プロセスマイニング：製造業におけるデータ活用と自動化の重要性

最後のポストマイニングカフェへようこそ

• 今回のゲストは、ミュンヘン工科大学のステファニー・ラマー教授です。

• ステッフィはビジネスプロセス管理のチェアを務め、製造業との研究プロジェクトに定期的に取り組んでいます。

• 製造業には多くの課題があり、物理的な部分と高い人間の関与が複雑なプロセスを提供しています。

• プロセスマイニングと製造業の用語には重なりや混乱があることがあり、用語の明確さが重要です。

• ステッフィは製造分野における用語の明確さに関する例を共有し、プロセスエンジンCPEについての説明も行っています。

• CPEは軽量でモジュラーなプロセスエンジンであり、製造業での異なる課題やプロセスシナリオを実際に実行しています。

• さらに、CPEの利点の1つはデータの収集が可能なことであり、製造プロセスでのデータの重要性を改めて認識させます。

• また、ステッフィは具体例として製造プロセスの動画を用いて、プロセスの詳細な解説を行っています。

最後のポストマイニングカフェへようこそ

データの種類とその活用

• プロセスデータとは、プロセスの実行中に交換されるデータであり、コンテキストデータはプロセスデータとは直接関係のない外部のデータを指します。たとえば、80個の異なるセンサーストリームが生産中に収集されます。これはプロセスコンテキストデータであり、品質に問題があるかどうかを確認するための重要な情報源となります。

• プロセスデータはイベントを記録し、コンテキストデータはセンサーデータや製品の測定値などを含みます。品質の問題が発生した際に、これらのデータを組み合わせることで、その原因や背景を明らかにすることができます。このように、異なるカテゴリーのデータを使い分けることで、さまざまな分析や判断を行うことができます。

データの種類とその活用

データソースの種類と収集

• データソースとしては、プロセス実行からのイベントログやイベントストリームがあります。

• また、プロセス実行によって収集されるデータや、外部データソースからのデータ（例：センサーデータ）があります。

• センサーデータは、製造だけでなく、物流や医療分野でも重要であり、プロセスイベントデータにそれらの外部コンテキストデータを付加することが有益です。

• センサーデータは、温度や血圧など様々な種類があり、意思決定にも影響を与える可能性があります。

• マニュアルで収集されるデータも重要であり、品質の計測や製品の寸法確認など、自動収集されたデータと組み合わせることで、製造プロセスの改善に活用できます。

データソースの種類と収集

重要なデータの活用

• プロセスマイニングによるデータ解析は、製造業における多くの利点をもたらす。

• たとえば、製品の直径測定で得られたセンサーデータから、実世界でのチップの影響が明らかになりました。

• この問題によりプロセスに変更が加えられ、チップの取り外し作業が追加されました。

• また、データ解析は製品の質やプロセスの改善にも活用できる。

• プロセスマイニングは、タスクの自動化や効率化にも役立つ。

• 更に、ロボティック・プロセス・オートメーション（RPA）やプロセスのオーケストレーションについても言及があり、それらの適切な理解が必要である。

重要なデータの活用

自動化とオーケストレーション

• 自動化とオーケストレーションの比較について話されています。

• 自動化は単純な印象を与えるが、オーケストレーションは多くの要素を統合する印象を与える。

• データ収集と準備がプロジェクトの中で最も難しい部分であることが指摘されています。

• 製造業におけるデータソースの多さは機会となるが、それらを意味のある方法で統合することが難しいことも述べられています。

• テキストデータの処理に自然言語処理（NLP）の技術を使用しており、これにより制約条件などを抽出しやすくなっています。

自動化とオーケストレーション

Conclusion:

製造業におけるデータ活用と自動化は、プロセスマイニングを通じて多くの利点をもたらします。データの種類や収集方法を理解し、自動化とオーケストレーションにより効率的な製造プロセスを実現することが重要です。