Attribuutwijzigingen in een Case

Overzicht

De Attribuutwijzigingen in een Case verrijking is een krachtig analysetool dat waardeveranderingen in gebeurtenisattributen gedurende de levenscyclus van een case detecteert en kwantificeert. Deze verrijking onderzoekt automatisch elk gebeurtenisattribuut in uw dataset en creëert nieuwe case-niveau metrics die patronen van verandering, stabiliteit en variatie binnen elke procesinstantie onthullen. Door variaties op gebeurtenisniveau om te zetten naar inzichten op case-niveau, stelt deze verrijking u in staat om procesinconsistenties te identificeren, statusovergangen te volgen en processtabiliteit op schaal te meten.

Deze verrijking is bijzonder waardevol voor het begrijpen van procesdynamiek en variabiliteit. Het beantwoordt cruciale vragen over hoe attribuutwaarden evolueren tijdens de uitvoering van een case – of statusvelden vaak veranderen, of resource-toewijzingen consistent blijven, of hoeveel verschillende waarden een attribuut binnen één case aanneemt. De verrijking maakt tot drie verschillende typen metrics voor elk gebeurtenisattribuut, waardoor u flexibiliteit hebt in hoe u attribuutwijzigingen binnen uw proces analyseert en visualiseert.

Veelvoorkomende Gebruikstoepassingen

Analyse van statusovergangen - Volg hoe vaak orderstatus, goedkeuringsstatus of casestatus verandert gedurende de proceslevenscyclus
Bewaking van resourceconsistentie - Identificeer cases waarin eigendom of verantwoordelijkheid meerdere malen wisselt, wat kan wijzen op mogelijke overdrachtproblemen
Validatie van datakwaliteit - Detecteer onverwachte variaties in attributen die constant zouden moeten blijven, wat data-invoerfouten of systeeminconsistenties kan onthullen
Meten van procescomplexiteit - Kwantificeer het aantal verschillende waarden of statussen waar een case doorheen gaat om de procescomplexiteit te meten
Analyse van wijzigingsfrequentie - Tel het totale aantal waardeveranderingen om sterk fluctuerende cases te identificeren die nader onderzoek vereisen
Conformiteitscontrole - Controleer of bepaalde attributen verwachte waarden of wijzigingspatronen volgen volgens bedrijfsregels
Performantiecategorieën - Groepeer cases op wijzigingspatronen om te begrijpen welke types cases volgen eenvoudigere versus complexere paden

Instellingen

Ignore Null: Bepaalt of null (lege) waarden moeten worden uitgesloten bij het analyseren van attribuutwijzigingen. Als ingeschakeld, slaat de verrijking evenementen over waarbij de attribuutwaarde null is, en richt zich alleen op daadwerkelijke waardeveranderingen. Dit is nuttig wanneer null-waarden ontbrekende data vertegenwoordigen in plaats van betekenisvolle statuswijzigingen. Standaardwaarde is true (ingeschakeld). Schakel dit in wanneer nulls datalekken representeren; schakel uit wanneer null een betekenisvolle status in uw proces is.

Create Change Count Attribute: Bepaalt of attributen moeten worden gemaakt die het totale aantal waardeveranderingen tellen voor elk gebeurtenisattribuut. Als ingeschakeld, worden attributen met de achtervoegsel "-Changes" aangemaakt met een telling van hoe vaak de waarde veranderde van het ene naar het volgende evenement. Dit levert een sequentiële wijzigingtelling meting. Standaardwaarde is true (ingeschakeld). Gebruik dit om volatiliteit te meten en cases met frequente statusovergangen te identificeren.

Create Group Count Attribute: Bepaalt of attributen moeten worden gemaakt die het aantal verschillende waarden (groepen) tellen dat elk gebeurtenisattribuut binnen een case aanneemt. Als ingeschakeld, worden attributen met de achtervoegsel "-Groups" aangemaakt met een telling van unieke waarden. Dit meet diversiteit in plaats van wijzigingsfrequentie. Standaardwaarde is true (ingeschakeld). Schakel dit in om waarde-diversiteit en procescomplexiteit te begrijpen.

