Phân Tích Hiệu Suất Dựa Trên Khai Thác Quy Trình Trong Sản Xuất: Chi Phí và Chất Lượng

Trong bối cảnh toàn cầu hóa và yêu cầu ngày càng cao của khách hàng, các doanh nghiệp sản xuất phải cạnh tranh dựa trên ba yếu tố… 69 trang · UNIST · 2016.

• Tác giả: Tu Thi Bich Hong
• Trường học: UNIST
• Chuyên ngành: Management Engineering
• Đề tài: Phân Tích Hiệu Suất Dựa Trên Khai Thác Quy Trình Trong Sản Xuất: Chi Phí và Chất Lượng
• Loại tài liệu: thesis
• Năm xuất bản: 2016

Mục lục chi tiết

• 1. CHƯƠNG 1: INTRODUCTION
• 1.1. Motivation
• 1.2. Problem Statement
• 1.3. Objectives
• 1.4. Outline
• 2. CHƯƠNG 2: RELATED WORKS
• 2.1. Process mining
• 2.2. Application of process mining in manufacturing
• 2.3. Cost and quality mining in process mining

Tóm tắt

I. Tổng Quan Phân Tích Hiệu Suất Sản Xuất Bằng Process Mining

Trong bối cảnh toàn cầu hóa và yêu cầu ngày càng cao của khách hàng, các doanh nghiệp sản xuất phải cạnh tranh dựa trên ba yếu tố chính: thời gian, chi phí và chất lượng. Việc liên tục cải tiến hiệu suất quy trình sản xuất là mục tiêu lâu đời. Tuy nhiên, cuộc cách mạng công nghiệp 4.0 và sự phát triển của công nghệ số đã mở ra những hướng đi mới, kết nối hệ thống thông tin và quy trình vận hành. Do đó, doanh nghiệp đối mặt thách thức trong việc khai thác giá trị từ lượng lớn dữ liệu sự kiện được ghi lại. Process Mining nổi lên như một công cụ giá trị để quan sát và chẩn đoán các điểm không hiệu quả trong quy trình, dựa trên dữ liệu sự kiện. Tu Thi Bich Hong (2016) đã đề xuất một framework phân tích hiệu suất dựa trên Process Mining, tập trung vào chi phí và chất lượng.

1.1. Vai Trò Của Dữ Liệu Quy Trình Sản Xuất Trong Phân Tích

Dữ liệu quy trình sản xuất, thu thập từ các hệ thống như MES và ERP, đóng vai trò then chốt trong việc áp dụng Process Mining. Dữ liệu này ghi lại các sự kiện, hoạt động, thời gian, và nguồn lực liên quan đến quy trình sản xuất. Phân tích dữ liệu này giúp xác định các nút thắt cổ chai, biến động quy trình, và sự không tuân thủ. Việc thiếu công cụ phù hợp để phân tích lượng lớn dữ liệu là một thách thức, nhưng Process Mining cung cấp một giải pháp tiềm năng.

1.2. Giới Thiệu Khái Quát Về Khai Thác Quy Trình Process Mining

Khai thác quy trình (Process Mining) là một kỹ thuật phân tích dữ liệu, tập trung vào việc khám phá, theo dõi, và cải thiện quy trình thực tế bằng cách trích xuất kiến thức từ nhật ký sự kiện (event logs). Nó được chia thành ba loại chính: khám phá, tuân thủ và mở rộng. Khám phá tạo ra mô hình quy trình từ dữ liệu. Tuân thủ so sánh mô hình với hành vi thực tế. Mở rộng cải thiện mô hình ban đầu bằng cách xem xét các thuộc tính khác như thời gian và chi phí. Process Mining cung cấp cái nhìn sâu sắc về quy trình (Phân tích hiệu suất sản xuất) và hỗ trợ ra quyết định.

II. Vấn Đề Thách Thức Phân Tích Chi Phí và Chất Lượng Sản Xuất

Các doanh nghiệp trong ngành sản xuất phải liên tục giảm Chi phí sản xuất và nâng cao Chất lượng sản phẩm. Tuy nhiên, việc phân tích Chi phí sản xuất gặp nhiều khó khăn do tính phức tạp của quy trình. Chi phí cho một công việc cụ thể hoặc nguồn lực cá nhân khó xác định. Các câu hỏi liên quan đến chi phí chỉ được trả lời khi quy trình kết thúc. Việc cải thiện Chất lượng sản phẩm cũng đối mặt thách thức, bao gồm việc xác định điểm bắt đầu và đánh giá hiệu quả của các thay đổi. Do đó, các khía cạnh chất lượng thường bị bỏ qua. Cần có phương pháp phù hợp để truy cập trạng thái chi phí và chất lượng của từng giai đoạn.

