چكيده
در دنیای امروز، بهبود کارایی و کاهش هزینه‌ها در خدمات لجستیکی از چالش‌های حیاتی سازمان‌ها به شمار می‌رود؛ چراکه گلوگاه‌ها و عدم انطباق‌های فرآیندی می‌توانند به‌طور چشمگیری عملکرد و رقابت‌پذیری این خدمات را مختل کنند. این پژوهش با بهره‌گیری از رویکرد فرایندکاوی، به شناسایی و تحلیل دقیق این مشکلات پرداخته است. داده‌های مرتبط با فرآیندهای لجستیکی از سیستم‌های مدیریت سازمانی جمع‌آوری و پس از پاک‌سازی، با استفاده از مدل‌های K-Prototype برای خوشه‌بندی، RandomForestClassifier برای پیش‌بینی، و Apriori برای کشف قوانین انجمنی، مورد تحلیل قرار گرفتند؛ نتایج حاکی از آن است که فرایندکاوی به‌طور مؤثری قادر است گلوگاه‌ها و ناهماهنگی‌های فرآیندی را شناسایی کند و با ارائه راه‌حل‌های نوآورانه، بهبود زمان عملیات، کاهش هزینه‌ها و افزایش انطباق فرآیندها با مدل‌های طراحی‌شده را به همراه داشته باشد. این مطالعه نشان‌دهنده اهمیت و کارایی بالای فرایندکاوی در بهبود عملکرد و افزایش رقابت‌پذیری خدمات لجستیکی است.
1- مقدمه
در دهه‌های اخیر، با رشد و گسترش فناوری اطلاعات و توسعه‌ی بازارهای جهانی و ملی، خدمات لجستیکی به یکی از محورهای اصلی رقابت در بسیاری از صنایع تبدیل شده است. سازمان‌ها و شرکت‌های لجستیکی همواره در جستجوی راه‌هایی هستند تا با بهبود روش‌ها و فرآیندهای خود، بتوانند خدماتی مؤثرتر ارائه دهند و در عین حال، هزینه‌ها و زمان‌های عملیاتی را به حداقل برسانند. این چالش‌ها و نیازها، ضرورت مدیریت و بهبود فرآیندهای لجستیکی را بیش از پیش برجسته ساخته است. اگرچه تلاش‌های متعددی برای بهبود جنبه‌های فنی فرآیندها در گذشته انجام شده، اما بسیاری از این راه‌حل‌ها نتوانسته‌اند به‌طور کامل به چالش‌های کلان لجستیک پاسخ دهند و نیازهای پیچیده‌ی این حوزه را برآورده سازند .
فرایندکاوی، به‌عنوان رویکردی نوین و کارآمد، توانسته است نقشی مؤثر در تحلیل، پایش و بهبود فرآیندها ایفا کند؛ این ابزار به‌ویژه در شرایطی که پیچیدگی‌های فرآیندی و چالش‌های مرتبط با آن‌ها مانع از عملکرد بهینه‌ی سازمان‌ها می‌شود، کارآمدی خود را به اثبات رسانده است. هدف اصلی این تحقیق، ارتقای بهره‌وری شرکت‌های لجستیکی از طریق شناسایی و رفع مشکلات فرآیندی و کاهش اثر گلوگاه‌هاست. با استفاده از فرایندکاوی، می‌توان به تحلیل نگاره‌های رویداد پرداخت و با شناسایی گلوگاه‌ها و عدم انطباق‌های فرآیندی، راه‌حل‌هایی برای بهبود زمان عملیات و کاهش هزینه‌ها ارائه داد.
بازار جهانی لجستیک و حمل‌ونقل با سرعتی چشمگیر در حال رشد است و پیش‌بینی می‌شود تا سال 2030 به 8040.55 میلیارد دلار برسد . این رشد نشان‌دهنده‌ی افزایش نیاز به بهبود و مدیریت کارآمد فرآیندهای لجستیکی است. با این حال، بسیاری از سازمان‌ها همچنان با چالش‌هایی نظیر شناسایی دقیق گلوگاه‌ها و انطباق فرآیندها با مدل‌های طراحی‌شده مواجه‌اند. هزینه‌های مرتبط با “Last-Mile Delivery” که گاهی تا 50 درصد از کل هزینه‌های لجستیکی را در بر می‌گیرد، نمایانگر حساسیت بالای این حوزه به هرگونه تغییرات است . نتایج نظرسنجی‌های انجام‌شده توسط شرکت‌های خصوصی، از جمله PCA Predict و Zetes، حاکی از آن است که تحویل‌های ازدست‌رفته و تأخیر در تحویل، به‌عنوان عواملی کلیدی در افزایش هزینه‌های لجستیکی شناخته می‌شوند و بر اهمیت بهبود فرآیندهای لجستیکی و مدیریت بهتر آن‌ها تأکید دارند .
