دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات63
تعداد شماره‌ها2,282
تعداد مقالات18,838
تعداد مشاهده مقاله59,473,639
تعداد دریافت فایل اصل مقاله30,427,576
خوشخوی نیلاش, احسان الله, اسماعیل پور, منصور, بیات, بهروز, اسفندیاری مقدم, علیرضا, حسن نایبی, عرفان. (1403). چارچوبی روش‌شناختی برای تحلیل فرایندهای تسهیلات بر پایه روش‌های فرایندکاوی و داده کاوی: مورد مطالعه فرایند تسهیلات سرمایه ثابت. سامانه مدیریت نشریات علمی, 13(50), 143-185. doi: 10.22054/ims.2024.81709.2518
احسان الله خوشخوی نیلاش; منصور اسماعیل پور; بهروز بیات; علیرضا اسفندیاری مقدم; عرفان حسن نایبی. "چارچوبی روش‌شناختی برای تحلیل فرایندهای تسهیلات بر پایه روش‌های فرایندکاوی و داده کاوی: مورد مطالعه فرایند تسهیلات سرمایه ثابت". سامانه مدیریت نشریات علمی, 13, 50, 1403, 143-185. doi: 10.22054/ims.2024.81709.2518
خوشخوی نیلاش, احسان الله, اسماعیل پور, منصور, بیات, بهروز, اسفندیاری مقدم, علیرضا, حسن نایبی, عرفان. (1403). 'چارچوبی روش‌شناختی برای تحلیل فرایندهای تسهیلات بر پایه روش‌های فرایندکاوی و داده کاوی: مورد مطالعه فرایند تسهیلات سرمایه ثابت', سامانه مدیریت نشریات علمی, 13(50), pp. 143-185. doi: 10.22054/ims.2024.81709.2518
خوشخوی نیلاش, احسان الله, اسماعیل پور, منصور, بیات, بهروز, اسفندیاری مقدم, علیرضا, حسن نایبی, عرفان. چارچوبی روش‌شناختی برای تحلیل فرایندهای تسهیلات بر پایه روش‌های فرایندکاوی و داده کاوی: مورد مطالعه فرایند تسهیلات سرمایه ثابت. سامانه مدیریت نشریات علمی, 1403; 13(50): 143-185. doi: 10.22054/ims.2024.81709.2518

چارچوبی روش‌شناختی برای تحلیل فرایندهای تسهیلات بر پایه روش‌های فرایندکاوی و داده کاوی: مورد مطالعه فرایند تسهیلات سرمایه ثابت

