Создание цифровых двойников бизнес-процессов
Когда речь заходит о цифровых двойниках, обычно говорят о цифровых двойниках изделий или производственных активов предприятий. Но производство – это не только активы и технологические операции. Это еще и множество «сопутствующих» процессов, без которых невозможно взаимодействие с клиентами, отгрузка и доставка им товаров, ведение и контроль платежей. Все они работают во взаимосвязи с производством и совместно формируют поток создания ценности.
Как рассказал Алексей Николаев, руководитель направления Process Mining компании Техносерв, переход к Индустрии 4.0 требует точных, контролируемых, способных к быстрой изменчивости процессов. Это, в свою очередь, приводит к необходимости распространения концепции цифровых двойников на бизнес-процессы - к созданию моделей их реальной работы, позволяющих оценивать эффективность процессов, выявлять и устранять области неэффективности, моделировать изменения.
Почему же раньше было сложно использовать цифровые двойники для бизнес-процессов? Основные причины заключаются в низком уровне автоматизации процессов и в отсутствии инструментов для работы с данными. С момента разработки и реализации логики бизнес-процесса понимание его работы строилось на основе трех источников данных:
- ключевые показатели эффективности процесса, измеряемые и визуализируемые в системах отчетности и бизнес-анализа;
- документация на процесс, поддерживаемая с той или иной степенью актуальности;
- результаты аудита и хронометража процесса в целом и сотрудников, задействованных в производстве.
Каждый метод имеет свои плюсы и минусы, но в целом они не позволяют построить точную модель работы без весьма существенных и часто не оправдывающих себя затрат.
Что же изменилось? В настоящее время уровень автоматизации процессов очень высок. И каждая участвующая в автоматизации информационная система накапливает огромное количество информации - «цифровые следы» процесса. Осталось лишь научиться работать с этими данными. И такие решения уже найдены, разработаны и успешно применяются как в России, так и во всем мире. Речь о технологии глубинного анализа процессов - Process Mining, позволяющей реконструировать модель процесса на основе его «цифровых следов».
Входной информацией для Process Mining являются журнальные файлы и данные информационных систем, таких как SAP, 1C, Oracle E-Business Suite, систем собственной разработки, вплоть до файлов Excel. В одном из проектов по применению Process Mining, выполненном «Техносерв» в крупной добывающей компании, именно файлы Excel стали основным и наиболее достоверным источником информации для исследования и оптимизации процесса транспортировки топлива. При слабых каналах связи и удаленности точек погрузки от центральных офисов компании единственной стабильно работающей «информационной системой» стал автономно работающий ноутбук.
Первым результатом работы Process Mining является модель восстановленного бизнес-процесса - основа для цифрового двойника и ее представления в виде графов.
Построенная модель позволяет проводить анализ процесса в различных разрезах, аналогично BI, но с учетом логики выполнения реального процесса - последовательности шагов, характерных для каждого отдельного закупочного документа или заявки на платеж.
Основной задачей, для которой используется Process Mining, является аудит и контроль соответствия бизнес-процесса регламентам и нормативам. Типичная ситуация - выявление случаев «обхода» обязательных шагов при создании и согласовании заявки на закупку в процессе закупки. Или регулярные изменения цены, в том числе после фактической поставки на склад. Еще один частый кейс - автоматическое сравнение реальной, восстановленной, модели процесса с эталонным, описанным в документации, и выявление наиболее типичных причин отклонений.
Следующая задача - измерение KPI процесса и исследование причин отклонений. Можно возразить, что эта задача, как и пример из предыдущего абзаца, успешно решается с помощью существующего в большинстве компаний инструментария аналитической отчетности. Но есть одно отличие. Для того чтобы построить представления в системе отчетности, необходимо четко сформулировать вопрос. Например: «Покажи мне отклонения финальной цены от исходной в разрезе товарных групп, поставщиков, инициаторов закупки и ответственных за закупку». Но таких вопросов может быть сформировано огромное количество, поскольку процессы обычно сложны и включают множество шагов. Process Mining за счет наглядной визуализации карты процесса позволяет формулировать такие вопросы и определять их важность и приоритетность в зависимости от массовости их проявления и степени влияния на ключевые показатели.
Помимо типовых KPI длительности процесса, восстановленная с использованием Process Mining модель процесса помогает посчитать его реальную себестоимость. Поскольку у вас появляется информация о том, когда и как проходила работа с конкретными документами, вы можете автоматически рассчитать стоимость процесса с учетом затрат на оплату труда специалистов, стоимость каждой ветки процесса, а также узнать, во что обходятся компании ошибки, приводящие к остановке процесса или множественным циклам. В одной крупной компании с помощью Process Mining мы оценили негативный финансовый эффект, вызванный ошибками и неточностями при ведении графика платежей по контрактам и оформлении заявок на платеж в одном из дивизионов.
Однако возможности не ограничиваются анализом текущей ситуации. Построенная модель позволяет моделировать значения показателей и рассчитывать их с учетом накопленной статистики и информации о типичных маршрутах документов. Пример для уже упомянутого закупочного процесса — прогнозирование времени поставки в разрезе товарной позиции и поставщика для предупреждения рисков задержки поставки и снижения затрат на склад.
В своей работе «Техносерв» использует решение компании Celonis, которое отличается самыми сильными аналитическими возможностями «вокруг» модели процесса и высокой скоростью проверки гипотез и получения результатов анализа. Поэтому компания уже несколько лет является Платиновым партнером Celonis в области продаж и практического применения решений Process Mining. Только за последний год эксперты «Техносерва» выполнили несколько проектов оптимизации бизнес-процессов крупных заказчиков в финансовой, нефтегазовой и телекоммуникационной отраслях на базе решений Celonis.
Область применения Process Mining не ограничивается исключительно «документальными процессами»: в Европе решение активно применяется для работы с процессами производства, в том числе в рамках концепции Just in Time, за счет интеграции с данными IoT.
.jpg)
Сейчас условный «порог входа в проект» для применения технологии достаточно низок. И каждая компания может применить решение для повышения эффективности своих бизнес-процессов.
Компания Техносерв
111395, г. Москва, ул. Юности, д. 13
Тел.: +7 (495) 790-79-79, 648-08-08
E-mail: ABNikolaev@technoserv.com
Фотогалерея к новости:
Комментарии могут оставлять только зарегистрированные (авторизованные) пользователи сайта.