Vergleiche Aktivitätszählungen

Übersicht

Die Anreicherung "Compare Activity Counts" analysiert, ob zwei ausgewählte Aktivitäten innerhalb eines jeden Falls mit gleicher Häufigkeit auftreten, und erstellt ein boolesches Attribut, das ausgeglichene oder unausgeglichene Ausführungsmuster anzeigt. Diese Anreicherung ist entscheidend, um die Symmetrie von Prozessen zu validieren, sicherzustellen, dass gepaarte Operationen richtig zugeordnet sind, und Abweichungen von erwarteten Aktivitätsmustern zu erkennen. Im Gegensatz zu einfachen Zählanreicherungen, die einzelne Aktivitätsvorkommen verfolgen, vergleicht dieser Operator gezielt die Ausführungshäufigkeiten von zwei Aktivitäten, um Fälle zu identifizieren, in denen sie ausgeglichen sind, gegenüber denen, in denen eine Aktivität häufiger auftritt als die andere.

Diese Anreicherung ist besonders wertvoll in Prozessen, in denen bestimmte Aktivitäten paarweise oder mit gleicher Häufigkeit auftreten sollten. Zum Beispiel erwartet man in Beschaffungsprozessen, dass jeder „Bestellauftrag erstellen“ eine entsprechende „Warenannahme“-Aktivität hat. In der Fertigung müssen Qualitätskontrollen vielleicht mit Produktionsläufen übereinstimmen. In Finanzprozessen sollten Soll- und Haben-Buchungen ausgeglichen sein. Die Anreicherung hilft dabei, Fälle zu erkennen, in denen diese erwarteten Muster verletzt werden, und ermöglicht eine gezielte Untersuchung von Prozessabweichungen, unvollständigen Ausführungen oder Systemfehlern, die zu unausgeglichenen Aktivitätsmustern führen.

Häufige Anwendungen

Validierung, dass gepaarte Aktivitäten mit gleicher Häufigkeit auftreten (Auftragserstellung vs. Auftragsabwicklung)
Sicherstellung ausgewogener Abläufe in Finanzprozessen (Zahlung initiiert vs. Zahlung abgeschlossen)
Überprüfung der Symmetrie von Fertigungsprozessen (Montagestart vs. Montageabschluss)
Überwachung der Vollständigkeit der Qualitätskontrolle (produzierte vs. geprüfte Artikel)
Kontrolle von Genehmigungsabläufen auf Konsistenz (Genehmigungsanfragen vs. Genehmigungsentscheidungen)
Erkennung unvollständiger Prozessdurchläufe, bei denen erwartete Gegenaktivitäten fehlen
Identifizierung von Systemintegrationsproblemen, die zu Unstimmigkeiten bei Aktivitätszählungen führen

Einstellungen

Filter (optional): Wenden Sie Filter an, um die Fälle einzuschränken, die hinsichtlich der Aktivitätszählung verglichen werden. Wenn Filter gesetzt sind, werden nur die Fälle, die den Filterkriterien entsprechen, verglichen und das Ergebnis gespeichert. Das ist nützlich, wenn Sie die Aktivitätsausgeglichenheit nur für bestimmte Teilmengen Ihrer Daten prüfen möchten, z. B. für vorrangige Fälle, bestimmte Produktkategorien oder spezielle Zeiträume. Fälle, die den Filter nicht erfüllen, erhalten für das neue Attribut einen Nullwert.

Name des neuen Attributs: Geben Sie den Namen für das neue boolesche Attribut an, das das Vergleichsergebnis speichert. Wählen Sie einen aussagekräftigen Namen, der klar darstellt, was verglichen wird. Zum Beispiel „Orders_Balanced“ beim Vergleich von Bestell- und Lieferaktivitäten oder „QC_Complete“ beim Vergleich von Produktion und Inspektion. Das Attribut enthält „Ja“ (true), wenn die Zählungen übereinstimmen, „Nein“ (false), wenn sie differieren, oder null, wenn keine der beiden Aktivitäten im Fall vorhanden ist.

Aktivität 1: Wählen Sie die erste zu vergleichende Aktivität aus der Dropdown-Liste aller Aktivitäten in Ihrem Datensatz aus. Dies sollte eine der gepaarten Aktivitäten sein, deren Ausgeglichenheit überprüft werden soll. Die Anreicherung zählt, wie oft diese Aktivität in jedem Fall auftritt. Die Auswahlliste zeigt alle eindeutigen Aktivitäten in Ihrem Ereignisprotokoll an, sodass Sie nur Aktivitäten auswählen können, die tatsächlich in Ihren Daten vorkommen.

