Same Time Pairs
Overzicht
De Same Time Pairs calculator identificeert activiteitparen met problematische tijdstempels waarbij de temporele volgorde niet betrouwbaar kan worden bepaald. Deze gespecialiseerde datakwaliteitcalculator analyseert uw procesdata om activiteitparen te vinden waarbij gebeurtenissen precies tegelijk plaatsvinden of waarbij de ene gebeurtenis alleen een datum heeft (geen tijd), terwijl een andere gebeurtenis op dezelfde datum een specifieke tijd heeft. Deze problemen met tijdstempels maken het onmogelijk om te bepalen welke activiteit echt eerst plaatsvond, wat mogelijk invloed heeft op processtroomanalyse en conformiteitscontrole.
Veelvoorkomende Toepassingen
- Detecteren van datakwaliteitsproblemen in gebeurtenistijdstempels vóór procesanalyse
- Identificeren van activiteiten die vaak met identieke tijdstempels worden gelogd
- Vinden van gevallen waar alleen datum-tijdstempels conflicteren met datum-only tijdstempels
- Valideren van de kwaliteit van gegevensimport na migratie vanuit legacy-systemen
- Beoordelen van de betrouwbaarheid van temporele ordening in process mining analyses
- Prioriteren van datacleanup door de meest problematische activiteitparen te identificeren
Instellingen
Deze calculator vereist geen configuratie-instellingen. Hij analyseert automatisch alle activiteitparen in uw procesdata om paren met temporele ordeningsproblemen te identificeren.
Voorbeelden
Voorbeeld 1: Identificeren van Datakwaliteitsproblemen in Factuurverwerking
Scenario: Na het importeren van factuurverwerkingsdata uit een legacy ERP-systeem wilt u controleren of de tijdstempeldata betrouwbaar genoeg is voor process mining analyse. Sommige activiteiten zijn gelogd met volledige tijdstempels, terwijl andere alleen een datum bevatten.
Instellingen:
- Geen instellingen vereist - calculator draait automatisch
Output:
De calculator produceert een tabel met de volgende kolommen:
- Activity Pair: Toont het activiteitpaar in het formaat "Activity1 -> Activity2"
- Activity 1: De eerste activiteit in het paar
- Activity 2: De tweede activiteit in het paar
- Known Order Pair Count: Het aantal keren dat dit activiteitpaar voorkomt in uw data waarbij de temporele volgorde WEL betrouwbaar kan worden bepaald (met verschillende tijdstempels inclusief tijd van de dag)
De tabel toont alleen activiteitparen met tijdstempelproblemen. Als een paar niet in de resultaten verschijnt, betekent dit dat alle instanties van dat paar betrouwbare temporele ordening hebben.
Inzichten:
U ontdekt dat "Invoice Received -> Invoice Approved" voorkomt met een Known Order Pair Count van 247. Dit betekent dat er 247 gevallen zijn waarin deze activiteiten correct geordend kunnen worden, maar de calculator identificeerde dit paar ook omdat er gevallen zijn waarbij:
- Beide activiteiten identieke tijdstempels hebben (exact gelijktijdig gelogd)
- Eén activiteit alleen een datum heeft, terwijl de andere op dezelfde dag een datum en tijd heeft
Dit vertelt u dat hoewel de meeste gevallen in orde zijn, er enkele gevallen zijn waarbij u niet kunt bepalen of de factuur goedgekeurd werd vóór of na ontvangst, wat een kritieke datakwaliteitskwestie is die nader onderzoek vereist.
Voorbeeld 2: Beoordelen van Batch-Import Datakwaliteit
Scenario: Uw organisatie heeft een bulk-data-import uitgevoerd vanuit een legacy-systeem en u vermoedt dat veel gebeurtenissen tijdens het migratieproces dezelfde tijdstempel kregen toegewezen.
Instellingen:
- Geen instellingen vereist - calculator draait automatisch
Output:
De calculator toont meerdere activiteitparen met hoge Known Order Pair Counts maar markeert deze ook als problematisch, wat wijst op gemengde datakwaliteit:
| Activity Pair | Known Order Pair Count |
|---|---|
| Order Created -> Order Validated | 1,523 |
| Order Validated -> Inventory Check | 892 |
| Inventory Check -> Shipping Scheduled | 456 |
Inzichten:
De aanwezigheid van deze paren in de output duidt erop dat hoewel duizenden gevallen een juiste temporele volgorde hebben, er ook gevallen zijn met conflicterende tijdstempels. Dit suggereert:
- De bulk-import kan standaardtijdstempels op middernacht hebben toegekend aan sommige gebeurtenissen
- Bepaalde activiteiten kunnen batch-gewijs zijn verwerkt en gelijktijdig gelogd
- Datavalidatieregels waren mogelijk niet consistent toegepast tijdens de migratie
U dient de gevallen die bijdragen aan deze problematische paren te onderzoeken om te bepalen of ze representatief zijn voor:
- Legitieme gelijktijdige uitvoering (zelden, maar mogelijk)
- Problemen met systeemklok-synchronisatie
- Migratie-artifacten die correctie vereisen
Voorbeeld 3: Valideren van Real-Time Procesdata
Scenario: U analyseert een productieproces waarin activiteiten in real-time gelogd moeten worden. U wilt verifiëren dat het procescontrolesysteem alle activiteiten correct van tijdstempels voorziet.
Instellingen:
- Geen instellingen vereist - calculator draait automatisch
Output:
De calculator toont slechts enkele activiteitparen met zeer lage Known Order Pair Counts:
| Activity Pair | Known Order Pair Count |
|---|---|
| Quality Check -> Package | 3 |
| Package -> Label | 1 |
Inzichten:
Het vinden van slechts een klein aantal problematische paren met lage aantallen is een positief resultaat. Dit geeft aan:
- Dat het overgrote deel van de activiteitparen een betrouwbare temporele ordening heeft
- Het real-time logging-systeem correct functioneert
- Slechts 4 totaal gevallen hebben tijdstempelproblemen (3 + 1)
- Deze paar gevallen kunnen legitieme gelijktijdige uitvoering of kleine systeemfouten vertegenwoordigen
Dit geeft u vertrouwen dat uw procesdata geschikt is voor gedetailleerde temporele analyse, process mining en conformiteitscontrole.
Output
De calculator produceert één tabel die alleen activiteitparen toont die temporele ordeningsproblemen hebben. De tabel bevat:
- Activity Pair kolom: Toont de directionele relatie tussen twee activiteiten (Activity1 -> Activity2)
- Individuele activiteitskolommen: Toont elke activiteit afzonderlijk voor filtering en analyse
- Known Order Pair Count: Geeft aan hoe vaak dit paar voorkomt met betrouwbare temporele ordening, waardoor u de ernst van het probleem kunt inschatten
De output is interactief - u kunt op activiteitparen klikken om in te zoomen op de specifieke gevallen die bijdragen aan de temporele ordeningsproblemen.
Belangrijke Aantekeningen:
- Activiteitparen die NOOIT tijdstempelproblemen hebben, verschijnen NIET in deze output
- Hogere Known Order Pair Counts suggereren dat het tijdstempelprobleem frequent voorkomt bij het activiteitpaar
- Een lege resultaatentabel betekent dat alle activiteitparen in uw proces een betrouwbare temporele ordening hebben
Deze documentatie maakt deel uit van het mindzie Studio process mining platform.