تحقیقات پیشین نشان می‌دهند که بهبود فرآیندها می‌تواند به بهبود سه شاخص اصلی سرعت، هزینه و کیفیت خدمات منجر شود؛ شاخص‌هایی که نقشی اساسی در حفظ رقابت‌پذیری سازمان‌ها ایفا می‌کنند. در این راستا، فرایندکاوی به‌عنوان ابزاری نوین و کارآمد، توانایی تحلیل، پایش و بهبود فرآیندها را به‌خوبی داراست. این روش، به‌ویژه در شناسایی و اصلاح گلوگاه‌ها و ناهماهنگی‌ها در فرآیندهای سازمانی، می‌تواند به بهبود عملکرد سازمان‌ها کمک شایانی نماید . در حوزه‌ی لجستیک، استفاده از فرایندکاوی و ابزارهای مرتبط مانند Fuzzy Miner می‌تواند به تحلیل و بهبود فرآیندهای حمل‌ونقل و لجستیکی کمک کرده و ناهماهنگی‌ها و خطاهای موجود را شناسایی و اصلاح کند.
اهداف این پژوهش، شناسایی و رفع گلوگاه‌ها و ناهماهنگی‌های فرآیندی در خدمات لجستیکی با بهره‌گیری از رویکرد فرایندکاوی است. این پژوهش، به تحلیل و بررسی وضعیت کنونی فرآیندهای لجستیکی پرداخته و راه‌حل‌هایی را برای بهبود عملکرد و افزایش رقابت‌پذیری این خدمات ارائه می‌دهد. تمرکز این تحقیق بر استفاده از داده‌های واقعی و نگاره‌های رویداد جهت شناسایی و اصلاح فرآیندها و بهبود تخصیص منابع است. همچنین، با ایجاد ابزارهای کمکی برای مدیران و کارشناسان، امکان شناسایی و رفع گلوگاه‌ها فراهم می‌شود و این تحقیق در نهایت، به ارتقای کیفیت خدمات لجستیکی و افزایش بهره‌وری فرآیندها منجر خواهد شد.
با توجه به محدودیت‌های این تحقیق، برخی از حوزه‌های مرتبط با خدمات لجستیکی و فرایندکاوی در این پژوهش مورد بررسی قرار نگرفته‌اند؛ این حوزه‌ها شامل تأثیرات فرآیندهای لجستیکی از تغییرات سیاسی و اقتصادی جهانی، رفتار مصرف‌کننده و تأثیر آن بر طراحی فرآیندها، ارزیابی اثرات زیست‌محیطی فرآیندهای بهبودیافته و استفاده از فناوری‌های نوظهور مانند یادگیری عمیق در کنار فرایندکاوی است. پژوهش حاضر، بیشتر بر جنبه‌های عملیاتی و فنی بهبود فرآیندها و کاربرد فرایندکاوی در این زمینه تمرکز دارد.
سؤالات و فرضیات این پژوهش نیز حول بررسی میزان بهبود خدمات لجستیکی با استفاده از فرایندکاوی و تحلیل همبستگی میان گلوگاه‌ها و اطلاعات زمینه‌ای خدمات لجستیکی شکل گرفته‌اند. فرضیه اصلی این پژوهش آن است که با بهره‌گیری از الگوریتم‌های فرایندکاوی، می‌توان فرآیندهای لجستیکی را با دقت بیشتری تحلیل و بهبود بخشید، که این امر در نهایت به کاهش زمان عملیاتی، کاهش هزینه‌ها و افزایش انطباق فرآیندها منجر خواهد شد.
