dat er nog verdere verbeteringen doorgevoerd moeten worden.

DMAIC

Waarom ken ik Process Mining nog niet?

Het zou goed kunnen dat je nog nooit (of nog maar weinig) van Process Mining hebt gehoord. Of dat je twijfelt of het wel geschikt is voor jouw organisatie. Om hier meer duidelijkheid in te scheppen zetten we de voor- en nadelen op een rijtje voor je.

Voordelen van Process Mining

1. Reduceren van fouten: Voorheen waren analyses vaak nog afhankelijk van bijvoorbeeld het geheugen van werknemers, van hun ervaringen of interpretaties. Het geheugen is hierin helaas niet toereikend genoeg en ervaringen of interpretaties niet objectief genoeg. Dit betekent ook dat hier nog (te) vaak fouten in worden gemaakt. De analyses die worden uitgevoerd door de software zijn echter wel objectief en volgen altijd de feiten. Het is hierbij wel van belang dat de aanwezige data van goede kwaliteit is voordat aan de dataverzameling begonnen wordt.
2. Het verkorten van de looptijd van een project: De analysefase was vaak een langdurig project. Er moesten veel interviews afgenomen worden met werknemers en veel observaties worden gehouden. Door Process Mining te gebruiken kun je de duur van de analysefase met wel 60% verkorten.
3. Het visualiseren van processen: Het handige van deze tool is dat het een duidelijk visueel overzicht geeft van het werkelijke verloop van een proces. In bewegende beelden is te zien hoe een proces loopt, welke stappen er worden genomen, wat de volgorde is, hoelang bepaalde handelingen duren, etc. Dit maakt het makkelijk om problemen meteen op te sporen en het maakt de presentatie naar het management overzichtelijk.

Nadelen van Process Mining

1. Slechte kwaliteit van data maakt de software onbruikbaar: Als de analyse van de software nuttig zijn dan is het wel van belang dat de data aan bepaalde voorwaarden voldoet. Als deze data niet aanwezig is dan valt het gebruik van de software eigenlijk meteen af.
2. Het ontsluiten van data: Zodra je de data hebt, druk je slechts één knop in en Process Mining analyseert het voor je. Maar er gaat helaas wel veel tijd (en energie) zitten in het ontsluiten van de juiste data uit de logboeken en uit de verschillende systemen.
3. De systeemdata is niet voldoende: Veel data wordt vastgelegd in de logboeken maar helaas niet alles. Dingen die bijvoorbeeld niet op een computer ingevoerd worden kunnen wel van groot belang zijn voor het proces. Hierover is dan geen data te vinden. Het is van belang om deze activiteiten met behulp van een waardestroomanalyse in kaart te brengen. Laat dus niet alleen de cijfers het verhaal leiden, maar luister ook naar het verhaal achter deze cijfers.

Veel organisaties die zijn begonnen met Process Mining vinden het ontsluiten van de juiste data de grootste uitdaging. Vaak is data gefragmenteerd en opgeslagen in veel verschillende systemen wat het verzamelen hiervan ingewikkeld en frustrerend maakt. Laat dit geen reden zijn om niet aan Process Mining te beginnen! Wij kunnen je hierbij helpen. Heb je hier interesse in? Bekijk ons trainingsaanbod dan eens of neem contact met ons op voor overige vragen.

 

Ook interessant:

Process Mining en RPA: een helpende hand

Process Mining: dé hulp bij procesbeschrijvingen

Process Mining: eigenlijk voor elke branche


Source image:  linkedin.com 
Facebook
YOUTUBE
LinkedIn

Sponsored post_1200x420

Verbeteren met Lean? Lees meer over o.a. Lean tools en tips mét praktische voorbeelden waarmee je vandaag al kunt starten!
Download gratis