Create Bool Change Attribute: Bepaalt of booleaanse attributen moeten worden gemaakt die aangeven of er enige verandering heeft plaatsgevonden voor elk gebeurtenisattribuut. Als ingeschakeld, worden attributen met de achtervoegsel "-Change" aangemaakt die true/false waarden bevatten – true als het attribuut verschillende waarden had, false anders. Standaardwaarde is true (ingeschakeld). Gebruik dit voor eenvoudige binaire classificatie van cases met of zonder veranderingen.

Voorbeelden

Voorbeeld 1: Orderstatus Monitoring bij Inkoop

Scenario: Een inkoopteam wil inkooporders identificeren met buitensporig veel statuswijzigingen, die vaak problemen of vertragingen in het proces aangeven die handmatige interventie vereisen.

Instellingen:

Ignore Null: true
Create Change Count Attribute: true
Create Group Count Attribute: true
Create Bool Change Attribute: false

Resultaat: Voor een gebeurtenisattribuut "Order_Status" dat door de volgende waarden gaat: "Created" → "Approved" → "In Review" → "Approved" → "Processed", maakt de verrijking:

Order_Status-Changes: 4 (telt elke overgang)
Order_Status-Groups: 4 (telt verschillende waarden: Created, Approved, In Review, Processed)

Cases met Order_Status-Changes > 5 worden gemarkeerd ter beoordeling omdat ze herhaalde heen-en-weer statuswijzigingen aangeven.

Inzichten: Orders met hoge wijzigingtellingen correleren met langere doorlooptijden en hogere kosten. Het inkoopteam implementeert automatische meldingen voor orders met meer dan 3 statuswijzigingen om uitzonderingen proactief te beheren.

Voorbeeld 2: Overgangen van Zorgteams in de Gezondheidszorg

Scenario: Een ziekenhuis wil de continuïteit van zorg analyseren door te volgen hoe vaak patiënten worden overgeplaatst tussen verschillende medische teams of afdelingen tijdens hun verblijf.

Instellingen:

Ignore Null: true
Create Change Count Attribute: true
Create Group Count Attribute: true
Create Bool Change Attribute: true

Resultaat: Voor een gebeurtenisattribuut "Assigned_Team" met waarden: "ER" → "ER" → "ICU" → "Surgery" → "ICU" → "Recovery", creëert de verrijking:

Assigned_Team-Changes: 4 (ER naar ICU, ICU naar Surgery, Surgery naar ICU, ICU naar Recovery)
Assigned_Team-Groups: 4 (ER, ICU, Surgery, Recovery)
Assigned_Team-Change: true (er zijn veranderingen opgetreden)

Inzichten: Patiënten met meer dan 3 teamovergangen verblijven gemiddeld 40% langer. Het ziekenhuis implementeert zorgcoördinatieprotocollen voor patiënten met veel overgangen om de uitkomsten en efficiëntie te verbeteren.

Voorbeeld 3: Kwaliteitscontrole in de Productie

Scenario: Een productiebedrijf wil kwaliteitsinspectieresultaten door het productieproces volgen om producten te identificeren die meerdere kwaliteitsinterventies vereisen.

Instellingen:

Ignore Null: false
Create Change Count Attribute: true
Create Group Count Attribute: true
Create Bool Change Attribute: false

Resultaat: Voor een gebeurtenisattribuut "Quality_Status" met waarden: null → "Pass" → "Fail" → "Rework" → "Pass", creëert de verrijking:

Quality_Status-Changes: 4 (inclusief de eerste overgang van null naar Pass)
Quality_Status-Groups: 5 (null, Pass, Fail, Rework en Pass worden als uniek geteld)

Producten met Quality_Status-Groups > 2 worden geanalyseerd voor grondoorzaakonderzoek van kwaliteitsproblemen.

Inzichten: Producten met kwaliteitsstatuswijzigingen zijn gerelateerd aan specifieke productielijnen en diensten, wat leidt tot gerichte training en onderhoudsprogramma's.

Voorbeeld 4: Workflow voor Goedkeuring Financiële Transacties

Scenario: Een bank wil de complexiteit van hun leninggoedkeuringsproces analyseren door te volgen hoeveel verschillende goedkeuringsniveaus en beslissingsstatussen elke aanvraag doorloopt.

