Filtre Süreç Günlüğü

Genel Bakış

Filtre Süreç Günlüğü zenginleştirmesi, belirlenen filtre kriterlerine göre süreç veri kümenizden istenmeyen vakaları ve olayları kalıcı olarak kaldıran güçlü bir veri temizleme operatörüdür. Yalnızca analiz sırasında verileri geçici olarak gizleyen filtrelemenin aksine, bu zenginleştirme filtrelenen verileri günlüğün içinden fiziksel olarak kaldırır ve daha küçük, daha odaklanmış bir veri kümesi yaratır. Bu kalıcı filtreleme, süreç madenciliği projelerinde veri kalitesi yönetimi, gizlilik uyumluluğu ve performans optimizasyonu açısından çok önemlidir.

Bu zenginleştirme süreç madenciliğinin en temel seviyesinde, gerçek olay günlüğü yapısını değiştirerek çalışır. Bu zenginleştirme ile filtreler uyguladığınızda, her vakayı tanımladığınız kriterlere göre değerlendirir ve şartları karşılamayan tüm vakaları (ve ilişkili olaylarını) kaldırır. Sonuç, yalnızca ilgili süreç örneklerini içeren sadeleştirilmiş bir veri kümesidir ve tüm sonraki analizler daha hızlı ve daha doğru yapılabilir. Bu durum özellikle, ilgisiz verilerin önemli kalıpları gizlediği büyük veri kümeleriyle çalışırken ya da süreçlerinize farklı paydaş grupları için özel görünümler yaratmanız gerektiğinde çok değerlidir.

Filtre Süreç Günlüğü zenginleştirmesi kalıcı doğasıyla eşsizdir - bir kez uygulandıktan sonra filtrelenen veriler çalışma veri kümesinden kaldırılır. Bu, üretime hazır veri kümeleri oluşturmak, test verilerini kaldırmak, aykırı değerleri elimine etmek veya belirli zaman dilimlerine ya da iş segmentlerine odaklanmak için idealdir. Zenginleştirme, mindzieStudio’nun genelinde kullanılan aynı güçlü filtreleme motorunu kullanır ve böylece hangi verilerin tutulacağını kesin olarak tanımlamak için birden çok filtre koşulunu karmaşık mantıklarla birleştirmenize olanak tanır.

Yaygın Kullanımlar

Üretim analizi öncesi test vakalarını ve sahte verileri kaldırmak
Dönemler arası karşılaştırmalar için belirli zaman dilimlerini çıkarmak
Süreç metriklerini yanıltacak eksik vakaları elemek
Kurum çapı günlüklerden departman veya bölgeye özel veri kümeleri oluşturmak
Standart süreç kalıplarını bozabilecek aykırı değerleri ve anomalleri kaldırmak
Gizlilik uyumluluğu için hassas vaka kategorilerini filtrelemek
Kompleks analizler için veri kümesi boyutunu küçülterek performansı optimize etmek

Ayarlar

Filtre Listesi: Süreç günlüğünden hangi vakaların tutulacağını veya kaldırılacağını tanımlayan temel yapılandırma bileşenidir. Üç nokta menüsünden filtre yapılandırmasına erişebilir ve birden çok filtre koşulu ekleyebilirsiniz. Her filtre verinizin farklı yönlerine (vaka nitelikleri, olay nitelikleri, zaman damgaları veya aktivite isimleri) odaklanabilir. Filtreler, AND/OR mantığı ile birleştirilerek karmaşık seçim kriterleri oluşturulabilir. Filtre arayüzü, kod yazmadan karmaşık filtre mantığını oluşturmanıza yardımcı olan görsel bir oluşturucu sağlar. Yaygın filtre türleri şunlardır:

Nitelik filtreleri: Vaka veya olay niteliği değerlerine göre
Zaman filtreleri: Belirli tarih aralıkları veya zaman dilimleri seçmek için
Aktivite filtreleri: Belirli aktiviteleri içeren veya hariç tutan vakalar
Performans filtreleri: Süre, throughput veya diğer metriklere dayalı
Uyumluluk filtreleri: Süreç kurallarına uyan veya uymayan vakalar

Filtre listesi, filtre yapılandırmalarını kaydetmeyi ve yeniden yüklemeyi destekler; böylece farklı veri kümeleri veya projelerde ortak filtreleme kalıplarını tekrar kullanabilirsiniz.

Örnekler

Örnek 1: Üretim Veri Kümesinden Test Verisini Kaldırma

Senaryo: Bir SAP uygulamasında, gerçek iş süreçlerini analiz etmeden önce kaldırılması gereken belirli öneklerle işaretlenmiş test işlemleri vardır. Test verisi sistem validasyonu sırasında oluşturulmuş ve analize dahil edilirse KPI’ları bozacaktır.