2.1. Hạn Chế Của Các Phương Pháp Phân Tích Truyền Thống

Các phương pháp phân tích hiệu suất sản xuất truyền thống như thống kê, khai thác dữ liệu và mô phỏng có những hạn chế nhất định. Kết quả thống kê và khai thác dữ liệu đôi khi quá phức tạp để hiểu. Mô phỏng tốn quá nhiều thời gian và chi phí để xây dựng mô hình quy trình sản xuất phức tạp. Các kỹ thuật kiểm soát chất lượng như Six Sigma và TQM chưa cung cấp giải pháp đầy đủ. Process Mining mang lại tiềm năng giải quyết những hạn chế này.

2.2. Thiếu Tập Trung Vào Chi Phí và Chất Lượng Trong Process Mining

Mặc dù Process Mining đã được nghiên cứu rộng rãi, nhưng nó thường tập trung vào thời gian và nguồn lực hơn là chi phí và chất lượng. Nghiên cứu về cost mining còn hạn chế. Các nghiên cứu hiện có chưa xem xét đến quy trình sản xuất, nơi chi phí phụ thuộc vào cả thời gian và sản lượng. Do đó, cần có một phương pháp phù hợp để xử lý toàn bộ quy trình cost và chất lượng trong lĩnh vực sản xuất. Cần phát triển một mô hình Chi phí sản xuất dựa trên đặc điểm của chi phí sản xuất.

III. Giải Pháp Ứng Dụng Process Mining Phân Tích Chi Phí Sản Xuất

Process Mining có thể giúp các nhà quản lý hiểu rõ hơn về Chi phí sản xuất bằng cách cung cấp cái nhìn chi tiết về các hoạt động tốn kém nhất. Bằng cách kết hợp dữ liệu sự kiện với thông tin chi phí, có thể xác định các quy trình tốn kém và các nguyên nhân gây ra chúng. Khai thác quy trình (Process Mining) cho phép phân tích chi phí theo hoạt động (ABC), giúp xác định chi phí trực tiếp (vật liệu, lao động) và chi phí gián tiếp. Nauta (2009) đã đề xuất kiến trúc hỗ trợ nhận thức về chi phí trong Process Mining.

3.1. Mở Rộng Event Log Với Thông Tin Chi Phí Sản Xuất

Để phân tích Chi phí sản xuất bằng Process Mining, cần mở rộng event log với thông tin chi phí liên quan. Điều này bao gồm việc liên kết các sự kiện trong event log với chi phí vật liệu trực tiếp, chi phí lao động trực tiếp và chi phí sản xuất chung. Việc tạo ra một mô hình cơ sở dữ liệu chi phí (Cost Database Model) là cần thiết để hỗ trợ việc trích xuất mô hình chi phí từ nhiều nguồn thông tin khác nhau. Thuật toán Tu Thi Bich Hong (2016) đề xuất giúp mở rộng nhật ký sự kiện với Chi phí sản xuất.

3.2. Phân Tích Chi Phí Sản Xuất Dựa Trên Mô Hình Quy Trình

Sau khi event log được mở rộng với thông tin chi phí, có thể phân tích chi phí dựa trên mô hình quy trình được khám phá. Điều này cho phép xác định các hoạt động tốn kém nhất và các yếu tố ảnh hưởng đến chi phí. Hình dung chi phí tích lũy và chi phí còn lại cho mỗi hoạt động giúp nhà quản lý đưa ra quyết định sáng suốt. Tu Thi Bich Hong (2016) trình bày ví dụ về phân tích chi phí với mô hình quy trình, cho thấy chi phí tích lũy và chi phí còn lại cho mỗi hoạt động.

