Event Order Algorithm
Overzicht
De Event Order Algorithm verrijking is een systeemniveau-configuratieverrijking die regelt hoe mindzieStudio gebeurtenissen binnen elk geval ordent wanneer tijdstempels niet voldoende detailniveau bevatten of wanneer meerdere gebeurtenissen dezelfde tijdstempel delen. Deze verrijking is cruciaal om nauwkeurige processtroomanalyse en visualisatie te waarborgen, vooral bij gegevensbronnen die alleen datums zonder specifieke tijden registreren, of wanneer gebeurtenissen na de initiële dataloading aan het logboek worden toegevoegd.
In process mining is de volgorde van activiteiten fundamenteel om het procesgedrag te begrijpen, duur te berekenen, knelpunten te identificeren en nalevingsproblemen op te sporen. Veel bronsystemen registreren echter alleen de datum van een gebeurtenis zonder het precieze tijdstip, of meerdere gebeurtenissen kunnen met identieke tijdstempels worden gelogd. De Event Order Algorithm verrijking biedt intelligente sorteerstrategieën om een consistente, betekenisvolle volgorde van deze gebeurtenissen vast te stellen, zodat je procesanalyse de ware opeenvolging van handelingen weerspiegelt.
Deze verrijking werkt op het niveau van het evenementlogboek en beïnvloedt hoe alle daaropvolgende analyses, visualisaties en berekeningen de volgorde van gebeurtenissen interpreteren. Het wordt doorgaans eenmaal aan het begin van je verrijkingspipeline ingesteld, hoewel je het wellicht moet aanpassen als je ontdekt dat je data specifieke volgordeeisen heeft of als je nieuwe gegevensbronnen met andere tijdstempelkenmerken toevoegt.
Veelvoorkomende toepassingen
- Bepalen van deterministische gebeurtenisvolgorde wanneer bronsysteemtijdstempels geen tijd-van-de-dag-informatie bevatten (alleen datums)
- Omgaan met data-imports waarbij gebeurtenissen zijn ingevoegd met de huidige tijdstempels in plaats van werkelijke gebeurtenistijden
- Zorgen voor consistente gebeurtenissequentie over verschillende data-extracties en logherbouw
- Verbeteren van de nauwkeurigheid van processtroomvisualisaties bij gegevens met lage resolutie tijdstempels
- Ondersteunen van conformiteitscontrole door voorspelbare gebeurtenissequenties te bieden ter vergelijking met verwachte modellen
- Optimaliseren van prestaties door onnodige sorteervolgordes weg te nemen als de gebeurtenisvolgorde al correct is
- Omgaan met legacy data-migraties waarbij historische gebeurtenissen worden geladen met invoegtijdstempels
Instellingen
Order Event Algorithm: Specificeert het algoritme dat wordt gebruikt om gebeurtenissen binnen elk geval te ordenen. Deze instelling bepaalt hoe mindzieStudio de volgorde van gebeurtenissen oplost wanneer alleen tijdstempels niet volstaan om een definitieve volgorde vast te stellen. De beschikbare opties zijn:
Insert Date Events Before (Standaard): Dit is het aanbevolen algoritme voor de meeste scenario's. Het sorteert gebeurtenissen binnen elk geval op tijdstempel, en wanneer meerdere gebeurtenissen dezelfde tijdstempel delen (vooral wanneer de tijdstempel alleen een datum zonder tijd bevat), gebruikt het de Expected Order-atribuut om de volgorde te bepalen. Dit algoritme gaat ervan uit dat gebeurtenissen met enkel datumtijdstempels achteraf in het logboek zijn ingevoegd en geordend moeten worden met extra metadata. Het Expected Order-atribuut wordt doorgaans ingesteld door de Expected Order verrijking, waarmee je de logische volgorde van activiteiten in je proces kunt definiëren. Deze optie verzorgt intelligente afhandeling van tijdstempels met gemengde precisie en behoudt goede prestaties.
Insert Date Events Before (Old): Dit is een legacy-versie van het Insert Date Events Before algoritme die in stand wordt gehouden voor achterwaartse compatibiliteit met oudere evenementlogboeken. Het implementeert dezelfde sorteerslogica maar gebruikt een ouder codepad dat mogelijk andere prestatiekenmerken heeft bij zeer grote datasets. Gebruik deze optie alleen als je consistentie met historische analyseresultaten moet behouden of als je specifieke compatibiliteitsproblemen met het nieuwere algoritme ervaart. Voor nieuwe analyses verdient de standaard Insert Date Events Before optie de voorkeur.