Ayarlar:

Filtre Listesi Yapılandırması:
- Filtre 1: Order_Number "TEST" ile başlamaz
- Filtre 2: Customer_Name "Dummy Customer" eşit değildir
- Filtre 3: Created_Date "2024-01-01" tarihinden sonra
- Mantık: Filtre 1 VE Filtre 2 VE Filtre 3

Çıktı: Filtreleme kaldırır:

Sipariş numaraları "TEST" ile başlayan vakaları (ör. "TEST_001", "TEST_PO_2024")
Müşteri adı tam olarak "Dummy Customer" olan vakaları
1 Ocak 2024’ten önce oluşturulmuş vakaları

Orijinal veri kümesi: 150.000 vaka, 2.3 milyon olay Filtrelenmiş veri kümesi: 142.000 vaka, 2.18 milyon olay Kaldırılanlar: 8.000 test vakası ve ilişkili 120.000 olay

Çıkarımlar: Temizlenmiş veri kümesi artık gerçek iş operasyonlarını doğru yansıtarak süreç metriklerinin ve uyumluluk analizlerinin güvenilirliğini artırır. Performans hesaplamaları, döngü süreleri ve darboğaz analizleri artık yapay test senaryoları yerine gerçek operasyonel zorlukları gösterir.

Örnek 2: Yüksek Değerli Satınalma Siparişlerini Çıkarma

Senaryo: Çoklu kategori içeren bir tedarik sürecinde, yönetim onay iş akışlarını optimize etmek ve maliyet tasarrufu fırsatlarını belirlemek için yalnızca 50.000 $ üzerindeki yüksek değerli satınalma siparişlerine odaklanmak istiyor.

Ayarlar:

Filtre Listesi Yapılandırması:
- Filtre 1: Total_Order_Value 50000’dan büyük
- Filtre 2: Order_Status "Cancelled" değil
- Filtre 3: Order_Type ["Standard PO", "Contract PO", "Planned PO"] içinde
- Mantık: Filtre 1 VE Filtre 2 VE Filtre 3

Çıktı: Sadece şu vakaları içeren odaklanmış bir veri kümesi oluşturur:

Toplam değeri 50.000 $’ı aşan satın alma siparişleri
İptal edilmemiş aktif siparişler
Standart iş siparişi tipleri (acil veya spot alımlar hariç)

Filtre öncesi: 45.000 toplam satınalma siparişi Filtre sonrası: Toplam harcamaların %72’sini temsil eden 3.200 yüksek değerli sipariş Olasayısı 890.000’den 95.000’e düştü

Çıkarımlar: Filtrelenmiş veri kümesi, yüksek değerli siparişlerin farklı onay modellerine, daha uzun döngü sürelerine ve daha fazla paydaşa sahip olduğunu ortaya koyar. Bu odaklı görünüm, en yüksek finansal etkiye sahip siparişler için hedeflenen süreç optimizasyonuna olanak sağlar.

Örnek 3: Bölgeye Özel Veri Kümesi Oluşturma

Senaryo: Çok uluslu bir şirket, GDPR uyumluluğu ve bölgesel süreç farklılıkları nedeniyle Avrupa operasyonları için ayrı süreç analizleri oluşturmak istiyor.

Ayarlar:

Filtre Listesi Yapılandırması:
- Filtre 1: Region "Europe" eşit
- Filtre 2: Country ["Germany", "France", "Italy", "Spain", "Netherlands", "Belgium"] içinde
- Filtre 3: Process_Start_Date "2024-01-01" ile "2024-12-31" arasında
- Mantık: (Filtre 1 VEYA Filtre 2) VE Filtre 3

Çıktı: 2024 takvim yılı için tüm Avrupa vakalarını çıkarır:

Orijinal global veri kümesi: 500.000 vaka, 35 ülke
Filtrelenmiş Avrupa veri kümesi: 185.000 vaka, 6 ülke
Olay sayısı 8.5 milyondan 3.1 milyona düştü
Tüm Avrupa dışı veriler çalışma kümesinden kalıcı olarak kaldırıldı

Çıkarımlar: Bölgeye özel veri kümesi yerel veri düzenlemelerine uyumu sağlar, Avrupa’ya özgü süreç kalıplarını ortaya çıkarır ve detaylı bölgesel analiz ile optimizasyon girişimleri için yönetilebilir bir veri boyutu sağlar.

Örnek 4: Tamamlanmış Sağlık Bölümlerine Odaklanma

Senaryo: Bir hastane, sadece tamamen tamamlanmış hasta tedavi bölümlerini analiz etmek istiyor; devam eden tedaviler ve sadece idari ziyaretler hariç tutularak tedavi etkinliği ve kaynak kullanımı doğru ölçülsün.

Ayarlar:

Filtre Listesi Yapılandırması:
- Filtre 1: Episode_Status "Completed" eşit
- Filtre 2: Treatment_Type "Administrative" değil
- Filtre 3: Has_Clinical_Outcome "Yes" eşit
- Filtre 4: Duration_Days 1 ile 365 arasında
- Mantık: Filtre 1 VE Filtre 2 VE Filtre 3 VE Filtre 4

Çıktı: Sadece şunları içeren filtrelenmiş veri kümesi:

Belgelenmiş sonuçlara sahip tamamlanmış tedavi bölümleri
Klinik tedaviler (idari ziyaretler hariç)
Gerçekçi süre aralığı (1-365 gün)

Orijinal veri kümesi: 120.000 hasta bölümü Filtrelenmiş veri kümesi: 78.000 tamamlanmış klinik bölüm Kaldırılan: 42.000 eksik, idari veya aykırı vaka

Çıkarımlar: Temizlenmiş veri kümesi, tedavi süresi, kaynak kullanımı ve klinik yolaklar için kesin metrikler sağlar, eksik verilerin yarattığı gürültüyü ortadan kaldırarak güvenilir kalite metrikleri ve süreç iyileştirme girişimlerini destekler.

