Negate

Übersicht

Die Negate-Anreicherung führt eine logische Negation auf booleschen Attributwerten durch, wobei TRUE in FALSE und FALSE in TRUE umgewandelt wird. Das Ergebnis wird in einem neuen Attribut gespeichert. Dieser grundlegende logische Operator bietet wichtige Funktionen zum Erkennen inverser Bedingungen, zum Finden von Ausnahmen bei Regeln und zum Erstellen komplementärer Logik in Ihrer Prozessanalyse. Durch das Umdrehen boolescher Werte ermöglicht die Negate-Anreicherung eine einfache Identifikation von Fällen, die bestimmte Kriterien nicht erfüllen, hebt Prozessabweichungen hervor und ermöglicht eine komplexere bedingte Logik in Ihren Analysen.

Die Negate-Anreicherung ist besonders wertvoll in Process-Mining-Szenarien, in denen Sie das Gegenteil bestehender Bedingungen verstehen müssen. Beispielsweise können Sie Fälle identifizieren, die NICHT konform sind, wenn Sie eine Compliance-Markierung haben, Aktivitäten finden, die NICHT rechtzeitig stattgefunden haben, wenn Sie einen pünktlichkeits-Indikator besitzen, oder Ausnahmen von Standardprozessregeln hervorheben. Diese Anreicherung funktioniert nahtlos mit anderen logischen Operatoren wie OR und Vergleichsoperatoren, sodass Sie komplexe boolesche Ausdrücke erstellen können, die feingliedrige Geschäftsregeln und Bedingungen in Ihren Prozessdaten abbilden.

Häufige Anwendungsfälle

Identifizieren nicht-konformer Fälle durch Negation einer Compliance-Markierung
Finden verspäteter Prozesse durch Umkehr eines "pünktlich"-Booleschen Indikators
Hervorheben von Ausnahmen durch Negation von Standardprozessbedingungen
Erstellen inverser Filter für die Analyse dessen, was in einem Prozess NICHT passiert ist
Aufbau komplexer logischer Bedingungen durch Kombination von Negation mit anderen booleschen Operatoren
Erkennen fehlender Genehmigungen durch Negation von Genehmigungsstatus-Markierungen
Finden unvollständiger Fälle durch Umkehr von Fertigstellungsstatus-Attributen

Einstellungen

New Attribute Name: Geben Sie den Namen für das neue Attribut an, das den negierten booleschen Wert speichert. Wählen Sie einen beschreibenden Namen, der die invertierte Logik deutlich macht. Zum Beispiel "Non_Compliant", wenn ein "Compliant"-Attribut negiert wird, oder "Delayed", wenn ein "On_Time"-Attribut negiert wird. Der Name muss eindeutig sein und darf nicht mit bestehenden Attributen im Datensatz kollidieren.

Attribute Names: Wählen Sie das boolesche Attribut aus, dessen Werte Sie negieren möchten. Es können nur boolesche Attribute (TRUE/FALSE) ausgewählt werden. Das Attribut muss bereits in Ihrem Datensatz vorhanden sein – Sie können boolesche Attribute aus den Originaldaten oder aus anderen Anreicherungen wie Vergleichsoperatoren oder Konformitätsprüfungen verwenden. Die Werte des ausgewählten Attributs werden invertiert, um das neue Attribut zu erzeugen.

Beispiele

Beispiel 1: Identifikation nicht-konformer Bestellungen

Szenario: In einem Beschaffungsprozess haben Sie ein boolesches Attribut "Meets_Budget_Guidelines", das anzeigt, ob jede Bestellung innerhalb des Budgets bleibt. Sie müssen Bestellungen identifizieren und analysieren, die die Budgetrichtlinien überschreiten, um eine spezielle Prüfung durchzuführen.

Einstellungen:

New Attribute Name: Exceeds_Budget
Attribute Names: Meets_Budget_Guidelines

Ausgabe: Erstellt ein neues Fallattribut "Exceeds_Budget" mit invertierten Werten:

Fälle mit Meets_Budget_Guidelines = TRUE → Exceeds_Budget = FALSE
Fälle mit Meets_Budget_Guidelines = FALSE → Exceeds_Budget = TRUE
Fälle mit Meets_Budget_Guidelines = null → Exceeds_Budget = null

Erkenntnisse: Dieses invertierte Attribut erleichtert das Filtern und Analysieren von Bestellungen, die eine Budgetausnahmegenehmigung erfordern, und hilft Beschaffungsteams, sich auf risikoreiche Transaktionen zu konzentrieren sowie Muster bei Budgetüberschreitungen zu verstehen.

Beispiel 2: Finden verspäteter Patiententherapien

Szenario: Ein Krankenhaus verfolgt, ob Notfallpatienten innerhalb der Zielzeit behandelt werden, mittels des booleschen Attributs "Seen_Within_Target". Die Gesundheitsverwaltung möchte verspätete Fälle für Prozessverbesserungen identifizieren.

Einstellungen:

New Attribute Name: Treatment_Delayed
Attribute Names: Seen_Within_Target

Ausgabe: Für jeden Patientenfall wird "Treatment_Delayed" erstellt:

Patient innerhalb von 2 Stunden gesehen (Seen_Within_Target = TRUE) → Treatment_Delayed = FALSE
Patientenwartezeit über 2 Stunden (Seen_Within_Target = FALSE) → Treatment_Delayed = TRUE

Dies ermöglicht eine einfache Identifikation aller verspäteten Fälle für Ursachenanalysen.

Erkenntnisse: Das negierte Attribut ermöglicht schnelle Filterung verspäteter Behandlungen, unterstützt die Identifikation von Verzögerungsmustern nach Tageszeit, Abteilung oder Schweregrad des Patienten und fördert gezielte Prozessverbesserungen.

