Verwenden Sie die Ursachenanalyse für Ihre Daten |
Scroll Previous Topic Top Next Topic More |
Die Ursachenanalyse ermöglicht es Ihnen, Gründe für bestimmte Optimierungspotenziale in einzelnen Prozessinstanzen zu finden. Dieses mpmX Modul ist optional, aber wenn es verwendet wird, schaltet es die Analytik im Blatt StartToEnd Lead Time frei.
Die mpmX-Ursachenanalyse (Root Cause Analysis) bietet eine Reihe von 8 Optimierungspotenzialen, die standardmäßig durch die mpmX-Algorithmen abgeleitet werden. Diese sind:
•Low process governance = Prozesse mit einer Prozess-Governance unterhalb eines definierten Schwellenwertes
•Target lead time missed = Prozesse mit einer Durchlaufzeit über oder unter einem definierten Schwellenwert
•Reworked Case = Prozesse, die mindestens eine Nacharbeitsaktivität enthalten
•Target processing time missed = Prozesse mit einer summierten Bearbeitungszeit (Ereignisdauer) über oder unter einem definierten Schwellenwert
•Target idle time missed = Prozesse mit einer summierten Wartezeit über oder unter einem definierten Schwellenwert
•B-Activity Case = Prozesse, die B-Aktivitäten enthalten
•C-Activity Case = Prozesse, die C-Aktivitäten enthalten
•Low automation rate = Prozesse mit einer Automatisierungsrate unter einem bestimmten Schwellenwert.
Darüber hinaus bietet die Ursachenanalyse die Möglichkeit, zu analysieren:
•kritisches Prozessverhalten, das von der Prozessabfrage erkannt wird (siehe Abschnitt QueryBuilder),
•Optimierung möglicher custom lead times (abhängig vom Schwellenwert).
•kundenspezifische Optimierungspotenziale (siehe Abschnitt Wie man eine Ursachenanalyse für individuelle Prozessoptimierungspotenziale durchführt).
Die Durchführung einer Ursachenanalyse in der mpmX Template App erfordert nur fünf einfache Schritte:
1.Gehen Sie auf die Registerkarte Root Cause Analysis.
2.Definieren Sie Dimensionen und Attribute für die Ursachenanalyse, indem Sie die Inline-Tabelle RootCauseAnalysisDimensions anpassen. Diese Dimensionen werden dann mit dem Auftreten von Optimierungspotenzialen verglichen und als Optimierungsziel markiert oder nicht.
a.Legen Sie fest, in welcher Tabelle sich die Dimensionen befinden. Alle Dimensionen, die Sie mit dem RCA prüfen wollen, müssen in einer Tabelle zusammengefasst sein, die die CaseID enthält. Legen Sie die Tabelle mit dieser Variablen fest:
Let RCADimensionTable = 'CaseInformation_$(mvProcessDescription)';
b.Legen Sie fest, welche Dimensionen der zuvor eingestellten Tabelle Sie mit der RCA auswerten wollen. Geben Sie dazu die Feldnamen als Zeilen in die folgende Inline-Tabelle ein:
Die mpmX Template App sieht aus wie das erste Code-Beispiel, die Inline-Tabelle könnte nach dem Ausfüllen wie das folgende Beispiel aus dem Helpdesk-Prozess aussehen. Die mpmX-Ursachenanalyse berücksichtigt nur die Dimensionen in der zuvor angegebenen Tabelle und es ist wichtig, dass diese Tabelle das Feld CaseID enthält.
RootCauseAnalysisDimensions:
load * inline
[ |
DimensionName |
]; |
|
Beispiel Helpdesk:
RootCauseAnalysisDimensions:
load * inline
[ |
DimensionName |
|
TicketType |
|
Customer |
|
Product |
|
Workgroup |
]; |
|
3.Wählen Sie die Standard-Optimierungspotenziale aus, die berücksichtigt werden sollen. Sie erscheinen im Dialogfeld für die Ursachenanalyse auf dem entsprechenden Blatt, das in der nachstehenden Tabelle aufgeführt ist.
Die Standard-Optimierungspotenziale sind in der folgenden Inline-Tabelle aufgeführt. Um sie in die Ursachenanalyse einzubeziehen, setzen Sie die erste Spalte "CalculateInRCA" auf "y" für ja oder "n" für nein.
Nur die erste Spalte mit "y" oder "n" anpassen, aber ansonsten die Einträge in der Inline-Tabelle nicht ändern |
RootCauseAnalysisFlags:
load * inline
[CalculateInRCA, |
FlagName, |
FlagTable, |
ObservationType |
RelatedSheet |
y, |
Low process governance, |
CaseTimes_$(mvProcessDescription), |
CaseID |
Conformance |
y, |
Target lead time missed, |
CaseTimes_$(mvProcessDescription), |
CaseID |
Lead Time |
y, |
Reworked Cases, |
CaseTimes_$(mvProcessDescription), |
CaseID |
Rework |
n, |
Target processing time missed, |
CaseTimes_$(mvProcessDescription), |
CaseID |
Lead Time |
n, |
Target idle time missed, |
CaseTimes_$(mvProcessDescription), |
CaseID |
Lead Time |
y, |
B-Activity Case |
CaseTimes_$(mvProcessDescription), |
CaseID |
Variants |
y, |
C-Activity Case, |
CaseTimes_$(mvProcessDescription), |
CaseID |
Variants |
y, |
Low automation rate, |
CaseTimes_$(mvProcessDescription), |
CaseID |
Automation |
]; |
|
|
|
|
4.Legen Sie den Schwellenwert für die Optimierung von zu schnellen oder zu langsamen Fällen fest
Legen Sie fest, welcher Prozentsatz der Fälle im Hinblick auf das Zeitoptimierungspotenzial analysiert werden soll.
