شناسایی مشکلات دانشی فرآیند مرکز تماس بر پایه فرآیند‌کاوی (مطالعه موردی: مرکز تماس 122 سازمان آب ‌و ‌فاضلاب استان تهران)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران.

2 کارشناسی ارشد، مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران

3 استادیار، گروه مدیریت فناوری اطلاعات، دانشگاه الزهرا، تهران، ایران.

10.22091/stim.2019.4128.1301

چکیده

هدف: پژوهش حاضر با هدف مقایسه میان فرآیند طراحی شده و فرآیند استخراج شده حاصل از فاز کشف فرآیند‌کاوی در مرکز تماس 122 سازمان آب ‌و‌ فاضلاب استان تهران و شناسایی مشکلات دانشی مرتبط با انحرافات فرآیندی اجرا گردید. در این راستا، راهکارهای مبتنی بر فرآیندهای مدیریت دانش به منظور بهبود انحرافات فرآیندی نیز ارائه شده است.
روش‌شناسی: در این مطالعه با انتخاب مرکز تماس 122 سازمان آب ‌و‌ فاضلاب استان تهران، فرآیند طراحی شده و فرآیند استخراج شده حاصل از فاز کشف فرآیند‌کاوی مقایسه شد که به شناسایی انحرافات در مسیر اجرای فرآیند و گلوگاه‌های فرآیند انجامید. برای این منظور داده‌های مربوط به سه ماه مرکز جمع‌آوری و پس از پیش‌پردازش، هر یک از سه دیدگاه فرآیند، سازمان و مورد بر روی داده‌ها پیاده‌سازی شد.
نتایج: نتایج تحقیق حاکی از وجود عدم مطابقت اجرای فرآیند در برخی موارد با فرآیند اصلی و نیز وجود
افراد کلیدی در مرکز بوده که برخی از این عدم تطابق‌ها، ناشی از عدم پیاده‌سازی درست فرآیندهای مدیریت دانش است.
نتیجه‌گیری: مشکلات دانشی در فرآیندهای کسب‌و‌کار به آن دسته از مشکلاتی اطلاق می‌شود که ناشی از عدم پیاده‌سازی درست فرآیندهای مدیریت دانش اعم از ایجاد، به‌کارگیری، به اشتراک‌گذاری و ذخیره‌سازی است. وجود مشکلات دانشی در حین اجرای فرآیند منجر به بروز انحراف در مسیر فرآیند خواهد شد. شناسایی و تشخیص این انحرافات نیازمند ابزاری دقیق است که قادر به کشف روند حقیقی فرآیند باشد. فرآیندکاوی رویکردی هوشمند بوده که با استفاده از تکنیک‌های داده‌کاوی، آنالیز شبکه‌های اجتماعی و برخی تکنیک‌های ویژه و همچنین وقایع ثبت شده از اجرای فرآیند، فرآیند کسب‌و‌کار را از جنبه‏های مختلف بررسی نموده و منجر به استخراج دانش نهفته در فرآیند می‌شود.
 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Identifying Knowledge Problems of Call Center Process Based on Process Mining (Case Study: Water and Wastewater Organization Call Center of Tehran Province)

نویسندگان [English]

  • Mohammad Aghdasi 1
  • Zahra Kazemi 2
  • Mina Ranjbar fard 3
1 Professor, Faculty of Industrial and Systems Engineering, Tarbiat Modares University, Tehran, Iran.
2 Master's degree, Industrial Engineering, Tarbiat Modares University, Tehran, Iran
3 Assistant Professor, Department of Information Technology Management, Al-Zahra University, Tehran, Iran
چکیده [English]

Aim: This study was conducted to compare the designed process with the process extracted from the process discovery phase at the call center and to identify the knowledge problems associated with process deviations. This study aims to provide solutions based on knowledge management processes to improve process deviations.
Methodology: In this study, by selecting the contact center of Tehran Province Water and Wastewater Organization, a comparison has been made between the designed process and the process extracted from the exploration phase of the exploration process, which led to the identification of deviations in the process implementation and bottlenecks. For this purpose, the data related to the three months of the center was collected and after pre-processing, each of the three perspectives of process, organization, and case were implemented on the data.
Finding: The results of the research indicate that there is a lack of conformity of the process in some cases with the main process and the presence of key people in the center, some of which are due to the lack of proper implementation of knowledge management processes.
Conclusion: Knowledge problems in business processes refer to those problems resulting from the lack of proper implementation of knowledge management processes, such as creation, deployment, sharing, and storage.
The existence of knowledge problems during process execution will lead to a deviation in the process path. Identifying and detecting these deviations requires a precise tool to detect the actual process from event logs. Process mining is a new smart approach that examines business processes from different aspects, using data mining techniques, social network analysis, and some of its techniques.