مطالعات مدیریت کسب و کار هوشمند
مقاله 4، دوره 13، شماره 50، آذر 1403، صفحه 143-185    اصل مقاله (2.09 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/ims.2024.81709.2518
نویسندگان
احسان الله خوشخوی نیلاش1؛ منصور اسماعیل پور* 2؛ بهروز بیات3؛ علیرضا اسفندیاری مقدم4؛ عرفان حسن نایبی5
1دانشجوی دکتری مدیریت فناوری اطلاعات،گروه مدیریت، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
2دانشیار، گروه مهندسی کامپیوتر، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران  نویسنده مسئول: esmaeilpour@iauh.ac.ir
3استادیار، گروه علم اطلاعات و دانش‌شناسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
4استاد گروه علم اطلاعات و دانش‌شناسی، واحد همدان، دانشگاه آزاد اسلامی، همدان، ایران
5استادیار، گروه مهندسی صنایع، دانشگاه صنعتی شریف، تهران، ایران
چکیده
بانک‌ها برای تسهیلات سرمایه‌ثابت از فرایند‌های پیچیده و طولانی‌مدت شامل مراحل، نقاط کنترل و تایید زیاد برخوردارند. اینگونه فرایندها در ایجاد و توسعه واحدهای صنعتی، معدنی و گردشگری از اهمیت فزاینده‌ای برخوردارند. تجزیه و تحلیل مداوم اینگونه فرایندها برای ارتقاء، بهبود مستمر و کسب دانش از انها اهمیت فزاینده‌ای دارد. هدف اصلی تحقیق حاضر ارائه چارجوب روش‌شناختی جامع بر پایه فرایندکاوی با ترکیب با داده‌کاوی در خصوص تجزیه و تحلیل فرایندهای تسهیلات سرمایه ثابت است. روش‌شناسی بکاررفته در پژوهش حاضر برگرفته از تکنیک‌ها و مفاهیم فرایندکاوی و داده‌کاوی بر پایه داده‌های رخداد سیستم تسهیلات، بانکی فعال در ایران است. این روش شامل نه فاز شروع، آماده‌سازی، بازرسی، کاوش و تحلیل، ارزیابی، تحلیل چند بعدی فرایندی، پیش‌بینی، بررسی نتایج و بهبود است. هر کدام از فازها شامل چندین مولفه و به صورت تکرارشونده است. از جمله نتایج پژوهش حاضر استخراج فرایند واقعی، شناسایی گلوگاه‌ها، مراحل پرتکرار در نمونه و دارای فراوانی و گونه‌های فرایند است. افزون بر این شناسایی شعب و افراد دارای بیشترین نقش و ویژگی‌های داده‌ای موثر بر کاهش زمان پرداخت تسهیلات، تحلیل فرایند از ابعادی ماننداستان از دیگر یافته‌ها بود و نشان داد تجزیه و تحلیل استانی دانش خوبی در اختیار می‌گذارد. یکی از ابتکارات تحقیق حاضر استفاده از داده‌کاوی برای پیش‌بینی زمان پرداخت تسهیلات بود. در مقایسه روش‌های متنوع، الگوریتم درخت تصمیم‌گیری با دقت 72 درصد بهترین عملکرد را داشت.در نهایت علاوه بر کشف انحرافات، بر مبنای ایجاد داده‌های رخداد و تحلیل آن، فرایند بهبود‌یافته استخراج شد،که نشان از بهبود 67 درصدی بود.
کلیدواژه‌ها
فرایندهای سرمایه ثابت؛ چارچوب روش‌شناختی؛ داده‌های‌رخداد؛ فرایندکاوی؛ داده‌کاوی
مراجع
  1. محمدی نژاد، م؛ و شمس علیئی، ف. (1398). استفاده از فرآیندکاوی در سیستم‌های آگاهی وضعیتی سایبری. In سومین همایش ملی پیشرفت‌های معماری سازمانی. تهران. https://civilica.com/doc/976336
  2. اسماعیلپور، م.، گرجی، ی.، اله، ن.، اسلامبولچی، م. ر؛ و امیرکبیری. (2021). مهندسی مجدد ساختار سازمانی با تکنیک‌های فرآیندکاوی؛ مطالعه موردی در آموزش‌وپرورش مازندران. نشریه مهندسی فرآیندها، 9(15)، 1-18. http://jpe.mazums.ac.ir/article-۱-۱۶۴-fa.html
  3. جعفری، ج.، ستایشی و؛ و سعید. (2019). تأثیر سبک‌شناختی بر درک پذیری مدل‌های فرآیند کسب‌وکار. مطالعات مدیریت کسب‌وکار هوشمند، 7(28)، 111-134. https://doi.org/10.22054/ims.2019.10234
  4. خوشخوی نیلاش، ا.، تمجید یامچلو و؛ و راد. (2021). تحلیل عملکرد و بهبود فرآیندهای ارائه تسهیلات سرمایه در گردش با رویکرد فرآیندکاوی: مطالعه موردی فرآیندهای ارائه تسهیلات بانک صنعت و معدن. مطالعات مدیریت کسب‌وکار هوشمند، 9(36)، 37-71. https://doi.org/10.22054/ims.2021.58106.1896
  5. مصطفائی دولت آباد، خ.، آذر، ع.، مقبل باعرض، ع؛ و پرویزیان، ک. (1398). ارزیابی فرآیندکاوی در کشف مدل فرآیندهای نیمه اتوماتیک صنعت بانکداری (مورد مطالعه فرآیند صدور ضمانت نامه بانکی). https://doi.org/10.22054/jims.2019.9605
 