IV. Ứng Dụng Process Mining Phân Tích Chất Lượng Sản Phẩm

Process Mining có thể được sử dụng để cải thiện Chất lượng sản phẩm bằng cách xác định các nguyên nhân gây ra lỗi và khuyết tật. Bằng cách kết hợp dữ liệu sự kiện với thông tin chất lượng, có thể xác định các quy trình có chất lượng kém và các yếu tố ảnh hưởng đến chất lượng. Khai thác quy trình (Process Mining) có thể được sử dụng để theo dõi các KPI sản xuất liên quan đến chất lượng, chẳng hạn như First Pass Yield (FPY). Son et al. (2013) đã đề xuất phương pháp phân tích quy trình sản xuất tổng thể dựa trên Process Mining.

4.1. Mở Rộng Event Log Với Thông Tin Chất Lượng Sản Phẩm

Tương tự như phân tích chi phí, phân tích chất lượng đòi hỏi phải mở rộng event log với thông tin chất lượng. Điều này bao gồm việc liên kết các sự kiện trong event log với các KPI sản xuất liên quan đến chất lượng, chẳng hạn như First Pass Yield (FPY), số lượng lỗi, và nguyên nhân gây ra lỗi. Việc tính toán chỉ số KPI sản xuất liên quan đến chất lượng trực tiếp trong event log giúp đơn giản hóa quá trình phân tích. Thuật toán Tu Thi Bich Hong (2016) đề xuất giúp tính toán chỉ số KPI sản xuất liên quan đến chất lượng.

4.2. Tạo Báo Cáo Chất Lượng Trong Quy Trình Sản Xuất

Kết quả của việc phân tích chất lượng có thể được sử dụng để tạo báo cáo chất lượng (Quality Report) trong quy trình sản xuất. Báo cáo này cung cấp thông tin chi tiết về Chất lượng sản phẩm và giúp các nhà quản lý xác định các lĩnh vực cần cải thiện. Báo cáo có thể bao gồm thông tin về First Pass Yield (FPY), số lượng lỗi, nguyên nhân gây ra lỗi và các quy trình có chất lượng kém. Phân tích này đóng vai trò quan trọng trong Quản lý chất lượng.

V. Kết Luận Tương Lai Của Process Mining Trong Sản Xuất

Process Mining là một công cụ hứa hẹn để phân tích hiệu suất quy trình sản xuất, đặc biệt là trong việc quản lý Chi phí sản xuất và cải thiện Chất lượng sản phẩm. Bằng cách kết hợp dữ liệu sự kiện với thông tin chi phí và chất lượng, các doanh nghiệp có thể hiểu rõ hơn về quy trình của họ và đưa ra quyết định sáng suốt để cải thiện hiệu quả và giảm chi phí. Nghiên cứu tiếp theo có thể tập trung vào việc phát triển các phương pháp Khai thác quy trình (Process Mining) nâng cao để dự đoán chi phí và chất lượng, cũng như tích hợp Process Mining với các công nghệ khác như IoT trong sản xuất và Big Data trong sản xuất.

5.1. Tự Động Hóa Quy Trình Với RPA và Process Mining

Tự động hóa quy trình (RPA) kết hợp với Process Mining có thể mang lại lợi ích đáng kể cho sản xuất. Process Mining giúp xác định các quy trình có thể tự động hóa, trong khi RPA giúp tự động hóa các nhiệm vụ lặp đi lặp lại, giải phóng nguồn lực cho các hoạt động giá trị cao hơn. Sự kết hợp này giúp tăng hiệu quả, giảm chi phí và cải thiện chất lượng.

5.2. Ứng Dụng Big Data và IoT Trong Process Mining Sản Xuất

Big Data trong sản xuất và IoT trong sản xuất tạo ra lượng lớn dữ liệu có thể được sử dụng để cải thiện Process Mining. Dữ liệu từ các cảm biến IoT trong sản xuất có thể cung cấp thông tin chi tiết về quy trình sản xuất, trong khi Big Data trong sản xuất có thể giúp phân tích dữ liệu này hiệu quả hơn. Điều này giúp cải thiện độ chính xác và hiệu quả của Process Mining.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh toàn cầu hóa và sự gia tăng kỳ vọng của khách hàng, các doanh nghiệp sản xuất đang phải cạnh tranh chủ yếu dựa trên ba yếu tố: thời gian, chi phí và chất lượng. Theo ước tính, việc cải thiện liên tục hiệu suất quy trình sản xuất là một nhu cầu cấp thiết nhằm nâng cao năng lực cạnh tranh. Tuy nhiên, sự phức tạp của các quy trình sản xuất hiện đại cùng với lượng dữ liệu khổng lồ được ghi nhận từ các hệ thống thông tin như MES, ERP đã đặt ra thách thức lớn trong việc khai thác giá trị từ dữ liệu này. Luận văn tập trung vào việc ứng dụng kỹ thuật khai thác quy trình (process mining) để phân tích hiệu suất quy trình sản xuất, đặc biệt từ góc độ chi phí và chất lượng – hai khía cạnh còn ít được nghiên cứu sâu trong lĩnh vực này.