Beispiel 3: Erkennung fehlender Genehmigungen bei Kreditvergabe

Szenario: Eine Finanzinstitution hat für Kreditverfahren das boolesche Attribut "Manager_Approval_Received". Compliance-Beauftragte müssen Anträge erkennen, die ohne ordnungsgemäße Managerfreigabe bearbeitet wurden.

Einstellungen:

New Attribute Name: Missing_Manager_Approval
Attribute Names: Manager_Approval_Received

Ausgabe: Erstellt "Missing_Manager_Approval" für jeden Kredit:

Anträge mit Genehmigung (Manager_Approval_Received = TRUE) → Missing_Manager_Approval = FALSE
Anträge ohne Genehmigung (Manager_Approval_Received = FALSE) → Missing_Manager_Approval = TRUE

Erkenntnisse: Diese invertierte Markierung hebt sofort Compliance-Verstöße hervor, ermöglicht schnelles Eingreifen und beugt regulatorischen Problemen vor. Sie kann in Dashboards zur Echtzeit-Überwachung der Genehmigungsquoten eingesetzt werden.

Beispiel 4: Identifikation unvollständiger Fertigungsaufträge

Szenario: Ein Fertigungsunternehmen überwacht den Abschluss von Aufträgen mit dem booleschen Attribut "Quality_Check_Passed". Produktionsleiter wollen Aufträge identifizieren, die Qualitätsprüfungen nicht bestanden haben, um Nacharbeit zu planen.

Einstellungen:

New Attribute Name: Requires_Rework
Attribute Names: Quality_Check_Passed

Ausgabe: Für jeden Fertigungsauftrag:

Aufträge mit bestandenem Check (Quality_Check_Passed = TRUE) → Requires_Rework = FALSE
Aufträge mit nicht bestandener Prüfung (Quality_Check_Passed = FALSE) → Requires_Rework = TRUE

Beispieldaten für die Transformation:

Auftrag #1001: Quality_Check_Passed = TRUE → Requires_Rework = FALSE
Auftrag #1002: Quality_Check_Passed = FALSE → Requires_Rework = TRUE
Auftrag #1003: Quality_Check_Passed = TRUE → Requires_Rework = FALSE

Erkenntnisse: Das negierte Attribut hilft Produktionsteams, Nacharbeitsaufträge schnell zu identifizieren und zu priorisieren, Nacharbeitskapazitäten abzuschätzen und Ursachen von Qualitätsproblemen zu analysieren.

Beispiel 5: Finden ungelöster Kundenservice-Tickets

Szenario: Eine Kundenservice-Abteilung nutzt das boolesche Attribut "Ticket_Resolved". Servicemanager möchten sich auf ungelöste Tickets konzentrieren, um Reaktionszeiten und Kundenzufriedenheit zu verbessern.

Einstellungen:

New Attribute Name: Still_Open
Attribute Names: Ticket_Resolved

Ausgabe: Erstellt das Attribut "Still_Open" für Servicetickets:

Gelöste Tickets (Ticket_Resolved = TRUE) → Still_Open = FALSE
Ungelöste Tickets (Ticket_Resolved = FALSE) → Still_Open = TRUE

Dies ermöglicht sofortiges Filtern aller offenen Tickets, die Aufmerksamkeit benötigen.

Erkenntnisse: Das invertierte Attribut erleichtert die Echtzeitüberwachung des Volumens offener Tickets, hilft bei der Identifikation älterer ungelöster Probleme und unterstützt Trendanalysen der Lösungsquoten über die Zeit.

Ausgabe

Die Negate-Anreicherung erstellt ein neues boolesches Fallattribut mit dem im Feld "New Attribute Name" angegebenen Namen. Das Ausgabeattribut enthält die logische Inversion der Eingabewerte.

Wahrheitstabelle:

Eingabe: TRUE → Ausgabe: FALSE
Eingabe: FALSE → Ausgabe: TRUE
Eingabe: null → Ausgabe: null (bleibt null, wird nicht negiert)

Datentyp: Das Ausgabeattribut ist immer vom Typ Boolean und wird gemäß den Anzeigeeinstellungen in mindzieStudio dargestellt (typischerweise "Ja/Nein" oder "True/False").

Umgang mit Nullwerten: Wenn das Quellattribut für einen Fall den Wert null enthält, ist auch das negierte Attribut für diesen Fall null. Die Anreicherung wandelt Nullwerte nicht in FALSE oder TRUE um – sie bewahrt den Nullzustand, um die Datenintegrität zu wahren und falsche Annahmen über fehlende Daten zu vermeiden.

Integration mit anderen Funktionen: Das negierte Attribut kann sofort verwendet werden in:

Filtern, um auf bestimmte Teilmengen von Fällen zu fokussieren (z. B. Filter auf Still_Open = TRUE)
Anderen logischen Anreicherungen wie "Logical OR" zum Aufbau komplexer Bedingungen
Kalkulatoren zur Zählung oder Analyse negierter Bedingungen
Konformitätsprüfungen zur Erkennung von Prozessverstößen
Dashboards und Berichten zur Überwachung inverser KPIs

Das Attribut erscheint in allen Attribut-Auswahllisten in mindzieStudio und bleibt vollständig kompatibel mit Exportfunktionen und externen Analysetools.

Siehe auch

Logical OR – Kombinieren mehrerer boolescher Attribute mit OR-Logik
Compare Two Attributes – Erstellen boolescher Attribute durch Vergleich von Werten
Count Boolean Attributes with Value – Zählen, wie viele boolesche Attribute bestimmte Werte haben
Combine Boolean Attributes – Aneinanderreihen von Namen wahrer boolescher Attribute

Diese Dokumentation ist Teil der mindzie Studio Process-Mining-Plattform.