Aktivität 2: Wählen Sie die zweite zu vergleichende Aktivität aus der Dropdown-Liste aus. Diese Aktivität sollte mit der gleichen Häufigkeit wie Aktivität 1 auftreten. Die Anreicherung zählt die Vorkommen dieser Aktivität und vergleicht sie mit Aktivität 1. Sie können bei Bedarf auch dieselbe Aktivität wie Aktivität 1 auswählen, beispielsweise für spezielle Validierungsszenarien, in der Regel wählen Sie jedoch eine andere Aktivität, die eine logische Paarung zu Aktivität 1 bildet.

Beispiele

Beispiel 1: Prüfung Bestellung und Wareneingang

Szenario: In einem Beschaffungsprozess müssen Sie sicherstellen, dass jede erstellte Bestellung einen entsprechenden Wareneingang hat, um zu gewährleisten, dass alle bestellten Artikel geliefert wurden und der Prozess abgeschlossen ist.

Einstellungen:

Filter: Kein Filter (alle Bestellungen prüfen)
Neuer Attributname: Order_Receipt_Balanced
Aktivität 1: Create Purchase Order
Aktivität 2: Record Goods Receipt

Ausgabe: Erstellt ein neues boolesches Fallattribut "Order_Receipt_Balanced" mit folgenden Werten:

„Ja“ – Fälle, in denen Anzahl der Bestellungen der Anzahl der Wareneingänge entspricht (z. B. 3 Bestellungen, 3 Wareneingänge)
„Nein“ – Fälle mit unterschiedlichen Zählungen (z. B. 3 erstellte Bestellungen, aber nur 2 Wareneingänge)
Null – Fälle ohne eine der beiden Aktivitäten (Nicht-Beschaffungsfälle in gemischten Datensätzen)

Erkenntnisse: Fälle mit „Nein“ weisen auf unvollständige Beschaffungsprozesse hin, die eine Untersuchung erfordern. Dies könnte verzögerte Lieferungen, fehlende Dokumentation oder Synchronisationsprobleme zwischen Bestell- und Warensystemen offenbaren.

Beispiel 2: Vollständigkeit der Qualitätsprüfung in der Fertigung

Szenario: In einem Fertigungsprozess sollte jeder Produktionslauf eine entsprechende Qualitätsprüfung durchlaufen, um Produktstandards einzuhalten und Compliance-Vorgaben zu erfüllen.

Einstellungen:

Filter: Product_Category = „Electronics“
Neuer Attributname: QC_Inspection_Complete
Aktivität 1: Complete Production Run
Aktivität 2: Perform Quality Inspection

Ausgabe: Erstellt für Elektronikprodukte das Attribut „QC_Inspection_Complete“:

„Ja“ – Produktion und Qualitätsprüfungen sind ausgeglichen (z. B. 5 Produktionsläufe, 5 Prüfungen)
„Nein“ – Ungleichgewicht, das auf fehlende Prüfungen oder doppelte Produktionsaufzeichnungen hinweist
Null – Fälle ohne Produktionstätigkeiten (gefilterte Nicht-Elektronikprodukte zeigen null)

Erkenntnisse: Damit lassen sich Produktionschargen identifizieren, die Qualitätskontrolle umgangen haben, was Korrekturmaßnahmen und Berichtswesen erleichtert. Muster in Abweichungen könnten bestimmte Produktionslinien oder Schichten mit systematischen QC-Problemen anzeigen.

Beispiel 3: Finanzielle Transaktionsabstimmung

Szenario: Im Kreditorenprozess soll gewährleistet werden, dass jede Zahlungsfreigabe eine entsprechende Zahlungsausführung hat, um blockierte oder fehlgeschlagene Zahlungen zu erkennen.