Örnek 5: Standart Süreç Analizi için Aykırı Değerleri Eleme

Senaryo: Bir üretim şirketi, ekipman hatalarını veya olağanüstü durumları temsil eden aşırı aykırı değerleri kaldırarak standart üretim sürecini analiz etmek istiyor; tipik vaka grubunun %95’ine odaklanacak.

Ayarlar:

Filtre Listesi Yapılandırması:
- Filtre 1: Cycle_Time_Hours 2 ile 48 saat arasında
- Filtre 2: Number_of_Rework_Loops 3’ten az
- Filtre 3: Production_Status ["Emergency", "Experimental", "Failed"] içinde değil
- Filtre 4: Defect_Rate 0.05’ten az
- Mantık: Filtre 1 VE Filtre 2 VE Filtre 3 VE Filtre 4

Çıktı: Aykırı vakaları kaldırır:

Aşırı döngü süreleri (< 2 saat veya > 48 saat)
Fazla yeniden iş (3 veya daha fazla döngü)
Standart dışı üretim koşulları
Yüksek arıza oranları (> %5)

Önce: 25.000 yüksek varyanslı üretim koşumu Sonra: 23.750 standart üretim koşumu Kaldırılan: 1.250 aykırı vaka (%5)

Çıkarımlar: Filtrelenmiş veri kümesi normal işletme koşullarını temsil eder, doğru temel metrikler, gerçekçi iyileştirme hedefleri ve standart süreç varyasyonlarıyla olağanüstü olayları ayırt etmeye olanak tanır.

Çıktı

Filtre Süreç Günlüğü zenginleştirmesi aşağıdaki özelliklerle kalıcı olarak değiştirilmiş bir veri kümesi üretir:

Değiştirilmiş Süreç Günlüğü: Zenginleştirme, yalnızca filtre kriterlerinize uyan vakaları içeren yeni bir SuperLog nesnesi döndürür. Tüm filtrelenen vakalar ve ilişkili olayları çalışma veri kümesinden kalıcı olarak kaldırılır. Bu işlem mevcut analiz oturumu içinde geri alınamaz.

Vaka Sayısı Azalması: Veri kümenizdeki vaka sayısı filtre kriterlerine bağlı olarak azalır. Bu azalmayı veri kümesi istatistiklerinde izleyerek filtrelemenin beklenen sonucu verip vermediğini kontrol edebilirsiniz.

Olay Sayısı Etkisi: Vakalar kaldırıldığında, bu vakalara ait tüm olaylar da kaldırılır. Bu, özellikle çok sayıda olaya sahip vakalar için toplam olay sayısında önemli azalma sağlar.

Korunan Veri Yapısı: Tutulan vakaların hem vaka hem de olay düzeyindeki mevcut tüm nitelikleri korunur. Zenginleştirme yalnızca tüm vakaları kaldırır; kalan vakaların yapısını veya içeriğini değiştirmez.

Performans Avantajları: Küçültülmüş veri kümesi, tüm sonraki zenginleştirmelerin, filtrelerin ve hesaplamaların daha hızlı çalışmasını sağlar. Bu, karmaşık süreç madenciliği operasyonlarında özellikle belirgindir.

Sonraki İşlemlere Etkisi: Tüm analizler, görselleştirmeler ve dışa aktarımlar filtrelenmiş veri kümesini yansıtacaktır. Tam veriye daha sonra başvurmanız gerekirse orijinal veri kümesinin bir kopyasını sakladığınızdan emin olun.

Önemli Hususlar

Kalıcı İşlem: Görselleştirme filtrelerinin aksine, bu zenginleştirme verileri çalışma veri kümesinden kalıcı olarak kaldırır. Bu işlemi uygulamadan önce orijinal verinin yedeğini mutlaka alın.

İşlem Sırası: Belirli verilerin alakasız olduğunu biliyorsanız, analiz iş akışınızda bu zenginleştirmeyi erken dönemde uygulayın. Bu, sonraki işlemlerin tümü için performansı artırır.

Filtre Doğrulaması: Zenginleştirmeyi çalıştırmadan önce filtrelerinizi önizleme fonksiyonunu kullanarak test edin, böylece doğru verileri tuttuğunuzdan emin olun.

Zincirleme Etkiler: Vakaların kaldırılması, yüzde dilim hesaplamaları veya göreceli performans metrikleri gibi tam veri kümesine dayanan hesaplamaları etkileyebilir.

Bu dokümantasyon mindzie Studio süreç madenciliği platformunun parçasıdır.