ການຂຸດຄົ້ນຂະບວນການ (Process Mining)
ວິທີການວິເຄາະບັນທຶກເຫດການ (Event log) ຂອງລະບົບທຸລະກິດ ເພື່ອເຮັດໃຫ້ຂະບວນການເຮັດວຽກຕົວຈິງມີຄວາມຊັດເຈນ ແລະ ປັບປຸງໃຫ້ດີຂຶ້ນ. ເປັນການກວດຫາຈຸດຕິດຂັດ (Bottleneck) ແລະ ຮູບແບບການເຮັດວຽກທີ່ຜິດປົກກະຕິໂດຍອັດຕະໂນມັດ ເພື່ອນຳໄປໃຊ້ໃນການເພີ່ມປະສິດທິພາບການເຮັດວຽກ ແລະ ເສີມສ້າງການປະຕິບັດຕາມກົດລະບຽບ (Compliance).
Process Mining (ການຂຸດຄົ້ນຂະບວນການ) ແມ່ນວິທີການວິເຄາະບັນທຶກເຫດການ (Event Log) ທີ່ຖືກບັນທຶກໄວ້ໃນລະບົບການເຮັດວຽກ ເພື່ອເຮັດໃຫ້ຂະບວນການເຮັດວຽກຕົວຈິງມີຄວາມໂປ່ງໃສ, ວິເຄາະ ແລະ ປັບປຸງໃຫ້ດີຂຶ້ນ. ຈຸດເດັ່ນທີ່ສຳຄັນທີ່ສຸດຄືຄວາມສາມາດໃນການກວດຫາຊ່ອງຫວ່າງລະຫວ່າງຂັ້ນຕອນການເຮັດວຽກທີ່ເໝາະສົມກັບຄວາມເປັນຈິງໄດ້ໂດຍອັດຕະໂນມັດ, ເຊິ່ງຖືກນຳໄປໃຊ້ໃນກິດຈະກຳການປັບປຸງວຽກງານທີ່ຫຼາກຫຼາຍ ຕັ້ງແຕ່ການລະບຸຈຸດຄໍຂວດ (Bottleneck) ໄປຈົນເຖິງການກວດຫາການລະເມີດກົດລະບຽບ (Compliance).
ເປັນຫຍັງ Process Mining ຈຶ່ງໄດ້ຮັບຄວາມສົນໃຈໃນປັດຈຸບັນ?
ໃນການປັບປຸງວຽກງານແບບດັ້ງເດີມ, ວິທີການທີ່ນິຍົມໃຊ້ຄືການສ້າງແຜນຜັງຂະບວນການ (Process Map) ໂດຍອີງໃສ່ການສຳພາດພະນັກງານ ຫຼື ການສັງເກດການດ້ວຍຕົນເອງ. ແນວໃດກໍຕາມ, ວິທີນີ້ມີຂໍ້ຈຳກັດດ້ານໂຄງສ້າງ ເຊັ່ນ: ຄວາມຄິດເຫັນສ່ວນຕົວຂອງຜູ້ປະຕິບັດງານ, ການເບິ່ງເຫັນພຽງແຕ່ຕົວຢ່າງໃນໄລຍະເວລາໃດໜຶ່ງ, ແລະ ມີຕົ້ນທຶນໃນການສຳຫຼວດທີ່ສູງ.
ຜົນຈາກການທີ່ລະບົບການເຮັດວຽກເຊັ່ນ ERP (Enterprise Resource Planning) ແລະ CRM ໄດ້ຮັບຄວາມນິຍົມໃນທົ່ວອົງກອນ, ເຮັດໃຫ້ການປະຕິບັດງານປະຈຳວັນຖືກສະສົມໄວ້ເປັນບັນທຶກເຫດການໂດຍອັດຕະໂນມັດ. Process Mining ໃຊ້ຂໍ້ມູນບັນທຶກເຫຼົ່ານີ້ເປັນ "ຫຼັກຖານ" ເພື່ອເປີດເຜີຍຄວາມເປັນຈິງໂດຍບໍ່ຕ້ອງຜ່ານການເຮັດວຽກຂອງຄົນ. ໃນຊຸມປີມໍ່ໆມານີ້, ການປະສົມປະສານກັບ Generative AI ຍັງຊ່ວຍເພີ່ມຄວາມຖືກຕ້ອງໃນການກວດຫາຄວາມຜິດປົກກະຕິ ແລະ ເຮັດໃຫ້ການສະເໜີແນະການປັບປຸງເປັນໄປໂດຍອັດຕະໂນມັດ.
3 ຟັງຊັນຫຼັກ
Process Mining ປະກອບດ້ວຍຟັງຊັນຫຼັກໆ ດັ່ງນີ້:
- Process Discovery: ສ້າງແບບຈຳລອງຂະບວນການໂດຍອັດຕະໂນມັດຈາກບັນທຶກເຫດການ ເພື່ອແຕ້ມແຜນຜັງການເຮັດວຽກທີ່ເປັນຈິງ.
- Conformance Checking: ປຽບທຽບຮູບແບບທີ່ຄວນຈະເປັນ (Ideal Model) ກັບບັນທຶກຕົວຈິງ ເພື່ອກວດຫາການເບ່ຽງເບນ ຫຼື ການລະເມີດ.