گلوگاه‌ها و عدم انطباق در لجستیک
گلوگاه‌ها به‌عنوان موانعی در مسیر عملکرد بهینه فرآیندها، می‌توانند نقش بسزایی در کاهش بهره‌وری و افزایش هزینه‌های عملیاتی سازمان‌ها داشته باشند. شناسایی و تحلیل دقیق این گلوگاه‌ها، به سازمان‌ها امکان می‌دهد تا با اصلاح فرآیندها و بهینه‌سازی منابع، کارایی و اثربخشی خود را بهبود بخشند. در این راستا، فرایندکاوی به‌عنوان ابزاری کارآمد مطرح شده است که با بهره‌گیری از آن می‌توان به شناسایی گلوگاه‌ها و ارزیابی اثرات آن‌ها بر عملکرد سازمان پرداخت
علاوه بر گلوگاه‌ها، یکی دیگر از چالش‌های اساسی در فرآیندهای سازمانی، عدم انطباق آن‌ها با مدل‌های طراحی‌شده است. این ناهماهنگی‌ها می‌تواند به کاهش کیفیت خدمات، افزایش هزینه‌ها و در نهایت به افت رضایت مشتریان منجر شود. فرایندکاوی با تحلیل دقیق داده‌های واقعی و نگاره‌های رویداد، نه‌تنها به شناسایی این ناهماهنگی‌ها کمک می‌کند، بلکه با ارائه راهکارهای مؤثر، فرآیندها را با اهداف سازمانی همسو می‌سازد و انطباق آن‌ها را بهبود می‌بخشد. این تطابق دقیق‌تر فرآیندها با مدل‌های طراحی‌شده، به افزایش کیفیت خدمات، کاهش هزینه‌های غیرضروری و ارتقای کلی عملکرد سازمان منجر می‌شود. کیفیت مدل فرایند به طور معمول با درنظرگرفتن چهار بعد کیفیت توصیف می‌شود :
- تناسب: توانایی مشاهده رفتار نگاره رویداد در مدل کشف‌شده.
- دقت: جلوگیری از رفتار غیرمرتبط با نگاره رویداد مورد استفاده در فرایند کشف، مانند اجتناب از مفهوم کم برازش
- تعمیم: ظرفیت پذیرش رویدادهای مشابه جدید مرتبط با رویدادهای قبلی که برای کشف استفاده شده است، مانند اجتناب از مفهوم بیش‌برازش
- سادگی: تا حد امکان ساده‌بودن
بررسی انطباق می‌تواند برای تطابق مدل با واقعیت به‌دست‌آمده از طریق نگاره رویداد در سیستم استفاده شود . بر اساس مرجع ، تأیید انطباق می‌تواند برای تأیید صحت فرایندهای مستند، شناسایی انحراف‌های فرایند، اشاره به نمونه‌های مختلف و تلاش برای پی‌بردن به نقاط اشتراک آن‌ها استفاده شود. علاوه بر این، تأیید انطباق می‌تواند برای محاسبه کارایی یک مدل فرایند کشف‌شده و بهبود مدل جدید یا موجود استفاده شود. بررسی انطباق در موارد متعددی مورد استفاده قرار می‌گیرد و آن را به یکی از ارکان فرایندکاوی تبدیل می‌کند.
الگوریتم‌ها و مدل‌های مورد استفاده
در این پژوهش، از چندین الگوریتم و مدل تحلیلی به‌منظور تحلیل و بهبود فرآیندهای لجستیکی بهره‌گیری شده است که هر یک نقشی کلیدی در شناسایی گلوگاه‌ها و بهینه‌سازی فرآیندها ایفا می‌کنند. یکی از این الگوریتم‌ها، K-Prototype است که برای خوشه‌بندی داده‌ها و شناسایی الگوهای مشابه در فرآیندها به کار رفته و به دسته‌بندی دقیق‌تر داده‌ها کمک می‌کند. همچنین، از شاخص Silhouette برای ارزیابی کیفیت خوشه‌بندی‌ها استفاده شده است، که معیاری دقیق از صحت و انسجام خوشه‌بندی ارائه می‌دهد و بهبود عملکرد الگوریتم را نشان می‌دهد .
علاوه بر آن، RandomForestClassifier به‌عنوان یک مدل یادگیری ماشین، به‌منظور پیش‌بینی و طبقه‌بندی داده‌ها استفاده شده است. این الگوریتم با ترکیب چندین مدل درخت تصمیم، دقت بالایی در پیش‌بینی نتایج و شناسایی ناهماهنگی‌های احتمالی در فرآیندها ارائه می‌دهد .