Führen Sie dazu die folgenden Schritte aus:
a)Öffnen Sie die Skript-Reiter "2A. Advanced Customization".
b)Legen Sie einen Wert für die Variable mvPercentageTimeLimit fest, der den Prozentsatz der Fälle angibt, die von der Ursachenanalyse im Hinblick auf die Optimierungspotenziale "verpasste Zeit" analysiert werden.
Set mvPercentageTimeLimit = 0.9;
c)Definieren Sie einen Operator, der angibt, ob die Werte über oder unter dem PercentageTimeLimit liegen sollen. Die möglichen Werte sind "<", "<=","=" und ">=".
Set mvPercentageTimeLimitOperator = <;
5.Legen Sie den Schwellenwert für Optimierungspotenziale der Automatisierungsrate fest
Legen Sie fest, welcher Prozentsatz der Fälle im Hinblick auf das Zeitoptimierungspotenzial analysiert werden soll.
Führen Sie dazu die folgenden Schritte aus:
a)Öffnen Sie die Skript-Reiter "2A. Advanced Customization".
b)Setzen Sie einen Wert für die Variable mvPercentageAutomationRate, der den Prozentsatz der automatisierten Ereignisse angibt, den ein Fall haben muss, um als gut automatisierter Fall eingestuft zu werden. Wenn die Automatisierungsrate für den Fall niedriger ist, wird die Ursachenanalyse den Fall hinsichtlich der "verpassten" Automatisierungspotenziale und deren Kontext analysieren.
Set mvPercentageAutomationRate = 0.5;
6.Legen Sie den Schwellenwert für die Optimierung der Prozesssteuerung fest
Legen Sie fest, welcher Prozentsatz der Fälle im Hinblick auf das Optimierungspotenzial der Prozesssteuerung analysiert werden soll.
a)Öffnen Sie das Skript-Reiter "4. Conformance Checking".
b)Legen Sie den Wert fest, der den maximalen Prozentsatz der Fitness des Happy Paths angibt, der als Optimierungspotenzial betrachtet wird. Der Standardwert ist 80%. In diesem Beispiel werden Fälle mit weniger als 75 % Prozesssteuerung als Optimierungspotenzial betrachtet.
Set mvProcessGovernanceOptimizationThreshold = 0.75;
7.Entscheiden Sie mit dieser Variable, ob Sie möchten, dass die RCA nur Beziehungen zwischen Optimierungspotenzialen und dem Prozesskontext für geschlossene Fälle berechnet. Dies ist z.B. im Hinblick auf Durchlaufzeiten sinnvoll, da offene Prozesse eine deutlich kürzere Durchlaufzeit haben und somit Prozesskontexte, die eine hohe (oder niedrige) Durchlaufzeit auslösen, falsch darstellen könnten. Der Standardwert ist 0, was bedeutet, dass die Beziehung für alle Fälle berechnet wird.
Let mvRCAForFinishedProcessOnly = 0;
8.Optional: Definieren Sie kritische Prozesspfade durch Abfragen, um deren Auftreten zu erklären.
Durch Hinzufügen von Zeilen zu dieser Inline-Tabelle werden Fälle, die der kritischen Prozessvariante folgen, markiert und die Gründe für diese kritische Abweichung aus den Daten extrahiert. Führen Sie dazu die folgenden Schritte durch:
a)Öffnen Sie den mpmX Extension QueryBuilder und definieren Sie eine kritische Prozessabfrage (critical process query).
b)Öffnen Sie den QueryBuilder im edit-Modus und fügen Sie die resultierende Prozessabfrage in die erste Spalte "CriticalPathQuery" ein.
c)Geben Sie dem Problem einen eindeutigen und klaren Namen, da der Name als Problembeschreibung im Frontend der Ursachenanalyse angezeigt wird.
d)Wenn Sie diese Art der Analyse nicht durchführen wollen, löschen Sie einfach die Zeilen aus der Inline-Tabelle.
[CriticalQueries_$(mvProcessDescription)]:
load * inline
[ |
CriticalPathQuery, |
FlagName |
|
0-*102-*104-*99999999 |
Suspicious Path |
]; |
|
|
9.Optional: Erklären Sie zu lange oder zu langsame benutzerdefinierte Durchlaufzeiten (custom lead times) durch die Ursachenanalyse, indem Sie die Variable mvCustomLeadTimeInRCA auf "1" setzen. Wenn Sie diese Variable auf "0" setzen, wird die Ursachenanalyse keine Gründe ableiten, die zu einer extrem hohen oder niedrigen kundenspezifischen Durchlaufzeit geführt haben. Die Optimierungspotenziale verwenden denselben Schwellenwert zur Bestimmung der optimierbaren Fälle wie in Schritt 4.
LET mvCustomLeadTimeInRCA = 1;
10.Zum Schluss wird die mpmX-Ursachenanalyse aufgerufen. Hier brauchen Sie nichts zu ändern.
call mw_perform_root_cause_analysis('$(mvProcessDescription)','$(mvCustomLeadTimeInRCA)','RootCauseAnalysisDimensions','RootCauseAnalysisFlags','$(RCADimensionTable)',SubprocessDefinition_$(mvProcessDescription)');