TY - THES

T1 - Anwendung von Process Mining auf logistische Prozesse: Vorgehensweise im produzierenden Umfeld

AU - Steinwiedder, Daniel

N1 - gesperrt bis 16-05-2029

PY - 2024

Y1 - 2024

N2 - In der vorliegenden Arbeit wird die Anwendung von Process Mining zur Verbesserung logistischer Prozesse produzierender Unternehmen untersucht. Process Mining verbindet Elemente der Data Science mit Prozessmanagement, um reale Prozesse durch Analyse von Ereignisprotokollen zu identifizieren und zu verbessern. Die Arbeit beinhaltet eine umfassende theoretische Einführung in die Themen Logistik, Geschäftsprozessmanagement und Data Science, gefolgt von einem detaillierteren Einblick in die Grundlagen von Process Mining. Ein wesentlicher Teil der Arbeit ist die Entwicklung eines praktischen Leitfadens für den Einsatz von Process Mining, basierend auf einer systematischen Literaturrecherche. Dieser Leitfaden wird in einer Fallstudie angewendet, in der die Methodik in einem Produktionsunternehmen implementiert wird, um logistische Abläufe zu verbessern. Dabei wird detailliert auf die Vorbereitung, Durchführung und Nachbereitung der Fallstudie eingegangen, was einschließt, wie Daten gesammelt, verarbeitet und analysiert werden, um Optimierungspotenziale bei Prozessen zu identifizieren. Die Ergebnisse der Fallstudie zeigen, dass mittels der Anwendung des entwickelten Leitfadens, eine Verbesserung der Transparenz logistischer Prozesse erreicht werden kann. Es werden auch Herausforderungen und Limitationen der Technologie diskutiert, insbesondere die Qualität und Verfügbarkeit von Daten. Die Diskussion der Ergebnisse führt zu konkreten Empfehlungen, wie Process Mining effektiv eingesetzt werden kann, um die Leistungsfähigkeit der logistischen Prozesse zu steigern. Dies umfasst eine sorgfältige Datenpflege, die Auswahl geeigneter Process Mining Werkzeuge und die fortlaufende Schulung der Mitarbeiter, um die Potenziale der Technologie vollständig ausschöpfen zu können.

AB - In der vorliegenden Arbeit wird die Anwendung von Process Mining zur Verbesserung logistischer Prozesse produzierender Unternehmen untersucht. Process Mining verbindet Elemente der Data Science mit Prozessmanagement, um reale Prozesse durch Analyse von Ereignisprotokollen zu identifizieren und zu verbessern. Die Arbeit beinhaltet eine umfassende theoretische Einführung in die Themen Logistik, Geschäftsprozessmanagement und Data Science, gefolgt von einem detaillierteren Einblick in die Grundlagen von Process Mining. Ein wesentlicher Teil der Arbeit ist die Entwicklung eines praktischen Leitfadens für den Einsatz von Process Mining, basierend auf einer systematischen Literaturrecherche. Dieser Leitfaden wird in einer Fallstudie angewendet, in der die Methodik in einem Produktionsunternehmen implementiert wird, um logistische Abläufe zu verbessern. Dabei wird detailliert auf die Vorbereitung, Durchführung und Nachbereitung der Fallstudie eingegangen, was einschließt, wie Daten gesammelt, verarbeitet und analysiert werden, um Optimierungspotenziale bei Prozessen zu identifizieren. Die Ergebnisse der Fallstudie zeigen, dass mittels der Anwendung des entwickelten Leitfadens, eine Verbesserung der Transparenz logistischer Prozesse erreicht werden kann. Es werden auch Herausforderungen und Limitationen der Technologie diskutiert, insbesondere die Qualität und Verfügbarkeit von Daten. Die Diskussion der Ergebnisse führt zu konkreten Empfehlungen, wie Process Mining effektiv eingesetzt werden kann, um die Leistungsfähigkeit der logistischen Prozesse zu steigern. Dies umfasst eine sorgfältige Datenpflege, die Auswahl geeigneter Process Mining Werkzeuge und die fortlaufende Schulung der Mitarbeiter, um die Potenziale der Technologie vollständig ausschöpfen zu können.

KW - Process Mining

KW - Prozessmanagement

KW - Logistik

KW - Produktion

KW - Leitfaden

KW - Process Mining

KW - Process Management

KW - Logistics

KW - Manufacturing

KW - Guideline

M3 - Masterarbeit

ER -