Einstellungen:

Filter: Amount > 10000 (Fokus auf hochvolumige Transaktionen)
Neuer Attributname: Payment_Reconciled
Aktivität 1: Approve Payment
Aktivität 2: Execute Payment

Ausgabe: Erstellt das Attribut „Payment_Reconciled“ für hochvolumige Fälle:

„Ja“ – Gleiche Anzahl von Freigaben und Ausführungen (ordnungsgemäß abgeschlossene Zahlungen)
„Nein“ – Unaustarierte Zählungen, die genehmigte, aber nicht ausgeführte Zahlungen oder Ausführungsfehler anzeigen
Null – Fälle ohne Zahlungsaktivitäten

Erkenntnisse: Fälle mit „Nein“ erfordern sofortige Aufmerksamkeit, da sie genehmigte, aber nicht ausgeführte Zahlungen darstellen und potenzielle Probleme mit Lieferantenbeziehungen oder Compliance-Verstößen verursachen können.

Beispiel 4: Bearbeitung von Kundenservicetickets

Szenario: Im Kundenserviceprozess soll geprüft werden, ob jede Eskalation an einen Spezialisten eine Antwort erhalten hat, um sicherzustellen, dass keine eskalierten Probleme unbehandelt bleiben.

Einstellungen:

Filter: Priority = „High“ ODER Priority = „Critical“
Neuer Attributname: Escalation_Handled
Aktivität 1: Escalate to Specialist
Aktivität 2: Specialist Response

Ausgabe: Erstellt für hochpriorisierte Tickets das Attribut „Escalation_Handled“:

„Ja“ – Alle Eskalationen haben eine Antwort vom Spezialisten erhalten (ausgeglichener Supportprozess)
„Nein“ – Einige Eskalationen blieben ohne Antwort (potenziell ungelöste Kundenprobleme)
Null – Hochpriorisierte Tickets, die ohne Eskalation gelöst wurden

Erkenntnisse: Dieses Maß hilft, Service-Level-Verstöße zu erkennen, bei denen eskalierte Probleme keine angemessene Spezialistenbearbeitung erhielten, und ermöglicht Prozessverbesserungen und Mitarbeiterschulungen.

Beispiel 5: Terminverwaltung im Gesundheitswesen

Szenario: In einem Patiententerminverwaltungssystem muss sichergestellt werden, dass jeder geplante Termin eine entsprechende Abschluss- oder Stornierungsdokumentation erhält, um verlässliche Auslastungsberichte zu ermöglichen.

Einstellungen:

Filter: Department = „Radiology“
Neuer Attributname: Appointment_Closure_Complete
Aktivität 1: Schedule Appointment
Aktivität 2: Complete Appointment

Ausgabe: Erstellt für Radiologietermine das Attribut „Appointment_Closure_Complete“:

„Ja“ – Geplante und abgeschlossene Termine sind ausgeglichen
„Nein“ – Abweichungen, die auf Nichterscheinen, unvollständige Dokumentation oder Planungsfehler hinweisen
Null – Radiologiefälle ohne Terminbezug

Erkenntnisse: Fälle mit „Nein“ helfen, Muster bei Nichterscheinen zu erkennen, ermöglichen gezielte Patientenkommunikation und bessere Ressourcenplanung für die Radiologieabteilung.

Ausgabe

Die Anreicherung "Compare Activity Counts" erstellt ein einzelnes neues boolesches Attribut auf Falletbene, das das Vergleichsergebnis enthält. Das Attribut verwendet den booleschen Datentyp mit einem „Ja/Nein“-Anzeigeformat für eine einfache Interpretation in Filtern, Pivot-Tabellen und Visualisierungen.

Wertlogik:

Ja (True): Beide Aktivitäten treten in genau gleicher Häufigkeit im Fall auf, auch wenn beide null Mal vorkommen
Nein (False): Die Aktivitäten haben unterschiedliche Vorkommenszahlen (eine erscheint häufiger als die andere)
Null: Keine der Aktivitäten erscheint im Fall, der Wert bleibt leer statt auf Ja gesetzt zu werden

Das neue Attribut kann sofort in weiteren Anreicherungen, Filtern und Berechnungen verwendet werden. Typische Anwendungen sind das Filtern nach unausgeglichenen Fällen, die Berechnung des Anteils ausgeglichener Prozesse oder die Verwendung in der Konformitätsprüfung zur Identifikation von Prozessverstößen. Die boolesche Natur der Ausgabe macht sie ideal für KPI-Berechnungen, Dashboards und automatisierte Alarme, die Prozessungleichgewichte melden müssen.

Diese Dokumentation ist Teil der mindzieStudio Process Mining Plattform.