References

  1. Urrea-Contreras, S. J., Astorga-Vargas, M. A., Flores-Rios, B. L., Ibarra-Esquer, J. E., Gonzalez-Navarro, F. F., Garcia Pacheco, I., & Pacheco Agüero, C. L. (2024). Applying process mining: The reality of a software development SME. Applied Sciences, 14(4), 1402. https://doi.org/10.3390/app14041402
  2. El Kodssi, I., & Sbai, H. (2024). Applying process mining to generate business process models from smart environments. International Journal of Computing and Digital Systems, 16(1), 705-717. http://dx.doi.org/10.12785/ijcds/160152
  3. Rashed, A. H. M., El-Attar, N. E., Abdelminaam, D. S., & Abdelfatah, M. (2023). Analysis of patients’ careflows using process mining. PLOS ONE, 18(2), e0281836. http://dx.doi.org/10.12785/ijcds/160152
  4. Erdogan, T. G., & Tarhan, A. K. (2022). Multi-perspective process mining for emergency processes. Health Informatics Journal, 28(1), 14604582221077195. https://doi.org/10.1177/14604582221077195
  5. Anuwatvisit, S., Tungkasthan, A., & Premchaiswadi, W. (2012). Bottleneck mining and Petri net simulation in educational situations. Paper presented at the 2012 Tenth International Conference on ICT and Knowledge Engineering. https://doi.org/10.1109/ICTKE.2012.6408562
  6. Augusto, A., Deitz, T., Faux, N., Manski-Nankervis, J.-A., & Capurro, D. (2021). Process mining-driven analysis of the COVID-19 impact on the vaccinations of Victorian patients. arXiv preprint arXiv:2112.04634. https://doi.org/10.48550/arXiv.2112.04634
  7. Basha, S. G. (2017). Importance of data mining in banking sectors. http://ijsetr.com/uploads/543261IJSETR13678-226.pdf
  8. Blevi, L., Delporte, L., & Robbrecht, J. (2017). Process mining on the loan application process of a Dutch financial institute. BPI Challenge, 328-343. https://www.win.tue.nl/bpi/2017/bpi2017_winner_professional.pdf
  9. Cerezo, R., Bogarín, A., Esteban, M., & Romero, C. (2020). Process mining for self-regulated learning assessment in e-learning. Journal of Computing in Higher Education, 32(1), 74-88. https://doi.org/10.1007/s12528-019-09225-y
  10. Cho, M., Song, M., Comuzzi, M., & Yoo, S. (2017). Evaluating the effect of best practices for business process redesign: An evidence-based approach based on process mining techniques. Decision Support Systems, 104, 92-103. https://doi.org/10.1016/j.dss.2017.10.004
  11. Dakic, D., Stefanovic, D., Cosic, I., Lolic, T., Medojevic, M., & Katalinic, B. (2018). Business process mining application: A literature review. Paper presented at the Proceedings of the 29th DAAAM International Symposium. https://doi.org/10.2507/29th.daaam.proceedings.125
  12. De Weerdt, J., De Backer, M., Vanthienen, J., & Baesens, B. (2012). A multi-dimensional quality assessment of state-of-the-art process discovery algorithms using real-life event logs. Information Systems, 37(7), 654-676. https://doi.org/10.1016/j.is.2012.02.004
  13. Duma, D., & Aringhieri, R. (2020). An ad hoc process mining approach to discover patient paths of an emergency department. Flexible Services and Manufacturing Journal, 32(1), 6-34. https://doi.org/10.1007/s10696-018-9330-1
  14. He, Z., Wu, Q., Wen, L., & Fu, G. (2019). A process mining approach to improve emergency rescue processes of fatal gas explosion accidents in Chinese coal mines. Safety Science, 111, 154-166. https://doi.org/10.1016/j.ssci.2018.07.006
  15. Kouzari, E., & Stamelos, I. (2018). Process mining applied on library information systems: A case study. Library & Information Science Research, 40(3-4), 245-254. https://doi.org/10.1016/j.lisr.2018.09.006
  16. Lorenz, R., Senoner, J., Sihn, W., & Netland, T. (2021). Using process mining to improve productivity in make-to-stock manufacturing. International Journal of Production Research, 1-12. https://doi.org/10.1080/00207543.2021.1906460
  17. Pan, Y., & Zhang, L. (2021). Automated process discovery from event logs in BIM construction projects. Automation in Construction, 127, 103713. https://doi.org/10.1016/j.autcon.2021.103713
  18. Pang, J., Xu, H., Ren, J., Yang, J., Li, M., Lu, D., & Zhao, D. (2021). Process mining framework with time perspective for understanding acute care: A case study of AIS in hospitals. BMC Medical Informatics and Decision Making, 21(1), 1-10. https://doi.org/10.1186/s12911-021-01725-1
  19. Pereira, G. B., Santos, E. A. P., & Maceno, M. M. C. (2020). Process mining project methodology in healthcare: A case study in a tertiary hospital. Network Modeling Analysis in Health Informatics and Bioinformatics, 9(1), 1-14. https://doi.org/10.1007/s13721-020-00227-w
  20. Ramos-Gutiérrez, B., Varela-Vaca, Á. J., Galindo, J. A., Gómez-López, M. T., & Benavides, D. (2021). Discovering configuration workflows from existing logs using process mining. Empirical Software Engineering, 26(1), 1-41. https://doi.org/10.1007/s10664-020-09911-x
  21. Reijers, H. A., & Mansar, S. L. (2005). Best practices in business process redesign: An overview and qualitative evaluation of successful redesign heuristics. Omega, 33(4), 283-306. https://doi.org/10.1016/j.omega.2004.04.012
  22. Schuh, G., Gützlaff, A., Schmitz, S., & van der Aalst, W. M. (2020). Data-based description of process performance in end-to-end order processing. CIRP Annals. https://doi.org/10.1016/j.cirp.2020.03.013
  23. Stefanini, A., Aloini, D., Benevento, E., Dulmin, R., & Mininno, V. (2020). A process mining methodology for modeling unstructured processes. Knowledge and Process Management, 27(4), 294-310. https://doi.org/10.1002/kpm.1649
  24. Suriadi, S., Andrews, R., ter Hofstede, A. H., & Wynn, M. T. (2017). Event log imperfection patterns for process mining: Towards a systematic approach to cleaning event logs. Information Systems, 64, 132-150. https://doi.org/10.1016/j.is.2016.07.011
  25. Van Der Aalst, W. (2016). Data science in action. In Process Mining (pp. 30-35). Springer.
  26. Van Der Aalst, W., Adriansyah, A., De Medeiros, A. K. A., Arcieri, F., Baier, T., Blickle, T., … Buijs, J. (2011). Process mining manifesto. Paper presented at the International Conference on Business Process Management. https://doi.org/10.1007/978-3-642-28108-2_19
  27. Yazici, I. E., & Engin, O. (2019). Use of process mining in bank real estate transactions and visualization with fuzzy models. Paper presented at the International Conference on Intelligent and Fuzzy Systems. https://doi.org/10.1007/978-3-030-23756-1_33
  28. Van Der Aalst, W. M. (2015). Business process simulation survival guide. In Handbook on Business Process Management 1 (pp. 337-370). Springer. https://doi.org/10.1007/978-3-642-45100-3_15
  29. Buijs, J. C., van Dongen, B. F., & van der Aalst, W. M. (2014). Quality dimensions in process discovery: The importance of fitness, precision, generalization, and simplicity. International Journal of Cooperative Information Systems, 23(01), 1440001. https://doi.org/10.1142/S0218843014400012
References [In Persian]