Mục tiêu cụ thể của nghiên cứu là: (1) mở rộng nhật ký sự kiện (event log) của quy trình sản xuất với thông tin về chi phí và chất lượng; (2) phân tích các thông tin này dựa trên mô hình quy trình; (3) phát triển và ứng dụng các kỹ thuật khai thác quy trình để phân tích và dự báo chi phí sản xuất; (4) xây dựng phương pháp tạo báo cáo chất lượng trong quy trình sản xuất. Phạm vi nghiên cứu bao gồm dữ liệu thực tế từ một quy trình sản xuất giả định trong vòng ba tháng, với 11 trường hợp và 80 sự kiện liên quan đến 8 hoạt động chính. Nghiên cứu có ý nghĩa quan trọng trong việc cung cấp công cụ hỗ trợ ra quyết định cho các nhà quản lý sản xuất, giúp tối ưu hóa chi phí và nâng cao chất lượng sản phẩm thông qua việc phân tích dữ liệu quy trình một cách hệ thống và trực quan.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

• Khai thác quy trình (Process Mining): Phương pháp khai thác thông tin từ nhật ký sự kiện để phát hiện, kiểm tra sự phù hợp và mở rộng mô hình quy trình. Các khía cạnh chính gồm: luồng điều khiển (control-flow), tổ chức (organizational), và hiệu suất (performance).

• Chỉ số hiệu suất chính (KPIs) về chi phí và chất lượng: Bao gồm các KPIs chi phí như chi phí nguyên vật liệu trực tiếp, chi phí lao động trực tiếp, chi phí sản xuất chung; KPIs chất lượng như tỷ lệ sản phẩm đạt ngay lần đầu (First Pass Yield), tỷ lệ lỗi, và tỷ lệ tái xử lý (repetition).

• Mô hình chi phí sản xuất: Áp dụng phương pháp tính chi phí theo hoạt động (Activity-Based Costing - ABC) để phân bổ chi phí dựa trên các hoạt động và nguồn lực tham gia trong quy trình sản xuất.

• Mô hình chất lượng quy trình: Định nghĩa các chỉ số chất lượng dựa trên dữ liệu sự kiện, bao gồm tỷ lệ lỗi, tỷ lệ tái xử lý và First Pass Yield, được tính toán và tích hợp trực tiếp trong nhật ký sự kiện.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là nhật ký sự kiện của quy trình sản xuất giả định, bao gồm thông tin về hoạt động, tài nguyên, thời gian bắt đầu, tiến độ công việc và khối lượng sản xuất. Cỡ mẫu gồm 11 trường hợp với 80 sự kiện trong khoảng thời gian ba tháng. Phương pháp chọn mẫu dựa trên dữ liệu mô phỏng nhằm đảm bảo tính toàn vẹn và không có nhiễu.

Phương pháp phân tích bao gồm:

• Mở rộng nhật ký sự kiện với thông tin chi phí và chất lượng dựa trên mô hình chi phí và mô hình chất lượng được xây dựng.

• Áp dụng các kỹ thuật khai thác quy trình để phân tích hiệu suất, bao gồm khai thác chuỗi sự kiện thường xuyên, phân tích chi phí theo hoạt động và tài nguyên, cũng như dự báo chi phí dựa trên tiến độ và khối lượng sản xuất.

• Sử dụng các công cụ trực quan hóa như biểu đồ thanh, biểu đồ tròn, và đồ thị chuỗi sự kiện để trình bày kết quả phân tích.

