Ausgangssituation:
Um im insgesamt dynamischer und komplexer werdenden Unternehmensum- feld wettbewerbsfähig zu bleiben ist die Fähigkeit Unternehmensprozesse ef- fektiv und effizient zu gestalten ein entscheidender Faktor. Dabei bestimmt die Prozessperformance (bspw. kurze Durchlaufzeit) der internen Geschäftspro- zesse maßgeblich die Leistungsfähigkeit und den nachhaltigen Erfolg von Un- ternehmen.
Zur Steigerung der Prozessperformance werden in Unternehmen Prozessopti- mierungen durchgeführt. Bis zu 98 % der Prozessoptimierungen werden je- doch lediglich im Produktionsbereich durchgeführt, da es an durchgängigen und aufwandsarmen Verfahren zur Prozessoptimierung mangelt. Zudem sind traditionelle Prozessoptimierungen von hoher Subjektivität und von Moment- aufnahmen geprägt. Die hohen Erwartungen an Prozessoptimierungen wer- den daher in rund 65 % der Fälle nicht erfüllt.
Ein vielversprechender Ansatz bietet die neue Data-Analytics-Technologie Process Mining. Process Mining zielt darauf ab, reale Prozesse durch Extra- hieren von Wissen aus Eventdaten zu erkennen, überwachen und zu verbes- sern. Auf Knopfdruck kann volle Transparenz der Ist-Prozesse geschaffen werden und Prozessabweichungen, Schwachstellen und Engpässe identifi- ziert werden.
Zielsetzung der Arbeit:
Im Rahmen der Arbeit soll ein Vorgehen zur Steigerung der Transparenz von Geschäftsprozessen durch Anwendung von Process Mining erarbeitet wer- den. Basierend auf definierten Prozesszielgrößen sind dafür zunächst Infor- mations- und Datenbedarfe für die unternehmerischen Kernprozesse (bspw.
Entwicklung, Arbeitsplanung, Fertigung, Montage) abzuleiten. Darauf aufbau- end sollen anschließend geeignete Process Mining Verfahren zur Prozessop- timierung ausgewählt werden. Die Arbeit adressiert damit das für zahlreiche Industrieunternehmen vorhandene Potential, durch Anwendung von Data- Analytics-Technologien aufwandsarm volle Transparenz über die realen Un- ternehmensprozesse zu erhalten und Verbesserungspotentiale kontinuierlich zu identifizieren.
Voraussetzungen:
Selbständigkeit, Eigeninitiative und sorgfältige Arbeitsweise
Hohe intrinsische Motivation und Einsatzbereitschaft
Interesse an zukunftsträchtigen Fragestellungen im Bereich Prozessma- nagement und Prozessoptimierung
Sehr gute Deutschkenntnisse und gute Englischkenntnisse
Geboten wird:
Eine umfangreiche und intensive Betreuung
Schnelle Bearbeitung durch eine abgegrenzte Aufgabenstellung
Mitarbeit an einem hochspannenden Forschungsprojekt mit Innovations- charakter im Rahmen des Exzellenzclusters
Bachelor-/Masterarbeit:
Entwicklung einer Vorgehensweise zur Optimierung von Geschäftsprozessen durch Anwendung von Process Mining
Werkzeugmaschinenlabor WZL der RWTH Aachen
Lehrstuhl für Produktionssystematik Abteilung Produktionsmanagement Prof. Dr.-Ing. Günther Schuh Campus-Boulevard 30
52074 Aachen Germany
Seth Schmitz, M. Sc. RWTH Telefon: +49 241 80-27387 s.schmitz@wzl.rwth-aachen.de