کلیدواژه‌ها [English]

  • Knowledge Problems
  • Business Processes
  • Process Analysis
  • Knowledge Extraction
  • Process Deviations
  • Water and Wastewater Organization of Tehran Province
Aalst, V.W.M.P. (2012). Process Mining: Overview and Opportunities. ACM Transactions on Management Information Systems, 99, 16 . DOI: 10.1145/0000000.0000000
Alavi, M. & Leidner, D. (2001). Review: Knowledge management and knowledge management systems: Conceptual foundations and research issues. MIS quarterly, 107-136. DOI: 10.2307/3250961
A´lvaro Rebuge, A. & DiogoR, F. (2011). Business process analysis in health care environments: A methodology based on process mining. Information Systems, 18. DOI:10.1016/j.is.2011.01.003
Bond-Barnard ,T., Steyn, H. & Fabris-Rotelli, I. (2013). The impact of a call centre on communication in a programme and its projects. International Journal of Project Management, 11.
Brown, G. & Maxwell, G. (2002). Customer Service in UK call centres: organisational perspectives and employee perceptions. Retailing and Consumer Services, 9, 8. DOI: 10.1016/S0969-6989(01)00040-6
Cook, J.E. & Wolf, A.L. (1998). Discovering models of software processes from event-based data. ACM Transactions on Software Engineering and Methodology (TOSEM), 7(3), 215-249. DOI:10.1145/287000.287001
De Weerdt, J., Schupp, A.,Vanderloock, A. & Baesens, B. (2012). Process Mining for the multi-faceted analysis of business processes. Computers in Industry, 1. DOI: 10.1016/j.compind.2012.09.010
Herbst, J. & Karagiannis, D. (1998). Integrating machine learning and workflow management to support acquisition and adaptation of workflow models. In: Proceedings Ninth International Workshop on Database and Expert Systems Applications (Cat. No.98EX130). DOI: 10.1109/DEXA.1998.707491
Koh, A., Gunasekaran, T. & Arunachalam, S . (2005). The application of knowledge management in call centres. JOURNAL OF KNOWLEDGE MANAGEMENT, 9(4). DOI: 10.1108/13673270510610332
Liu, Y., Zhang, H., Li, Ch. & Jianxin Jiao, R. (2011). Workflow simulation for operational decision support using event graph through process mining. Decision Support Systems, 13.           
DOI: 10.1016/j.dss.2011.11.003
Ranjbarfard, M., Aghdasi, M., Albadvi, A. & Hassanzaddeh, M. (2013). knowlwdge management barriers identifying for four types of business process. Information Technology management of management faculty of Tehran university, 28. DOI:10.22059/JITM.2013.30051
Rasooli, P. (2006). knowledge management in call center. Master Theises, 105.
Robinson, G. & Morley, C. (2006). Call centre management: responsibilities and performance. International Journal of Service Industry Management, 17, 17. DOI: 10.1108/09564230610667122
Russell, B. (2008). Call centres: A decade of research. International Journal of Management Reviews,10(3), 195-219. DOI:10.1111/j.1468-2370.2008.00241
Van der Aalst, W.M.P. & et al. (2010). Process mining: a two-step approach to balance between underfitting and overfitting. Software & Systems Modeling, 9(1), 87-111.
Van der Aalst, W.M.P. & et al. (2009). ProM: The Process Mining Toolkit. BPM (Demos),489.
Van der Aalst, W.M.P. & De Medeiros, A.K.A. (2005). Process Mining and Security: Detecting Anomalous Process Executions and Checking Process Conformance. Electronic Notes in Theoretical Computer Science, 19. DOI:10.1016/j.entcs.2004.10.013
 
CAPTCHA Image