No Sorting: Deze optie schakelt automatische gebeurtenissortering volledig uit en behoudt de originele volgorde waarin gebeurtenissen in de brondaten voorkomen. Gebruik deze instelling wanneer je brondaten al gebeurtenissen bevatten in de correcte chronologische volgorde en je de prestaties wilt maximaliseren door onnodige sorteerstappen te vermijden. Dit is geschikt voor gegevensbronnen die hoog-precisie tijdstempels leveren (inclusief milliseconden) en waar je zeker bent dat de invoegvolgorde overeenkomt met de chronologische volgorde. Wees echter voorzichtig met deze optie, omdat het kan leiden tot onjuiste processtromen als je brondaten geen correcte ordening garanderen. Als je later berekende gebeurtenissen toevoegt of gegevens uit meerdere bronnen samenvoegt, moet je wellicht overschakelen op een actief sorteeralgoritme.
Voorbeelden
Voorbeeld 1: Verwerking van inkooporders met enkel datumtijdstempels
Scenario: Een inkoopsysteem houdt inkooporders bij door goedkeuring heen, maar het legacy ERP-systeem registreert alleen de goedkeuringsdatum zonder specifieke tijden. Meerdere goedkeuringsstappen (afdelingsmanager, financieel controller, directiegoedkeuring) kunnen op dezelfde dag plaatsvinden, maar de tijdstempel toont voor alle drie "2024-03-15". Zonder correcte ordening zou process mining willekeurige reeksen tonen, waardoor het onmogelijk is het echte goedkeuringspad te identificeren of accurate overdrachtstijden te berekenen.
Instellingen:
- Order Event Algorithm: Insert Date Events Before
Aanvullende configuratie: Voor toepassen van deze verrijking gebruik je eerst de Expected Order verrijking om vast te leggen dat:
- Afdelingsmanager Goedkeuring altijd eerst komt
- Financieel Controller Goedkeuring tweede is
- Directiegoedkeuring als laatste komt
Uitvoer: Met Insert Date Events Before geselecteerd worden gebeurtenissen met tijdstempel "2024-03-15 00:00:00" nu correct geordend:
| Case ID | Activiteit | Originele Tijdstempel | Gesorteerde Positie | Expected Order |
|---|---|---|---|---|
| PO-1234 | Afdelingsmanager Goedkeuring | 2024-03-15 | 1 | 10 |
| PO-1234 | Financieel Controller Goedkeuring | 2024-03-15 | 2 | 20 |
| PO-1234 | Directiegoedkeuring | 2024-03-15 | 3 | 30 |
De processtroom toont nu correct de goedkeuringshiërarchie, duurberekeningen tussen stappen worden zinvol, en conformiteitscontrole kan valideren dat de verwachte goedkeuringsvolgorde werd gevolgd.
Inzichten: Deze configuratie zorgt ervoor dat zelfs met enkel datumtijdstempels je process mining analyse de verplichte goedkeuringshiërarchie accuraat weergeeft. Zonder deze verrijking zouden de drie goedkeuringen willekeurig verschijnen in verschillende gevallen, patronen verhullend en het onmogelijk makend gevallen te identificeren waar goedkeuringen uit volgorde plaatsvonden.
Voorbeeld 2: Hoge-prestatieanalyse met precieze tijdstempels
Scenario: Een manufacturing execution system (MES) legt elke productiestap vast met milliseconde-precisie tijdstempels. Elke werkstation registreert start- en voltooiingstijden voor bewerkingen zoals "Materiaal Geladen", "Lassen Voltooid", "Kwaliteitscontrole" en "Verpakken Afgerond" met tijdstempels zoals "2024-03-15 14:32:18.437". Het databestand is omvangrijk (miljoenen gebeurtenissen) en je wilt de verrijkingsprestaties optimaliseren omdat de tijdstempels al onmiskenbare volgorde bieden.
