供应链流程挖掘技术及其应用.docxVIP

PAGE PAGE 26 供应链流程挖掘技术及其应用 引言 供应链是供应网络内的一系列活动或流程，用于将产品或服务从单个或多个来源交付给最终用户。因此流程的绩效是关乎实现供应链运营绩效的关键。然而，随着全球化和全球化趋于不确定，数字经济的发展以及新兴供应链数字技术的兴起，供应链流程变得越来越复杂多变， 这给供应链的流程管理带来了巨大的挑战。这同时也是企业实现供应链数字化转型的一个关键。本文作者在关于供应链编排的研究报告【1】中指出供应链编排是实现供应链流程管理的关键技术。进一步的问题是如何实现最优的供应链编排，假设一个流程的初始编排是根据客户的需求，供应链过往的知识、数据、预测和分析设计，如何使每个流程在执行中和执行后能够动态地被优化，从而动态地再编排以达到价值最大化（降本增效）和最佳客户满意度， 这就是本文要介绍和研究的可用于实现上述目标的供应链流程挖掘技术，它是实现供应链流程智能的关键技术。 其实供应链流程挖掘技术是流程挖掘技术在供应链流程管理中的应用。因此本文将首先介绍流程挖掘技术的兴起和发展，然后在供应链流程智能的框架下介绍供应链的流程挖掘技术， 及其发展趋势，最后列举若干应用案例。 流程挖掘技术的兴起和发展 什么是流程挖掘（Process Mining）？ 本文引用学科和市场两方面的定义来描述流程挖掘： 从学科方面描述流程挖掘 由Springer 2016 年出版的《流程挖掘：数据科学在行动（Process Mining: Data Science in Action）》是由流程挖掘之父范德阿尔斯特，威尔（Wil van der Aalst）所箸，它是 流程挖掘研究方面的具开创性的权威著作。该书对流程挖掘的概念有深入的阐述，它定义: 流程挖掘是一门新兴学科，提供了一整套工具，以提供基于事实的见解并支持流程改进。这门新学科建立在流程模型驱动方法和数据挖掘（Data Mining）的基础上。然而，流程挖掘不仅仅是现有方法的合并。例如，现有的数据挖掘技术过于以数据为中心，无法全面了解组织中的端到端流程。BI 工具侧重于简单的仪表盘和报告，而不是清晰的业务流程洞察力。BPM 套件严重依赖于专家对理想化流程进行建模，不能帮助大众理解现有流 程。 图 1：流程挖掘之父范德阿尔斯特，威尔 他进一步指出流程挖掘作为数据和流程科学之间的超级粘合剂【2】（见图 2），其目标是将事件数据转化为见解（Insight）和行动（Action）。流程挖掘是数据科学不可分割的一部分，数据的可用性和改进流程的愿望推动了流程挖掘。 图 2: 流程挖掘作为数据和流程科学之间的超级粘合剂（来源：【2】） 流程挖掘是一种在近几年中越来越受欢迎的技术。如图 3 所示，流程挖掘弥补了传统的、基于模型的流程分析（关注流程但不使用任何数据）与以数据为中心的分析技术（例如机器学习和数据挖掘，注重数据，但不分析端到端流程）之间的差距。 图 3: 流程挖掘弥补了基于模型的流程分析和以数据为中心的分析技术之间的差距（来源： 【2】） 从市场方面描述流程挖掘 美国有名的科技咨询公司高德纳自 2018 年连续每年发布一个《流程挖掘的市场指南》研究报告【4】。2021 年最新的研究报告给了市场定义和市场描述如下： 市场定义： 流程挖掘旨在通过从当今信息系统中随时可用的事件日志中提取知识来发现、监控和改进实际流程（即非假设流程）。流程挖掘包括自动化流程发现（即从事件日志中提取流程模型）、一致性检查（即通过比较模型和日志来监控偏差）、社交网络/组织挖掘、自动构建仿真模型、模型扩展、模型修复、病例预测、和基于历史的建议。 市场描述： 任何流程挖掘任务的起点都是事件日志。此类日志中的每个事件都涉及一个活动（即某个流程中定义明确的步骤）并且与特定案例（即流程实例）相关。属于一个案例的事件是有序的， 可以看作是流程的一次“运行”，为案例执行的活动序列称为跟踪。图 4 反映了基本流程挖掘技术的简化表示。 图 4：基本流程挖掘技术（来源：【4】） 流程挖掘经常被误解为与数据科学相关的领域。流程挖掘应该被视为数据科学和流程科学之间的桥梁（见图 2）。流程挖掘侧重于将事件日志转换为流程的有意义的表示，这可能会导致一些数据科学和机器学习相关问题的形成。下面列举了流程挖掘作为一门学科的简短历史 【3】: “流程挖掘”一词最早出现在荷兰计算机科学家 Wil van der Aalst（“流程挖掘教父”）撰写的研究计划中。因此，1999 年埃因霍温大学在数据科学和流程科学相关技术的保护伞下出现了一个新的研究领域。在早期，流程挖掘技术经常与用于工作流管理的技术混淆。 2000 年，开发了第一个实际适用的流程发现算法“Alpha miner”。 2001