人工智能和自动化改善过程挖掘的6种方法(2)

西门子一直在使用数字孪生组织(DTO)技术实现数百万个流程步骤可视化，因此代表了人员与IT之间的互动，从而确定了自动化机会。例如，Reinkemeyer带领的团队创建了一个从订单到现金流程的模型，并开发了用于度量和改进流程数字化的指标。在2018年，这种方法将返工减少了11%，并将订单到现金流程的自动化速度提高了25%。

数字孪生组织(DTO)模型捕获并表示涉及超过3000万个不同订单项的流程，这些订单项每年通过多达60个不同的流程步骤进行处理。流程挖掘用于将这些数据实时表示为流程图形，作为实际过程的数字孪生。

管理人员可以从全局视图以及能够可视化的单个视图中查看流程。这样就可以在各个组织单位之间进行比较，并使对实际流程的更改更加容易。例如，目标可能是消除流程中的几个人工步骤。

6.识别偏差

Cottongim表示，当前，流程挖掘工具面临的较大的挑战之一是识别与标准流程的偏差。最好由分析师来完成。他认为，流程挖掘领域中的当前工具集主要集中于确定过程的“快乐路径”或确定个人何时偏离规定的或标准的路径。

尽管一些技术正在取得进展，以解决复杂的交替路径网络，但对于这些路径是由用户偏好引起的偶然偏差、由所需异常引起的实际偏差还是由底层系统功能引起的解决方法，仍然鲜有涉及。

Cottongim说：“我认为，我们距离采用这些工具至少还有几年的时间，它们能够识别和解释基本的直接快乐路径之外的过程路径。”

这个领域的主要挑战是确定屏幕外业务逻辑，这是导致需要在该位置使用异常路径的根本原因。

目前，实际流程分析仍然是有价值的业务分析师的领域，他们对特定的业务环境有着坚定的把握。

Cottongim说，“虽然端到端的流程分解以及最终的自动化在未来似乎是可能的，但考虑到这些技术的当前状态，流程意识和遵从性似乎更容易掌握，而且很可能在短期内成为价值的来源。”

（编辑：ASP站长网）