Instellingen:
- Order Event Algorithm: No Sorting
Uitvoer: Gebeurtenissen worden verwerkt in de originele invoegvolgorde zonder aanvullende sortering:
| Case ID | Activiteit | Tijdstempel | Originele Volgorde Behouden |
|---|---|---|---|
| WO-5678 | Materiaal Geladen | 2024-03-15 14:32:18.437 | Positie 1 |
| WO-5678 | Lassen Voltooid | 2024-03-15 14:35:42.891 | Positie 2 |
| WO-5678 | Kwaliteitscontrole | 2024-03-15 14:38:15.234 | Positie 3 |
| WO-5678 | Verpakken Afgerond | 2024-03-15 14:41:03.567 | Positie 4 |
De verrijkingsverwerking verloopt 15-20% sneller dan bij actieve sorteeralgoritmes, vooral merkbaar bij het regenereren van de case-weergave na meerdere verrijkingen.
Inzichten: Wanneer je brondaten hoge-kwaliteit, hoog-precisie tijdstempels bieden, kan het uitschakelen van sortering de prestaties op grote datasets aanzienlijk verbeteren zonder nauwkeurigheid te verliezen. Dit is vooral waardevol in real-time of near-real-time process mining scenario’s waarbij snelheid van verrijking belangrijk is. Monitor echter de processtromen zorgvuldig bij eerste implementatie om te garanderen dat je brondaten echt correct zijn geordend.
Voorbeeld 3: Migratie van historische data met gemengde tijdstempels
Scenario: Een financiële dienstverlener migreert 10 jaar aan leningaanvraaggegevens van een legacy-systeem naar een nieuw process mining platform. Historische gebeurtenissen (2015-2020) hebben alleen datums, terwijl recente gebeurtenissen (2021-heden) precieze tijdstempels bevatten. Sommige historische gebeurtenissen zijn bulk geladen en dragen invoegtijdstempels van migratiedatum in plaats van de werkelijke data. De Expected Order verrijking is geconfigureerd om de vaste volgorde van leningaanvragen vast te leggen: Aanvraag Ontvangen, Credit Check, Inkomen Controle, Risicobeoordeling, Goedkeuringsbeslissing.
Instellingen:
- Order Event Algorithm: Insert Date Events Before
Uitvoer: Voor een historisch geval uit 2017:
| Case ID | Activiteit | Opgeslagen Tijdstempel | Gebeurtenisdatum | Gesorteerde Positie | Expected Order |
|---|---|---|---|---|---|
| LN-9012 | Aanvraag Ontvangen | 2017-06-12 | 2017-06-12 | 1 | 10 |
| LN-9012 | Credit Check | 2017-06-12 | 2017-06-12 | 2 | 20 |
| LN-9012 | Inkomen Controle | 2017-06-13 | 2017-06-13 | 3 | 30 |
| LN-9012 | Risicobeoordeling | 2017-06-13 | 2017-06-13 | 4 | 40 |
| LN-9012 | Goedkeuringsbeslissing | 2017-06-14 10:30:00 | 2017-06-14 | 5 | 50 |
Voor een recent geval uit 2024:
| Case ID | Activiteit | Opgeslagen Tijdstempel | Gesorteerde Positie |
|---|---|---|---|
| LN-9876 | Aanvraag Ontvangen | 2024-03-15 09:15:23 | 1 |
| LN-9876 | Credit Check | 2024-03-15 09:47:11 | 2 |
| LN-9876 | Inkomen Controle | 2024-03-15 14:22:35 | 3 |
| LN-9876 | Risicobeoordeling | 2024-03-16 08:30:12 | 4 |
| LN-9876 | Goedkeuringsbeslissing | 2024-03-16 16:45:08 | 5 |
Inzichten: Het Insert Date Events Before algoritme handelt gemengde datakwaliteit-scenario’s naadloos af, met Expected Order om gebeurtenissen op dezelfde dag in historische data te ordenen terwijl het vertrouwt op precieze tijdstempels voor recente data. Dit maakt consistente procesanalyse mogelijk over je gehele dataset ongeacht tijdstempelprecisie, waardoor trends en vergelijkingen tussen historische en actuele prestatie accuraat kunnen worden uitgevoerd. Het algoritme detecteert automatisch wanneer tijdstempels geen tijd-van-de-dag bevatten en past de juiste ordeningslogica toe.
