การทำเหมืองกระบวนการ (Process Mining)
กระบวนการวิเคราะห์ Event log ของระบบงานเพื่อสร้างภาพจำลองและปรับปรุงกระบวนการทำงานจริง โดยระบบจะตรวจหาคอขวดหรือรูปแบบการทำงานที่ผิดปกติโดยอัตโนมัติ เพื่อนำไปใช้เพิ่มประสิทธิภาพการทำงานและเสริมสร้างการปฏิบัติตามกฎระเบียบ (Compliance)
Process Mining คือวิธีการวิเคราะห์บันทึกเหตุการณ์ (Event Log) ที่ถูกจัดเก็บไว้ในระบบงาน เพื่อนำมาสร้างภาพจำลอง วิเคราะห์ และปรับปรุงกระบวนการทำงานจริง จุดเด่นที่สำคัญที่สุดคือความสามารถในการตรวจจับช่องว่างระหว่างขั้นตอนการทำงานในอุดมคติกับความเป็นจริงได้โดยอัตโนมัติ ซึ่งถูกนำไปใช้ในกิจกรรมการปรับปรุงกระบวนการทำงานที่หลากหลาย ตั้งแต่การระบุคอขวด (Bottleneck) ไปจนถึงการตรวจจับการละเมิดกฎระเบียบ (Compliance)
ทำไม Process Mining ถึงได้รับความสนใจในขณะนี้
การปรับปรุงกระบวนการทำงานแบบเดิมมักใช้วิธีการสัมภาษณ์ผู้รับผิดชอบงานหรือการสังเกตการณ์ด้วยตนเองเพื่อสร้างแผนผังกระบวนการ (Process Map) อย่างไรก็ตาม วิธีการนี้มีข้อจำกัดเชิงโครงสร้าง เช่น มักมีความคิดเห็นส่วนตัวของผู้รับผิดชอบงานเข้ามาเกี่ยวข้อง, สามารถดูได้เพียงตัวอย่างในช่วงเวลาที่กำหนดเท่านั้น และมีต้นทุนในการสำรวจที่สูง
ผลจากการที่ระบบงานต่างๆ เช่น ERP (Enterprise Resource Planning) และ CRM แพร่หลายไปทั่วทั้งองค์กร ทำให้การปฏิบัติงานประจำวันถูกสะสมไว้เป็น Event Log โดยอัตโนมัติ Process Mining จึงใช้ข้อมูลบันทึกเหล่านี้เป็น "หลักฐาน" เพื่อเปิดเผยความเป็นจริงโดยไม่ต้องอาศัยแรงงานคน ในช่วงไม่กี่ปีที่ผ่านมา การนำไปใช้ร่วมกับ Generative AI ยังช่วยเพิ่มความแม่นยำในการตรวจจับความผิดปกติและทำให้การเสนอแนวทางการปรับปรุงเป็นไปโดยอัตโนมัติอีกด้วย
3 ฟังก์ชันหลัก
Process Mining ประกอบด้วยฟังก์ชันหลักดังต่อไปนี้:
- Process Discovery: สร้างแบบจำลองกระบวนการโดยอัตโนมัติจาก Event Log เพื่อวาดผังกระบวนการตามความเป็นจริง
- Conformance Checking: ตรวจสอบความสอดคล้องโดยการเปรียบเทียบระหว่างสิ่งที่ควรจะเป็น (แบบจำลองในอุดมคติ) กับบันทึกจริง เพื่อตรวจหาการเบี่ยงเบนหรือการละเมิดกฎ
- Enhancement: การซ้อนทับตัวชี้วัดประสิทธิภาพและข้อมูลความถี่ลงบนแบบจำลองกระบวนการที่มีอยู่ เพื่อให้เห็นภาพรวมของลำดับความสำคัญในการปรับปรุง
โดยเฉพาะอย่างยิ่ง Conformance Checking กำลังมีความสำคัญมากขึ้นในบริบทของ AI Governance และการจัดการด้าน Compliance ในอุตสาหกรรมการเงิน การแพทย์ และการผลิตที่ต้องปฏิบัติตามกฎระเบียบอย่างเคร่งครัด การนำระบบนี้ไปใช้เพื่อตรวจสอบการเบี่ยงเบนของกระบวนการอย่างต่อเนื่องจึงกำลังขยายตัวเป็นวงกว้าง
ขอบเขตงานหลักที่นำไปใช้
Process Mining มีขอบเขตการใช้งานที่กว้างขวาง สามารถประยุกต์ใช้กับงานทุกประเภทที่มี Event Log เช่น การเพิ่มประสิทธิภาพกระบวนการจัดซื้อและรับ-ส่งคำสั่งซื้อ, การตรวจสอบคุณภาพงานกับผู้ให้บริการ BPO (Business Process Outsourcing) และการวัดผลของ Onboarding Automation
ในบริบทของ Smart Factory จะมีการวิเคราะห์บันทึกการทำงานของสายการผลิตเพื่อแสดงภาพเวลาที่รอคอย (Waiting Time) และงานที่ต้องทำซ้ำ (Rework) ในแต่ละขั้นตอน รวมถึงนำไปใช้ในการเพิ่มอัตราการเดินเครื่องจักรผ่านการเชื่อมโยงกับ Predictive Maintenance
นอกจากนี้ยังน่าสนใจในแง่ของ AI ROI เนื่องจากสามารถเชื่อมโยงผลลัพธ์ของการปรับปรุงกระบวนการเข้ากับ KPI (Key Performance Indicator) เพื่อให้เป็นเชิงปริมาณได้ง่าย ทำให้สามารถแสดงความรับผิดชอบต่อผู้บริหารและขับเคลื่อนวงจรการปรับปรุงอย่างต่อเนื่องได้
ประเด็นที่ควรทราบเมื่อเริ่มใช้งาน
ผลลัพธ์ของ Process Mining ขึ้นอยู่กับคุณภาพของ Event Log เป็นอย่างมาก หากสถานการณ์คือ Time Stamp มีความแม่นยำต่ำ, Case ID ไม่เป็นมาตรฐานเดียวกัน หรือบันทึกกระจัดกระจายอยู่หลายระบบ ก็จะไม่สามารถสร้างแบบจำลองกระบวนการที่ถูกต้องได้ ดังนั้น การประเมินคุณภาพข้อมูลและการทบทวนการออกแบบ Log ก่อนเริ่มใช้งานจึงเป็นสิ่งที่ขาดไม่ได้
นอกจากนี้ การจะดำเนินการปรับปรุงจริงต่อคอขวดที่ถูกตรวจพบ จำเป็นต้องอาศัยการสร้างฉันทามติและการจัดการการเปลี่ยนแปลงภายในองค์กร ต้องไม่ลืมว่า Process Mining เป็นเพียงเครื่องมือที่ "แสดงข้อเท็จจริง" เท่านั้น แต่ผู้ที่ดำเนินการปรับปรุงคือคนและองค์กร การออกแบบที่เชื่อมโยงผลการวิเคราะห์เข้ากับการตัดสินใจของมนุษย์อย่างเหมาะสม โดยใช้แนวคิด HITL (Human-in-the-Loop) คือกุญแจสำคัญที่จะสร้างผลลัพธ์ในระยะยาว
