Цифровой двойник и моделирование процесса закупок на основе технологии Process Mining

Первое в металлургической отрасли РФ внедрение комплексного решения для сквозного управления, мониторинга, оптимизации процесса снабжения на базе платформ Process Mining и имитационного моделирования бизнес-процессов. 

Проект, стартовавший в начале 2022 г., – пример успешного импортозамещения современной технологической платформы Process Mining после стремительного ухода западного вендора с российского рынка, случившегося в ходе реализации проекта.

Проект был реализован в период с января 2022 по ноябрь 2022 г.

Масштаб проекта - 5250 человеко-часов, партнеры проекта - ООО «Иннодата», ООО «ЦТР «Некст».

Каковы цели проекта?

Основные бизнес-цели: повышение эффективности использования складских запасов, сокращение длительности цикла снабжения и сокращение трудозатрат на обеспечение заявок.

Инструменты: платформа глубокого анализа хода процесса на основе Process Mining, платформа для имитационного моделирования результатов изменений процесса и решение для автоматической категоризации комментариев в рамках офисного документооборота. В результате их внедрения у конечных пользователей появилась возможность:

• восстановления достоверных схем выполнения бизнес-процессов и их интерактивного анализа;
• поиска проблемных областей, причин их возникновения и формирования рекомендаций по способам оптимизации;
• проверки влияния внесения изменений в бизнес-процесс на его ключевые метрики;
• мониторинга выполнения бизнес-процессов, онлайн-информирования подразделений о состоянии процесса с задержкой на время загрузки и обновления данных;
• мониторинга целевых показателей бизнес-процессов и их отклонений от целевых значений.

В чем уникальность проекта для рынка?

Первое в металлургической отрасли РФ внедрение комплексного решения для сквозного управления, мониторинга, оптимизации процесса снабжения на базе технологии Process Mining. Имитационное моделирование бизнес-процессов для анализа текущей ситуации, определения областей, нуждающихся в изменениях, оценки потенциального экономического эффекта от разных вариантов изменений. Последующий непрерывный мониторинг процесса внесения изменений и хода оптимизации бизнес-процессов. Проект является примером успешного импортозамещения современной технологической платформы Process Mining после стремительного ухода западного вендора с российского рынка, случившегося уже после запуска проекта. Проектной командой оперативно был проведен анализ отечественных альтернатив, подготовлены демо-стенды для сравнения и сделан выбор лидера среди них. В результате удалось завершить внедрение в ожидаемые сроки и полностью достичь всех целей проекта без потерь функциональности и производительности решения.

Как проходило внедрение решения?

В ходе реализации проекта были применены 3 современные технологии, объединенные в одно решение: Process Mining – инструмент ретроспективного анализа бизнес-процессов; имитационное моделирование – способ заглянуть в будущее и предсказать, как модифицируется бизнес-процесс после внесения изменений в него; NLP-анализ (Natural Language Processing) – алгоритмы обработки естественного языка.

С какими сложностями столкнулись при внедрении проекта?

К моменту смены вендора по Process Mining были полностью реализованы этапы, связанные с интеграцией источников данных. Проектная команда сумела осуществить миграцию на равнозначное российское решение без увеличения трудоемкости и сроков проекта.

Для анализа причин длительного внутреннего согласования закупок были необходимы средства объективного контроля обоснованности передачи документов на доработку без увеличения нагрузки на согласующих. Самостоятельная классификация комментариев была реализована с помощью технологии NLP. Особенности грамматики и лексики, используемой в возникающих в ходе согласования замечаниях, потребовали значительной доработки готовых моделей автоматической классификации, созданных для анализа общения в открытых соцсетях.

В качестве ERP-системы в ММК используется ПО Oracle, которое не поддерживается в РФ. Несмотря на отсутствие ТП и документации по структуре хранения данных был обеспечен необходимый уровень анализа информации и регулярный оперативный мониторинг.

Каких результатов удалось достичь?

Внедрение платформы Process Mining на бизнес-процессах закупок и визирования договорных документов позволило:

• получить цифровой двойник исследуемых процессов;
• выявить «бутылочные горлышки» и локализовать причины временных и финансовых потерь;
• сократить страховые запасы и складские остатки за счет стабилизации и сокращения цикла закупки;
• обеспечить заказчика полной и оперативной информацией о показателях процесса и вариативности его прохождения;
• отслеживать заданные критерии процесса для повышения эффективности его прохождения;
• улучшить качество оперативных решений за счет автоматического прогнозирования наступления нежелательных сценариев;
• находить отклонения в сценариях выполнения процесса и оперативно принимать решения по возникающим нестандартным ситуациям.

Внедрение платформы СИМБА позволило облегчить принятия решений, связанных с изменениями в существующих бизнес-процессах, благодаря возможности моделирования влияния изменений на ход бизнес-процесса: его длительность в целом или вероятность наступления того или иного события. Например, необходимость повторного согласования или срыв сроков закупки конкретных МТЦ. Таким образом, у заказчика появилась возможность более достоверно прогнозировать экономический эффект и принимать обоснованные управленческие решения, касающиеся внедрения изменений.

Одно из узких мест процесса снабжения - трудозатраты на внутреннее согласование на различных этапах выполнения процесса. Использование средств NLP позволяет автоматически проводить категоризацию комментариев подразделений, задействованных в согласовании документа, и тем самым находить способы уменьшения числа циклов повторных итераций и доработок. Это, в свою очередь, положительно сказывается на производительности труда (снижение нагрузки на сотрудников, отвечающих за проверку, оценку, визирование, согласование документов и т.д.), и длительности процесса закупки по ряду технически сложных категорий оборудования.