Instellingen:

Ignore Null: true
Create Change Count Attribute: false
Create Group Count Attribute: true
Create Bool Change Attribute: true

Resultaat: Voor een gebeurtenisattribuut "Approval_Level" met waarden: "Initial_Review" → "Credit_Check" → "Manager_Review" → "Credit_Check" → "Final_Approval", maakt de verrijking:

Approval_Level-Groups: 4 (Initial_Review, Credit_Check, Manager_Review, Final_Approval)
Approval_Level-Change: true

Leningaanvragen met Approval_Level-Groups > 5 duiden op complexe cases die procesoptimalisatie vereisen.

Inzichten: Aanvragen met minder goedkeuringsniveaugroepen worden 60% sneller verwerkt. De bank stroomlijnt het proces voor standaardaanvragen en behoudt grondige beoordeling voor complexe cases.

Voorbeeld 5: IT Incidentoplossing Tracking

Scenario: Een IT-servicedesk wil bijhouden hoe vaak prioriteiten en toegewezen teams veranderen om tickets te identificeren die heen en weer gaan zonder oplossing.

Instellingen:

Ignore Null: true
Create Change Count Attribute: true
Create Group Count Attribute: true
Create Bool Change Attribute: true

Resultaat: Voor attributen "Priority" en "Assigned_Group":

Priority-Changes: Aantal prioriteitsop- of afschalingen
Priority-Groups: Aantal verschillende gebruikte prioriteitsniveaus
Assigned_Group-Changes: Aantal keren dat het ticket opnieuw werd toegewezen
Assigned_Group-Groups: Aantal verschillende teams die het ticket behandelden
Assigned_Group-Change: true/false geeft aan of er hertoewijzing was

Tickets met zowel Priority-Changes > 2 als Assigned_Group-Changes > 3 worden gemarkeerd als "hot potato" tickets die managementaandacht vereisen.

Inzichten: Incidenten met meerdere hertoewijzingen hebben 3x langere oplostijden. De servicedesk voert een "sticky assignment" beleid in waarbij het eerste reagerende team de coördinatie van de oplossing moet verzorgen, zelfs als expertise van andere teams nodig is.

Output

De Attribuutwijzigingen in een Case verrijking maakt nieuwe case-niveau attributen voor elk niet-systeem gebeurtenisattribuut in uw dataset. De verrijking verwerkt automatisch alle gebeurtenisattributen behalve systeemkolommen (Activity, Timestamp, Start Time) en verborgen of berekende kolommen.

Gegenereerde Attributen:

[AttributeName]-Changes (Integer): Bevat het aantal waardeovergangen voor het attribuut. Een wijziging wordt geteld elke keer dat de waarde verschilt van het vorige evenement. Waarden variëren van 0 (geen wijzigingen) tot n-1 waarbij n het aantal events in de case is.
[AttributeName]-Groups (Integer): Bevat het aantal verschillende waarden dat het attribuut binnen de case aanneemt. Dit meet waarde-diversiteit ongeacht wijzigingsfrequentie. Een waarde van 1 geeft aan dat het attribuut constant bleef gedurende de case.
[AttributeName]-Change (Boolean): Bevat true als het attribuut verschillende waarden had binnen de case, false als het constant bleef of geen waarden had. Dit biedt een eenvoudige binaire indicator van aanwezigheid van wijzigingen.

Datatypes en Formaten:

Aantalwijzigingsattributen: Integer waarden weergegeven met nummeropmaak
Groepentellingattributen: Integer waarden weergegeven met nummeropmaak
Booleaanse wijzigingsattributen: Boolean waarden weergegeven als Ja/Nee

Integratie met Andere Functionaliteiten:

Gebruik deze attributen in filters om cases met specifieke wijzigingspatronen te identificeren
Combineer met calculators om veranderingsratio’s of percentages te creëren
Pas toe in dashboards om processtabiliteitsmetrics te visualiseren
Gebruik voor conformiteitscontrole om verwachte wijzigingspatronen te verifiëren
Benut in machine learning modellen als kenmerken voor procescomplexiteit

Naamgevingsconventies: De verrijking behoudt de oorspronkelijke attribuutnaam en voegt duidelijke achtervoegsels toe (-Changes, -Groups, -Change) waardoor het eenvoudig is de bronattribuut en type metric te herkennen. Deze attributen verschijnen in de lijst met case-attributen en kunnen direct worden gebruikt in alle mindzieStudio analysefuncties.

Deze documentatie maakt deel uit van het mindzie Studio process mining platform.