فرآیندکاوی و تحلیل عملکرد بهبود فرآیند ثبت نام آموزشی از طریق دیجیتال سازی

فرایندکاوی به عنوان رویکردی نوین در تحلیل عملیات سازمانی، ابزاری داده محور برای شناسایی شکاف میان فرایندهای طراحی شده و واقعیت اجرایی است. این مقاله با مرور ادبیات و تحلیل شکاف های موجود نشان می دهد که کیفیت داده های رویدادی و اسناد متنی، نقش تعیین کننده ای در دقت کشف فرایند و ارتقای بهره وری سازمانی دارند. الگوریتم های کلاسیک مانند Alpha Miner و Heuristic Miner توانسته اند مسیرهای اصلی فعالیت ها را آشکار کنند، اما در محیط های پیچیده و پویا، محدودیت آنها در مدل سازی فرایندهای چندمسیره و منعطف آشکار می شود. از سوی دیگر، داده های ناقص، مبهم و متناقض "به ویژه در سازمان های خدماتی و تولید ناب" مانع دستیابی به تصویری شفاف از عملکرد واقعی می شوند و همین امر کیفیت تصمیم گیری و بهره وری را کاهش می دهد. در این مقاله ورینت های فرایند ثبت نام آموزشی مورد بررسی قرار گرفته است و بعد از تحلیل عملکرد و بهبود فرایند با دیجیتال سازی توانسته مدت زمان کل فرایند را بیش از ۴۰% کاهش دهد. مقاله حاضر پیشنهاد می کند که ترکیب داده های رویدادی با دانش متنی (مانند SOPها و فرم ها) و بهره گیری از منطق های پیشرفته نظیر فازی، شهودی–فازی و نوتروسوفیک، همراه با الگوریتم های هوش مصنوعی نوین (مدل های زبانی بزرگ، شبکه های عمیق و الگوریتم های تکاملی)، می تواند چارچوبی هوشمند برای مدیریت عدم قطعیت و ارتقای کیفیت تحلیل فرایند فراهم آورد. این رویکرد نه تنها امکان کشف دقیق تر فرایندها در شرایط داده های ناقص را ایجاد می کند، بلکه با شناسایی الگوهای پنهان خطا، اتلاف و گلوگاه ها، زمینه بهینه سازی چرخه های کاری و افزایش بهره وری منابع انسانی و تجهیزاتی را فراهم می سازد. در نهایت، مقاله تاکید می کند که سازمان هایی که فرایندهای خود را با چنین چارچوب های ترکیبی پایش و بازطراحی کنند، قادر خواهند بود کیفیت خدمات، رضایت مشتری و چابکی عملیاتی خود را به طور چشمگیری ارتقا دهند و مزیت رقابتی پایدار کسب نمایند.

کلیدواژه ها:

فرایندکاوی ، منطق فازی–شهودی–فازی ، نوتروسوفیک ، استخراج دانش مبتنی بر متن ، هوش مصنوعی پیشرفته برای تحلیل فرایند