چرا نمونه ‎های تکمیل نشده ممکن است در فرآیندکاوی مشکل‌ساز شوند؟


در پست قبل به بررسی این موضوع پرداختیم که چه زمانی با نمونه‎های تکمیل نشده مواجه می‎شویم. در نگاه اول وجود این نمونه‎ها در مجموعه داده‎ی مورد بررسی مشکل ساز نمی‌باشند. این پدیده واقعیت موجود در داده‎هاست مگر نه اینست که ما می‎خواهیم بدانیم دقیقا چه اتفاقی افتاده است؟

خیر، اینگونه نیست حداقل اگر وجود این نمونه‎ها به 2 دلیل اول ذکر شده در پست قبل  باشد، این نمونه‎های تکمیل نشده واقعیت فرآیند را بیان نمی‎کنند و آنها به دلیل نحوه‎ی جمع‌آوری داده‎های ما به وجود آمده‎اند.

شکل 1 که نشان‎دهنده فرآیند بازپرداخت پول یک مشتری است را نگاه کنید. خط چین هایی که به نقطه‎ی پایانی فرآیند (دایره نشان داده شده در پایین مدل فرآیند ) ختم می‎شوند، مشخص کننده‎ی فعالیت‎هایی است که در انتهای فرآیند می‎بایست انجام پذیرد. بطور مثال در 333 نمونه “order completed” آخرین گام ثبت شد و از فرآیند است. (به دایره شماره 1 در شکل1 توجه کنید.) این یعنی یکی از گام‎های پایانی متصور برای فرآیند همین فعالیت است. همچنین 20 نمونه وجود دارد که فعالیت “Invoice Modified” فعالیت پایانی آنها ثبت شده ‎است. (به دایره 2 در شکل 1 توجه کنید) به نظر می‎رسد که این فعالیت پایانی آنها ثبت شده‎است. (به دایره شماره 3 در شکل 1 توجه کنید.)

به نظر می‎رسد که این فعالیت نمی‎تواند آخرین فعالیت فرآیند باشد.

توضیح شکل 1: به نظر می‎رسد نمونه‎هایی که به فعالیت “Order completed” ختم شده‎اند پایان یافته و نمونه‎هایی که به فعالیت “Invoice Modified” ختم شده‎اند، هنوز در جریان اند.

اگر در مجموعه داده‎ها به دنبال نمونه‎ای بگردیم که با فعالیت “Invoice Modified” خاتمه یافته است، آنگاه خواهیم فهمید که فعالیت در تاریخ 20 ژانویه 2012 اتفاق افتاده و زمان کل مجموعه داده‎ها در 23 ژانویه 2012 پایان یافته است. اگر مجموعه داده‎ی ما شامل تمام اتفاقات تا پایان ماه مارس 2012 بود نیز این مشکل وجود داشت؟ آیا در این صورت نیز “Invoice Modified” آخرین گام فرآیند بوده است؟توضیح شکل 2: اگر یک نمونه‎ی تکمیل نشده در گام مشخصی متوقف شده ‎است، احتمالا به این معنی خواهد بود که مابقی فعالیت‎ها در مجموعه داده ثبت نشده‎اند.

بنابراین مشخص شد که تمام نقاط پایانی به دست آمده از طریق فرآیندکاوی می‎توانند معنادار نباشند. برخی از نمونه‎ها ممکن است به دلیل نحوه‎ی جمع‌آوری داده‎ یا عدم نمایش دانش ما نسبت به تمام حالات پایان یا آغاز فرآیند نمونه‎های تکمیل نشده‎ای از مجموعه داده‎ی مورد بررسی شما باشند. پس زمانی که به نقشه‎ی فرآیند مجموعه داده‎ای که شامل نمونه‎های تکمیل نشده ‎است نگاه می‎کنید، آن نقطه‎ی فرآیند نشان‌دهنده‎ی نقاط شروع و پایان فرآیند مورد بررسی نیست بلکه نقاط شروع و پایان مجموعه داده‎ی مورد بررسی را نشان می‎دهد.

یکی دیگر از مشکلات بررسی مجموعه داده‏‎های شامل نمونه‎های تکمیل نشده اینست که زمان اجرای فرآیند ممکن است اشتباه و گمراه کننده باشد. ابزارهای فرآیندکاوی درک نمی‎کنند که کدام نمونه‎ها خاتمه یافته و کدام نمونه‎ها “تکمیل نشده” هستند و ابزارها زمان اجرای فرآیند را زمان بین فعالیت آغازین و فعالیت پایانی درنظر گرفته و گزارش می‎دهد.

بنابراین زمان اجرای نمونه‎های تکمیل نشده کمتر از نمونه‎های واقعی محاسبه می‎گردند.

یک مثال دیگر را در نظر بگیرید. نمونه شماره 72 که در شکل 3 نشان داده شده است را نگاه کنید. فقط دو فعالیت “missing document requested” و “order created”  تنها سه دقیقه زمان برای آن ثبت شده ‎است. اما زمانی که متوجه می‎شویم که “ missing document requested” فعالیت آخر نبوده و فرآیند در میان زمان اجرای خود قرار دارد، متوجه می‎شویم که این نمونه بیش از یک ماه به طول نمی‎انجامد و زمان اجرای واقعی آن بیش از یک ماه و سه دقیقه خواهد بود.زمان اجرای نمونه‎های تکمیل نشده بسیار کمتر از زمان واقعی اجرا می‎تواند باشد.

پس اگر نمونه‎های تکمیل نشده را در مجموعه داده رها کنید آنگاه محاسبات شما مانند میانگین و مد مدت زمان اجرای فرآیند تحت تأثیر این زمان‎های بسیار پایین قرار خواهد گرفت. فراموش نکنید که پارامترهای اندازه‌گیری کارایی فرآیند نیز متأثر واقع خواهند شد. بنابراین شما باید پیش از شروع تحلیل فرآیندکاوی خود، نمونه‎های تکمیل نشده‎ی موجود در مجموعه داده خود را بررسی نمایید. شما باید بدانید که شما چند و چه نمونه‎های تکمیل نشده‎ای در مجموعه داده خود دارید؟ ممکن است لازم باشد آن نمونه‎ها را پیش از شروع تحلیل‎های خود از مجموعه داده‎ی خود حذف نمایید.

چگونگی این کار را در پست‎های آتی به تفصیل توضیح خواهیم داد.

ترجمه و تنظیم: دکتر مهرداد کرمانی

به این محتوا امتیاز دهید

مسیح کرمانیمشاهده نوشته ها

Avatar for مسیح کرمانی

کارشناس تولید محتوا

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *