Detail publikace
Screening Process Mining and Value Stream Techniques on Industrial Manufacturing Processes: Process Modelling and Bottleneck Analysis
Venkataschalam Hari Santosh
Essmann Roland
Hruška Tomáš, prof. Ing., CSc. (UIFS)
Colombo Armando Walter
detekce úzkých mist, průmyslové procesy, procesní analýza, procesní modelovaní, informační systémy řízení
Jedním z hlavních výsledků průmyslové digitalizace je přístup k velkému souboru digitalizovaných dat a informací, tj. Big Data. Trh analytických nástrojů nabízí širokou škálu algoritmů a softwaru pro využití velkých datových sad. Implementace jejich výhod do jednoho přístupu přináší lepší výsledky a posiluje možnosti procesní analýzy. Jeho aplikace ve zpracovatelském průmyslu vyžaduje vysokou úroveň úsilí a zůstává náročná kvůli složitosti produktu, procesům zaměřeným na člověka a kvalitě dat. V tomto článku autoři kombinují metody process mining a hodnotových toků pro analýzu dat ze systému správy informací a aplikují přístup na data dodávaná jedním konkrétním výrobním systémem. Výrobní proces, který má být zkoumán, je proces montáže plynoměrů ve výrobě. Tato specifická a důležitá část celého procesu dodavatelského řetězce byla pro studii považována za vhodnou díky téměř plně automatizované lince s údaji o každé procesní aktivitě hodnotového toku v informačním systému. Článek aplikuje algoritmy process mining při objevování popisného procesního modelu, který hraje hlavní roli jako základ pro další analýzu. Současně jsou popsány moderní techniky analýzy úzkých míst a budou diskutovány dvě nové srozumitelné metody detekce úzkých míst (metody TimeLag a Intervaly spolehlivosti) a jejich výhody. Dosažené výsledky mohou být následně použity pro další zdroje velkých dat a průmyslově vyhovující systémy řízení informací.
@article{BUT177411,
author="Julia {Rudnitckaia} and Hari Santosh {Venkataschalam} and Roland {Essmann} and Tomáš {Hruška} and Armando Walter {Colombo}",
title="Screening Process Mining and Value Stream Techniques on Industrial Manufacturing Processes: Process Modelling and Bottleneck Analysis",
journal="IEEE Access",
year="2022",
volume="2022",
number="10",
pages="24203--24214",
doi="10.1109/ACCESS.2022.3152211",
issn="2169-3536",
url="https://ieeexplore.ieee.org/document/9715073"
}