• Thời gian nghiên cứu kéo dài trong vòng ba tháng, tập trung vào việc thu thập, xử lý dữ liệu và phát triển hệ thống phân tích.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Mở rộng nhật ký sự kiện với thông tin chi phí và chất lượng: Luận văn đã thành công trong việc tích hợp các chỉ số chi phí (chi phí nguyên vật liệu, lao động, máy móc, chi phí chung) và chỉ số chất lượng (tỷ lệ lỗi, First Pass Yield, tỷ lệ tái xử lý) vào nhật ký sự kiện. Ví dụ, chi phí trung bình cho hoạt động "Cutting" đạt khoảng 45,294 USD, trong khi hoạt động "End line checking" chỉ khoảng 78 USD, cho thấy sự phân bổ chi phí không đồng đều giữa các hoạt động.

2. Phân tích chi phí theo mô hình quy trình: Qua việc sử dụng đồ thị chuỗi sự kiện mở rộng, chi phí được phân bổ rõ ràng theo từng hoạt động và tài nguyên. Tỷ lệ chi phí lao động trực tiếp, nguyên vật liệu và chi phí chung được thể hiện chi tiết, giúp xác định các điểm tốn kém nhất trong quy trình. Ví dụ, hoạt động "Sewing" có thời gian thực hiện dài nhất (khoảng 21 ngày) và chi phí cao, chiếm tỷ lệ lớn trong tổng chi phí.

3. Dự báo chi phí dựa trên tiến độ và khối lượng sản xuất: Phương pháp dự báo chi phí dựa trên tiến độ công việc và khối lượng sản xuất cho phép ước tính chi phí hoàn thành của từng trường hợp sản xuất. Điều này hỗ trợ quản lý trong việc lập kế hoạch ngân sách và điều chỉnh kịp thời.

4. Báo cáo chất lượng và phân tích tái xử lý: Báo cáo chất lượng được xây dựng dựa trên các KPIs tích hợp trong nhật ký sự kiện, giúp xác định các hoạt động có tỷ lệ lỗi cao hoặc tỷ lệ tái xử lý lớn, từ đó đề xuất các biện pháp cải tiến. Ví dụ, các hoạt động "Sewing", "Finishing" và "Washing" có tỷ lệ tái xử lý đáng chú ý, ảnh hưởng đến hiệu suất và chi phí.

Thảo luận kết quả

Kết quả cho thấy việc mở rộng nhật ký sự kiện với thông tin chi phí và chất lượng giúp cung cấp cái nhìn toàn diện và chi tiết về hiệu suất quy trình sản xuất. So với các nghiên cứu trước đây tập trung chủ yếu vào thời gian và tài nguyên, nghiên cứu này bổ sung quan điểm chi phí và chất lượng, góp phần nâng cao khả năng ra quyết định.

Việc phân tích chi phí theo hoạt động và tài nguyên giúp phát hiện các điểm nghẽn và lãng phí trong quy trình, đồng thời hỗ trợ tối ưu hóa nguồn lực. Dự báo chi phí dựa trên tiến độ và khối lượng sản xuất là một bước tiến quan trọng, giúp doanh nghiệp chủ động trong quản lý tài chính.

So sánh với các phương pháp truyền thống như thống kê hay mô phỏng, khai thác quy trình cung cấp kết quả trực quan, dễ hiểu và có thể áp dụng thực tiễn nhanh chóng. Tuy nhiên, nghiên cứu cũng nhận thấy hạn chế về dữ liệu thực tế và đề xuất mở rộng ứng dụng trong các môi trường sản xuất phức tạp hơn.

Đề xuất và khuyến nghị

1. Triển khai hệ thống khai thác quy trình tích hợp chi phí và chất lượng: Doanh nghiệp nên áp dụng hệ thống khai thác quy trình mở rộng để theo dõi và phân tích chi phí, chất lượng theo thời gian thực, giúp phát hiện sớm các vấn đề và tối ưu hóa quy trình. Thời gian thực hiện: 6-12 tháng; Chủ thể: Ban quản lý sản xuất và IT.

2. Đào tạo nhân sự về kỹ thuật khai thác quy trình và phân tích dữ liệu: Tăng cường năng lực cho đội ngũ quản lý và kỹ thuật trong việc sử dụng công cụ khai thác quy trình và hiểu các chỉ số KPIs liên quan đến chi phí và chất lượng. Thời gian: 3-6 tháng; Chủ thể: Phòng nhân sự và đào tạo.