  1. Mohammadinejad, M., & Shams Alii, F. (2018). Using process mining in cyber situational awareness systems. In The Third National Conference on Organizational Architecture Developments. Tehran. https://civilica.com/doc/976336 [In Persian]
  2. Esmailpour, M., Gerji, Y., Elah, N., Islambolchi, M., & Amirkabiri, R. (2021). Reengineering the organizational structure with process mining techniques: A case study in Mazandaran education. Journal of Process Engineering, 9(15), 1-18. http://jpe.mazums.ac.ir/article-1-164-fa.html [In Persian]
  3. Jafari, J., & Setayeshi, S. (2019). The effect of cognitive style on the understandability of business process models. Business Intelligence Management Studies, 7(28), 111-134. https://doi.org/10.22054/ims.2019.10234 [In Persian]
  4. Khoshkhov Nilash, E., Tamjid Yamchelo, & Rad. (2021). Performance analysis and improvement of Bank of Industry and Mine working capital facility processes based on process mining approach. Business Intelligence Management Studies, 9(36), 37-71. https://doi.org/10.22054/ims.2021.58106.1896 [In Persian]
  5. Mostafai Daulatabad, K., Azar, A., Maqbal Baara’, A., & Parvizian, K. (2018). Evaluation of process mining in the discovery of the model of semi-automatic processes of the banking industry: Case study of the bank guarantee issuance process. https://doi.org/10.22054/jims.2019.9605 [In Persian]
 

‌

 

 

 

‌ ‌

آمار
تعداد مشاهده مقاله: 904
تعداد دریافت فایل اصل مقاله: 495


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب
login