Sirvi Autor "Lashkevich, Katsiaryna, juhendaja" järgi

Nüüd näidatakse 1 - 4 4

Analysis templates for identifying improvement opportunities using Apromore
(Tartu Ülikool, 2022) Danylyshyn, Nadiia; Milani, Fredrik, juhendaja; Lashkevich, Katsiaryna, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
One of the crucial assets that organizations possess is their business processes, which require continuous improvements to stay efficient. For companies to remain efficient, it is necessary to analyze processes, identify and address improvement opportunities. However, currently, there are no comprehensive guidelines for process analysts that will allow them to identify improvement opportunities from the event logs. The aim of this research is to develop analysis templates for identifying process improvement opportunities using Apromore. To fulfill this aim, 22 improvement opportunities that can be found using manual analysis of processes in Apromore were discovered from the analysis of academic papers. In order to understand how these improvement opportunities can be detected, content analysis of 129 BPIC submission reports was performed in addition to eliciting instructions from the other materials. Based on these, 21 templates were developed and evaluated. Therefore, the contribution of this thesis is templates that will help students and junior process analysts to easier identify improvement opportunities in the processes by manual analysis of event logs in Apromore.
Automated Variant Analysis for Business Process Improvement
(Tartu Ülikool, 2023) Hashimli, Mir Jalal; Milani, Fredrik, juhendaja; Lashkevich, Katsiaryna, juhendaja; Chapela, David, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Äriprotsesside elluviimise tulemuseks on erinevad variandid. Kuigi mõned variandid toimivad paremini kui teised, pole enamik neist optimaalsed. Eelnevalt teostatud juhtumite läbimiseks saab kasutada erinevaid tehnikaid. On võimalik tuvastada, mis pani nad konkreetse mõõdiku alusel edukale järeldusele jõudma ning vastavalt sellele on võimalik protsessitöötajale toimingut soovitada. Käesolev uurimistöö esitab juhtumiuuringu, milles on tarkvaralahendusena realiseeritud äriprotsesside variantide analüüsi kontseptuaalne raamistik. Selle tulemuseks on kõige tõhusama protsessivariandi leidmine läbi erinevate mõjude võrdlemise protsessitsükli aja efektiivsusele. Jõutakse järeldusele, et parima variandi kaalumine on äriprotsesside täiustamise võti.
Discovery of Improvement Opportunities in Knock-out Checks of Business Processes
(Tartu Ülikool, 2022) Ponce, Lino Moises Mediavilla; Milani, Fredrik, juhendaja; Camargo, Manuel, juhendaja; Lashkevich, Katsiaryna, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Sellised äriprotsessid nagu laenutaotlused või ülikoolide vastuvõtmine sisaldavad tavaliselt tegevusi, mida tuntakse kui "knock-out kontrolle", mis liigitavad juhtumid kahte gruppi: vastuvõetud ja tagasi lükatud. Kui knock-out-kontroll lükkab juhtumi tagasi, loetakse kogu varem sellega tehtud töö raisku. Seda raiskamist saab vähendada, kui muuta kontrollide läbiviimise viisi. Varasemad uuringud on pakkunud heuristikat ja vahendeid selliste parandamisvõimaluste tuvastamiseks protsessimudelite abil projekteerimise ajal, samas kui teised on pakkunud prognoosivaid, musta kasti mudeleid väljalangevuskontrollide ümberjärjestamiseks tööajal. Kuid nad ei ole pakkunud meetodit, kuidas saada välja lülitatud kontrollide kohta teavet ja parendusvõimalusi otse olemasolevate protsesside andmetest. Siinkohal näitame andmepõhist, otsustusreeglitel põhinevat lähenemisviisi äriprotsesside knock-out kontrollidega seotud parendusvõimaluste leidmiseks. Katsed sünteetiliste ja reaalsete sündmuste logide põhjal näitavad, et lähenemisviis tuvastab edukalt parendusvõimalusi, saavutades samas tulemuslikkuse, mis on võrreldav musta kasti lähenemisviisidega. Lisaks sellele annab meie lähenemisviis tõlgendatavaid masinõppe meetodeid kasutades täiendavat teavet äriprotsesside väljalangemise kontrollide kohta, mida musta kasti lähenemisviisid ei võimalda.
LLM-based Interface for Data-Driven Waiting Time Analysis of Business Processes
(Tartu Ülikool, 2024) Avramenko, Maksym; Milani, Fredrik Payman, juhendaja; Lashkevich, Katsiaryna, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Arvutiteaduse instituut
Hiljutised edusammud andmeteaduse ja äriprotsesside juhtimise ristumiskohas paiknevas protsessikaeve valdkonnas on avanud märkimisväärse potentsiaali äriprotsesside analüüsimisel, seda eriti tegevuste vahele jäävate ooteaegade analüüsimisel, eesmärgiga tuvastada võimalikke kitsaskohti ja ebatõhususi. See lõputöö käsitleb olemasolevate protsessikaeve tööriistade ühte tüüpilist piirangut: andmeanalüüsi fikseeritud kasutusliidesed, mis piiravad andmete dünaamilist käsitlemist ja kasutajakeskset protsessianalüüsi. Lisaks takistavad fikseeritud kasutusliidesed sageli ka protsessi spetsiifikale vastavate arusaamade teket ja analüüside kohandamist vastavalt äritegevuse muutuvatele vajadustele. Selle probleemi lahendamiseks integreerib käesolev lõputöö suurel keelemudelil põhineva vestlusliidese konkreetse protsessikaeve tööriistaga, eesmärgiga soodustada interaktiivset andmetöötlust, võimaldada isikupärastatud vastuseid, ja pakkuda rakendatavaid soovitusi ooteaegade vähendamiseks. Need eesmärgid seonduvad ühtlasi ka teiste hiljutiste uuringutega, milledes rakendatakse suuri keelemudeleid protsessikaeve tööriistades, et võimendada tulemuste käsitlemist ja tõlgendamist. Käesoleva lõputöö peamine panus on suurel keelemudelil põhineva vestlusliidese kavandamine, rakendamine ja hindamine protsessikaeve tööriistas, mis peaks seeläbi võimaldama andmete interaktiivset navigeerimist ning lisaks pakkuma protsessi sündmuslogile tuginevat teavet selle kohta kuidas protsessi ooteaegu ümberkujundamise soovituste abil vähendada.