3. Xây dựng cơ sở dữ liệu chi phí và chất lượng chuẩn hóa: Thiết lập hệ thống lưu trữ dữ liệu chi phí và chất lượng đồng bộ, đảm bảo tính chính xác và đầy đủ cho việc phân tích và dự báo. Thời gian: 6 tháng; Chủ thể: Phòng IT và kế toán.

4. Phát triển các báo cáo và dashboard trực quan: Tạo các báo cáo định kỳ và dashboard theo dõi hiệu suất chi phí và chất lượng, hỗ trợ ra quyết định nhanh chóng và chính xác. Thời gian: 3-6 tháng; Chủ thể: Phòng quản lý sản xuất và IT.

Đối tượng nên tham khảo luận văn

1. Nhà quản lý sản xuất: Giúp hiểu rõ hơn về phân tích chi phí và chất lượng trong quy trình sản xuất, từ đó đưa ra các quyết định tối ưu hóa hiệu suất và giảm thiểu chi phí.

2. Chuyên gia phân tích dữ liệu và kỹ thuật khai thác quy trình: Cung cấp phương pháp mở rộng nhật ký sự kiện với thông tin chi phí và chất lượng, hỗ trợ phát triển các công cụ phân tích chuyên sâu.

3. Nhà nghiên cứu trong lĩnh vực quản lý sản xuất và kỹ thuật công nghiệp: Là tài liệu tham khảo về ứng dụng process mining trong phân tích hiệu suất sản xuất, đặc biệt về chi phí và chất lượng.

4. Phòng IT và phát triển hệ thống quản lý sản xuất: Hướng dẫn xây dựng hệ thống lưu trữ và phân tích dữ liệu sản xuất tích hợp chi phí và chất lượng, nâng cao khả năng hỗ trợ ra quyết định.

Câu hỏi thường gặp

1. Process mining là gì và tại sao lại quan trọng trong sản xuất?
   Process mining là kỹ thuật khai thác thông tin từ nhật ký sự kiện để phân tích và cải thiện quy trình. Trong sản xuất, nó giúp phát hiện điểm nghẽn, lãng phí và cải thiện hiệu suất dựa trên dữ liệu thực tế.

2. Làm thế nào để mở rộng nhật ký sự kiện với thông tin chi phí và chất lượng?
   Bằng cách tích hợp các mô hình chi phí và chất lượng vào dữ liệu sự kiện, mỗi sự kiện được gán thêm các chỉ số chi phí (nguyên vật liệu, lao động, máy móc) và chất lượng (tỷ lệ lỗi, tái xử lý), giúp phân tích chi tiết hơn.

3. Các KPIs chi phí và chất lượng nào được sử dụng trong nghiên cứu?
   KPIs chi phí gồm chi phí nguyên vật liệu trực tiếp, lao động trực tiếp, chi phí sản xuất chung; KPIs chất lượng gồm tỷ lệ lỗi, First Pass Yield và tỷ lệ tái xử lý, phản ánh hiệu quả và chất lượng quy trình.

4. Phương pháp dự báo chi phí dựa trên tiến độ và khối lượng sản xuất hoạt động như thế nào?
   Dự báo dựa trên việc theo dõi tiến độ hoàn thành công việc (phần trăm hoàn thành) và khối lượng sản xuất hiện tại, từ đó ước tính chi phí còn lại để hoàn thành quy trình, hỗ trợ lập kế hoạch tài chính.

5. Làm sao để sử dụng kết quả phân tích này trong thực tế?
   Kết quả phân tích giúp nhà quản lý xác định các hoạt động tốn kém hoặc có chất lượng kém, từ đó điều chỉnh quy trình, phân bổ nguồn lực hợp lý và cải tiến liên tục nhằm nâng cao hiệu quả sản xuất.

Kết luận

• Luận văn đã phát triển thành công khung phân tích hiệu suất quy trình sản xuất dựa trên process mining, tập trung vào góc độ chi phí và chất lượng.
• Mô hình mở rộng nhật ký sự kiện với các chỉ số chi phí và chất lượng giúp phân tích chi tiết và trực quan hiệu suất từng hoạt động và tài nguyên.
• Phương pháp dự báo chi phí dựa trên tiến độ và khối lượng sản xuất hỗ trợ quản lý trong việc lập kế hoạch và kiểm soát ngân sách.
• Các công cụ trực quan hóa như đồ thị chuỗi sự kiện, biểu đồ thanh và biểu đồ tròn giúp người dùng dễ dàng nhận diện điểm nghẽn và cơ hội cải tiến.
• Bước tiếp theo là triển khai thực nghiệm trên dữ liệu thực tế đa dạng hơn và phát triển báo cáo chất lượng động nhằm nâng cao khả năng ứng dụng trong doanh nghiệp.