- Enhancement: ເພີ່ມຕົວຊີ້ວັດປະສິດທິພາບ ແລະ ຂໍ້ມູນຄວາມຖີ່ລົງໃນແບບຈຳລອງຂະບວນການທີ່ມີຢູ່ ເພື່ອເຮັດໃຫ້ເຫັນລຳດັບຄວາມສຳຄັນໃນການປັບປຸງ.
ໂດຍສະເພາະ Conformance Checking, ຄວາມສຳຄັນຂອງມັນກຳລັງເພີ່ມຂຶ້ນໃນບໍລິບົດຂອງ AI Governance ແລະ ການຈັດການດ້ານ Compliance. ໃນອຸດສາຫະກຳການເງິນ, ການແພດ ແລະ ການຜະລິດທີ່ຕ້ອງການການປະຕິບັດຕາມກົດລະບຽບ, ການນຳໃຊ້ວິທີນີ້ໃນຖານະກົນໄກຕິດຕາມການເບ່ຽງເບນຂອງຂະບວນການຢ່າງຕໍ່ເນື່ອງກຳລັງແຜ່ຫຼາຍຂຶ້ນ.
ຂົງເຂດວຽກງານຫຼັກທີ່ນຳໄປໃຊ້
ຂອບເຂດການນຳໃຊ້ Process Mining ນັ້ນກວ້າງຂວາງ. ມັນສາມາດນຳໄປປະຍຸກໃຊ້ກັບທຸກວຽກງານທີ່ມີບັນທຶກເຫດການ ເຊັ່ນ: ການເພີ່ມປະສິດທິພາບຂະບວນການຈັດຊື້-ຈັດຈ້າງ, ການກວດສອບຄຸນນະພາບວຽກງານກັບຜູ້ໃຫ້ບໍລິການ BPO (Business Process Outsourcing), ແລະ ການວັດແທກຜົນຂອງ Onboarding Automation.
ໃນບໍລິບົດຂອງ Smart Factory, ມັນຖືກນຳໃຊ້ເພື່ອວິເຄາະບັນທຶກການເຮັດວຽກຂອງສາຍການຜະລິດ ເພື່ອເຮັດໃຫ້ເຫັນເວລາລໍຖ້າ ຫຼື ການເຮັດວຽກຊ້ຳໃນແຕ່ລະຂັ້ນຕອນ ແລະ ຍັງໃຊ້ເພື່ອເພີ່ມອັດຕາການໃຊ້ງານຂອງອຸປະກອນໂດຍການຮ່ວມມືກັບ Predictive Maintenance.
ນອກຈາກນີ້ ຍັງໜ້າສົນໃຈໃນແງ່ຂອງ AI ROI. ເນື່ອງຈາກສາມາດເຮັດໃຫ້ຜົນຂອງການປັບປຸງວຽກງານເປັນຕົວເລກທີ່ຊັດເຈນໂດຍເຊື່ອມໂຍງກັບ KPI (Key Performance Indicator), ຈຶ່ງສາມາດຕອບສະໜອງຄວາມຮັບຜິດຊອບຕໍ່ຜູ້ບໍລິຫານ ແລະ ສ້າງວົງຈອນການປັບປຸງຢ່າງຕໍ່ເນື່ອງໄດ້.
ສິ່ງທີ່ຄວນຮູ້ກ່ອນການນຳໃຊ້
ປະສິດທິຜົນຂອງ Process Mining ຂຶ້ນຢູ່ກັບຄຸນນະພາບຂອງບັນທຶກເຫດການເປັນຢ່າງຫຼາຍ. ໃນສະຖານະການທີ່ຄວາມຖືກຕ້ອງຂອງ Timestamp ຕ່ຳ, Case ID ບໍ່ເປັນເອກະພາບ, ຫຼື ບັນທຶກກະຈັດກະຈາຍຢູ່ໃນຫຼາຍລະບົບ, ຈະບໍ່ສາມາດສ້າງແບບຈຳລອງຂະບວນການທີ່ຖືກຕ້ອງໄດ້. ການປະເມີນຄຸນນະພາບຂໍ້ມູນ ແລະ ການທົບທວນການອອກແບບບັນທຶກກ່ອນການນຳໃຊ້ຈຶ່ງເປັນສິ່ງທີ່ຂາດບໍ່ໄດ້.
ນອກຈາກນີ້, ການຈະດຳເນີນການປັບປຸງຕົວຈິງຕໍ່ກັບຈຸດຄໍຂວດທີ່ຖືກເປີດເຜີຍອອກມານັ້ນ ຈຳເປັນຕ້ອງມີການສ້າງຄວາມເຫັນດີເຫັນພ້ອມໃນອົງກອນ ແລະ ການຈັດການການປ່ຽນແປງ. ຕ້ອງບໍ່ລືມວ່າ Process Mining ເປັນພຽງເຄື່ອງມືທີ່ "ສະແດງຄວາມຈິງ" ເທົ່ານັ້ນ, ສ່ວນຜູ້ທີ່ລົງມືປັບປຸງຄືຄົນ ແລະ ອົງກອນ. ການອອກແບບທີ່ເຊື່ອມໂຍງຜົນການວິເຄາະເຂົ້າກັບການຕັດສິນໃຈຂອງມະນຸດຢ່າງເໝາະສົມ ໂດຍປະສົມປະສານກັບແນວຄິດ HITL (Human-in-the-Loop) ຄືກຸນແຈສຳຄັນທີ່ຈະສ້າງຜົນສຳເລັດໃນໄລຍະຍາວ.