Voorbeeld 4: Integratie van data uit meerdere systemen
Scenario: Een zorgverlener combineert patiënttrajectgegevens uit drie systemen: een afsprakenplanningssysteem (tijdstempels met secondeprecisie), een elektronisch patiëntendossier (EMR) systeem (alleen datum tijdstempels voor veel historische invoeren), en een factureringssysteem (tijdstempels met minuutprecisie). Gebeurtenissen zoals "Afspraak Gepland," "Patiënt Aangekomen," "Vitals Opgenomen," "Consult Arts," "Lab Verzoek," "Lab Resultaten," "Recept Uitgegeven," en "Facturatie Voltooid" komen uit verschillende bronnen met variërende tijdstempelprecisie. De Expected Order verrijking definieert de typische patiëntbezoekvolgorde.
Instellingen:
- Order Event Algorithm: Insert Date Events Before
Uitvoer: Voor een patiëntbezoek op 15 maart 2024:
| Case ID | Activiteit | Bron Systeem | Originele Tijdstempel | Gesorteerde Positie | Expected Order Toegepast |
|---|---|---|---|---|---|
| PT-4455 | Afspraak Gepland | Planning | 2024-03-10 14:30:00 | 1 | Nee (preciese tijd) |
| PT-4455 | Patiënt Aangekomen | Planning | 2024-03-15 09:00:00 | 2 | Nee (preciese tijd) |
| PT-4455 | Vitals Opgenomen | EMR | 2024-03-15 | 3 | Ja (alleen datum, volgorde 30) |
| PT-4455 | Consult Arts | EMR | 2024-03-15 | 4 | Ja (alleen datum, volgorde 40) |
| PT-4455 | Lab Verzoek | EMR | 2024-03-15 | 5 | Ja (alleen datum, volgorde 50) |
| PT-4455 | Lab Resultaten | EMR | 2024-03-15 | 6 | Ja (alleen datum, volgorde 60) |
| PT-4455 | Recept Uitgegeven | EMR | 2024-03-15 | 7 | Ja (alleen datum, volgorde 70) |
| PT-4455 | Facturatie Voltooid | Facturatie | 2024-03-15 17:00 | 8 | Nee (uur/minuut) |
Inzichten: Het Insert Date Events Before algoritme past zich intelligent aan aan variërende tijdstempelprecisie over geïntegreerde datastromen. Het behoudt de chronologische volgorde van precieze tijdstempels en gebruikt Expected Order om gebeurtenissen van bronnen met lage resolutie te ordenen. Dit maakt uitgebreide end-to-end process mining mogelijk over uiteenlopende systemen zonder dure data kwaliteitsverbeteringen of tijdstempelverrijking op bronniveau. De resulterende processtromen representeren patiënttrajecten nauwkeurig, waardoor analyse van overdrachten, wachttijden en inzet van middelen mogelijk is.
Voorbeeld 5: Achterwaartse compatibiliteit voor historische analyses
Scenario: Een process mining team analyseert al drie jaar de orderafhandelingsprocessen met een oudere versie van mindzieStudio. Ze hebben meerdere rapporten, dashboards en KPI’s gepubliceerd op basis van deze analyses. Na een upgrade naar een nieuwe platformversie merken ze kleine verschillen in sommige processtatistieken, met name rond activiteiten op dezelfde dag. Onderzoek wijst uit dat het gebeurtenisordalgoritme is bijgewerkt met prestatieverbeteringen. Om consistentie met historische rapporten te behouden en jaar-op-jaar vergelijkingen geldig te houden, moeten ze het legacy ordeningsalgoritme gebruiken.
Instellingen:
- Order Event Algorithm: Insert Date Events Before (Old)
Uitvoer: Processtatistieken en stroomschema’s komen exact overeen met eerder gepubliceerde analyses:
Huidige Analyse (met Old algoritme):
- Gemiddelde orderverwerkingstijd: 4,2 dagen
- Tijdige leveringsratio: 87,3%
- Procesvariantverdeling komt overeen met historische basislijn
- Conformiteitsscore: 91,2%
Vergelijking met Nieuw Algoritme:
- Gemiddelde orderverwerkingstijd: 4,2 dagen (geen verandering, precieze tijdstempels)
- Tijdige leveringsratio: 87,3% (geen verandering)
- Procesvariantverdeling: 2 nieuwe zeldzame varianten gedetecteerd (0,1% van gevallen)
- Conformiteitsscore: 91,0% (lichte daling door verfijnde ordening)
Inzichten: De Old algoritme optie biedt continuïteit voor langlopende process mining initiatieven waar consistentie met historische analyse cruciaal is. Hoewel het nieuwere algoritme betere prestaties en potentieel nauwkeurigere ordening in randgevallen biedt, zorgt het oude algoritme dat vastgestelde KPI’s, benchmarks en trendanalyses vergelijkbaar blijven bij upgrades. Teams kunnen deze optie in een overgangsperiode gebruiken, verschillen tussen algoritmen valideren op een datadeelset, en daarna overstappen op het nieuwe algoritme voor toekomstige analyses. Deze aanpak behoudt het vertrouwen van stakeholders terwijl platformmodernisering mogelijk wordt.