Quý độc giả và nhà quản lý sản xuất được khuyến khích áp dụng các phương pháp và công cụ được đề xuất để nâng cao hiệu quả quản lý chi phí và chất lượng trong quy trình sản xuất của mình.

Trích đoạn nội dung tài liệu

Attribution-NonCommercial-NoDerivs 2.0 KOREA You are free to :  Share — copy and redistribute the material in any medium or format Under the follwing terms : Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use. NonCommercial — You may not use the material for commercial purposes. NoDerivatives — If you remix, transform, or build upon the material, you may not distribute the modified material.

You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation. This is a human-readable summary of (and not a substitute for) the license. Disclaimer Master's Thesis Process Mining-driven Performance Analysis in Manufacturing Process: Cost and Quality Perspective Tu Thi Bich Hong Department of Management Engineering Graduate School of UNIST 2016 i Process Mining-driven Performance Analysis in Manufacturing Process: Cost and Quality Perspective Tu Thi Bich Hong Department of Management Engineering Graduate School of UNIST ii Abstract The dynamics of globalization and high expectation of customers make manufacturing enterprise move towards three primarily competitive factors, namely, time, cost, and quality. The desire for continuous performance improvement of manufacturing processes is as old as manufacturing itself.

However, the latest industrial revolution Industry 4.0 and the digital revolution have opened up new avenues, intertwined information systems and the operation processes. As a result, enterprises face a challenge in extracting value from a massive amount of events recorded by today‟s information systems. Process mining is well recognized as a valuable tool for observing and diagnosing inefficiencies in business processes based on event data. It turns out that process mining is a viable solution to this challenge.

Nevertheless, significantly less attention has been paid on investigating cost and quality perspective in process mining. In these respects, this thesis suggests a framework for performance analysis in manufacturing processes based on process mining. The proposed approach focuse on cost and quality perspective. Specifically, the contributions of this thesis are in four-fold (i) to suggest a method to extend event log of manufacturing process with manufacturing information, i.

cost, quality; (ii) to analyze manufacturing information, i. cost, quality with process model; (iii) to utilize various existing process mining techniques and develop new approaches to analyze and predict manufacturing cost; (iv) and to enable quality report in manufacturing process. Keywords: Process Mining, Manufacturing Process, Performance Analysis, Manufacturing Cost, Quality-related KPIs. Application of process mining in manufacturing.

Cost and quality mining in process mining. Cost-related KPIs. Activity-Based Costing (ABC). Direct material cost.

Direct labor cost. Quality-related KPIs. First pass yield. Performance Analysis in Manufacturing Process.

Extension of event log with manufacturing information. Extension of event log with cost-related KPIs. Cost database model. Event log-extended manufacturing cost.

Extension of event log with quality-related KPIs. Quality-aware Event log. Computation of quality-related KPIs index. Manufacturing information analysis with process model.

Visualization of cost breakdown. Resource utilization cost. Process model-enhanced manufacturing information. Visualization of cost breakdown.

Resource utilization cost. Conclusions & Future Works. Summary of contributions. 50 vii List of Figures Figure 1.

Example of first pass yield caculation. A methodology for performance analysis in manufacturing process. Cost database model for cost model extraction. Event log-extended cost of manufacturing process.

An example of cost analysis with process model. Cumulative cost showing per activity. Remaining cost showing per activity. System architecture of performance analysis.

A system architecture for manufacturing information analysis with process model. A screen shot of cost analysis with process model. A screen shot of cost breakdown analysis. Selection of cost parameter in cost breakdown plug-in.

A screen shot of resource utilization cost plug-in. A screen shot of resource cost distribution per month plug-in. A Screenshot of Cost Prediction. Cost per Case.

47 viii List of Tables Table 1. Fraction of event log……………………………………………………………………… 19 ix List of Algorithms Algorithm 1.