SÜREÇ MADENCİLİĞİ: KAVRAMSAL ÇERÇEVE, TÜRLERİ, ZORLUKLARI VE GELECEĞE YÖNELİK ARAŞTIRMA YÖNELİMLERİ
Öz
Süreç madenciliği, işletmelerin bilgi sistemlerinde kayıtlı olay günlüklerinden yararlanarak iş süreçlerini keşfetme, izleme ve iyileştirmeye olanak sağlayan disiplinler arası bir yaklaşımdır. Bu yöntem, özellikle karmaşık ve çok adımlı süreçlerde darboğazların tespit edilmesi, verimsizliklerin ortaya çıkarılması ve süreçlerin daha etkin hale getirilmesi için güçlü bir araçtır. Çalışma, süreç madenciliğinin kavramsal çerçevesini ele almakta; keşif, uygunluk ve iyileştirme olmak üzere üç temel türünü sistematik biçimde incelemektedir. Ayrıca üretim, sağlık, finans ve eğitim gibi farklı sektörlerdeki uygulama örnekleri üzerinden süreç madenciliğinin geniş kullanım alanları tartışılmaktadır. Bununla birlikte, veri kalitesi, süreç karmaşıklığı ve sistem entegrasyonu gibi süreç madenciliği uygulamalarında sıklıkla karşılaşılan temel zorluklar da ele alınmaktadır. Çalışma, aynı zamanda Endüstri 4.0, yapay zekâ ve büyük veri teknolojilerinin gelişimi ile birlikte süreç madenciliğinin sunduğu geleceğe yönelik fırsatları ortaya koymaktadır. Derleme niteliğindeki bu makale, Türkçe alanyazın sınırlı sayıda bulunan süreç madenciliği çalışmalarına katkı sağlamayı ve araştırmacılar için kapsamlı bir çerçeve sunmayı amaçlamaktadır
Anahtar Kelimeler
Süreç Madenciliği, İş Süreçleri, Veri Analitiği, Dijital Dönüşüm, Endüstri 4.0
Kaynakça
- Adams, J., van Zelst, S., Quack, L., Hausmann, K., Aalst, v. d., W.M.P., & Rose, T. (2021). A Framework for Explainable Concept Drift Detection in Process Mining. Business Process Management. BPM 2021. 12875, s. 400-416. Springer. doi:10.1007/978-3-030-85469-0_25
- Augusto, A., Conforti, R., Dumas, Rosa, L. M., Maggi, M., & Marrella, A. (2019). Automated Discovery of Process Models from Event Logs: Review and Benchmark. IEEE Transactions on Knowledge and Data Engineering, 31(4), 686-705. doi:10.1109/TKDE.2018.2841877
- Bogarín, A., Cerezo, R., & Romero, C. (2017). A survey on educational process mining. WIREs Data Mining Knowl Discovery, 8(1). doi:https://doi.org/10.1002/widm.1230
- Bolt, A., & van der Aalst, W. M. (2015). Multidimensional process mining using process cubes. Enterprise, Business-Process and Information Systems Modeling BPMDS EMMSAD 2015. 214, s. 102–116. Springer. doi:10.1007/978-3-319-19237-6_7
- Carmona, J., van Dongen, B., Solti, A., & Weidlich, M. (2018). Conformance Checking Relating Processes and Models. Springer. doi:10.1007/978-3-319-99414-7
- Çelik, U., & Akçetin, E. (2018). Process Mining Tools Comparison. AJIT-E: Academic Journal of Information Technology, 9(34), 97-104. doi:10.5824/1309-1581.2018.4.007.x
- de Leoni, M., van der Aalst, W., & Dees, M. (2014). A General Framework for Correlating Business Process Characteristics. Lecture Notes in Computer Science, 8659. doi:10.1007/978-3-319-10172-9_16
- Günther, C. W., & Rozinat, A. (2012). Disco: discover your processes. CEUR Workshop Proceedings. 940, s. 40-44. Tallinn, Estonia: Proceedings of the Demonstration Track of the 10th International Conference on Business Process Management (BPM 2012).
- Halvorsrud, R., Mannhardt, F., Prillard, F., & Boletsis, C. (2024). Customer journeys and process mining – challenges and opportunities. ITM Web Conf., 62. doi:10.1051/itmconf/20246205002
- Kraus, A., & van der Aa, H. (2024). Looking for Change: A Computer Vision Approach for Concept Drift Detection in Process Mining. Business Process Management (BPM2024). 14940, s. 273–290. Springer. doi:10.1007/978-3-031-70396-6_16