Uitvoer
De Event Order Algorithm verrijking creëert geen nieuwe attributen en past geen bestaande datawaarden aan. In plaats daarvan configureert het een systeeminstelling die regelt hoe mindzieStudio intern gebeurtenissen ordent bij het bouwen van de case-weergave voor analyse en visualisatie. Het effect van deze verrijking is zichtbaar in:
Processtroomvisualisatie: Proceskaarten, variantanalyse en directly-follows grafieken zullen de gebeurtenisvolgordes laten zien zoals bepaald door het geselecteerde algoritme. Gevallen met gebeurtenissen met dezelfde tijdstempel tonen consistente, logische stromingspatronen in plaats van willekeurige ordening.
Duurberekeningen: Verrijkingen die tijd tussen activiteiten berekenen (zoals "Duur Tussen Twee Activiteiten" of "Duur Tussen Activiteit en Case Start") leveren zinvolle resultaten omdat gebeurtenissen in de juiste volgorde staan. Zonder correcte ordening zouden duurberekeningen tussen gebeurtenissen met dezelfde tijdstempel nul zijn of negatieve waarden tonen als gebeurtenissen in omgekeerde volgorde verschijnen.
Conformiteitscontrole: Conformiteitsverrijkingen die activiteitsvolgordes vergelijken met verwachte procesmodellen identificeren correct afwijkingen. Juiste gebeurtenisvolgorde zorgt dat nalevingsproblemen werkelijke procesproblemen reflecteren en geen datakwaliteitsissues.
Prestatieanalyse: Prestatiecategorieën die gevallen classificeren op basis van durata drempels of tijdcriteria werken op correct geordende gebeurtenissen, wat nauwkeurige prestaties beoordeelt.
Downstream verrijkingen: Alle daaropvolgende verrijkingen in je verrijkingspipeline die afhankelijk zijn van gebeurtenisvolgorde (activiteitpositie, voorganger/volger relaties, case-fase berekeningen) werken correct op basis van de volgorde die deze verrijking vastlegt.
De verrijking opereert tijdens de case-weergavegeneratiefase, die plaatsvindt na het laden van het evenementlogboek en telkens wanneer verrijkingen worden toegepast. De prestatie-impact varieert per algoritme:
- No Sorting biedt de beste prestaties door de ordeningsstap geheel over te slaan
- Insert Date Events Before biedt een balans tussen nauwkeurigheid en prestaties, geoptimaliseerd voor moderne datasets
- Insert Date Events Before (Old) behoudt achterwaartse compatibiliteit maar kan trager zijn bij zeer grote datasets
Wanneer je deze verrijking toepast, genereert mindzieStudio de case-weergave opnieuw met het geselecteerde algoritme. De interne gebeurtenissequentie wordt bijgewerkt, maar de originele tijdstempelwaarden in je data blijven ongewijzigd. Dit betekent dat je flexibel kunt wisselen tussen algoritmes zonder je brondaten aan te passen, waardoor je verschillende ordeningsstrategieën kunt uitproberen om te ontdekken welke het beste je procesrealiteit representeert.
Zie ook
- Expected Order - Definieert de logische volgorde van activiteiten in je proces, welke wordt gebruikt door de Insert Date Events Before algoritmes om gebeurtenissen met dezelfde tijdstempel te ordenen
- Freeze Log Time - Stel een vaste referentiepunt voor tijd gebaseerde berekeningen in, nuttig bij analyse van historische data of het maken van reproduceerbare analyses
- Shift Activity Time - Past tijdstempels aan met een opgegeven verschuiving, handig bij het corrigeren van tijdzoneproblemen of het afstemmen van data uit verschillende bronnen
Deze documentatie maakt deel uit van het mindzieStudio process mining platform.