A comparative case study on Data Mining and Process Mining applied to Supply Chain Management

Yazıcıoğlu, Emre (2020). A comparative case study on Data Mining and Process Mining applied to Supply Chain Management. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM).

Description

Title: A comparative case study on Data Mining and Process Mining applied to Supply Chain Management
Author/s:
  • Yazıcıoğlu, Emre
Contributor/s:
  • Alonso Calvo, Raúl
Item Type: Thesis (Master thesis)
Masters title: Software y Sistemas
Date: January 2020
Subjects:
Freetext Keywords: Extracción de Datos; Extracción de Procesos; Gestión de la Cadena de Suministro; Control de Inventario; Análisis de Procesos impulsados por Datos de EventLog; IBM SPSS Modeler; Celonis Process Mining; Data Mining; Process Mining; Supply Chain Management; Inventory Control; Event-Log Data driven Process Analysis; IBM SPSS Modeler
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Lenguajes y Sistemas Informáticos e Ingeniería del Software
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (10MB) | Preview

Abstract

El aumento del uso de los avances de IT y la creciente sobrecarga de datos en las redes de la cadena de suministro brindan la oportunidad de poder analizar la información comercial para tomar decisiones comerciales inteligentes en la Gestión de la Cadena de Suministro (SCM, por sus siglas en inglés). Dado que la amplia variabilidad de los plazos de entrega hace que se reduzca la confianza de los clientes, las empresas proveedoras otorgan gran importancia a extraer información oculta en el registro de eventos de la cadena de suministro mediante la adopción de enfoques basados en datos. Con este fin, las técnicas de Data Mining (DM) permiten encontrar información y relaciones ocultas en los datos de la cadena de suministro. Como DM es un enfoque clave para el análisis empresarial, el uso de DM en las cadenas de suministro está creciendo rápidamente y cubre casi todos los aspectos de SCM. Además de esto, las técnicas de Process Mining (PM) permiten monitorear procesos y realizar análisis prácticos de operaciones mediante la visualización de datos de registro de eventos. PM proporciona mejoras de procesos para SCM al visualizar casos y descubrir procesos notables. En este contexto, DM es un método para convertir datos de riesgo en información de riesgo, y PM es una técnica para visualizar riesgo en función de indicadores clave de rendimiento. El objetivo de esta investigación es introducir los conceptos de DM y PM en la literatura de Gestión de Riesgos de la Cadena de Suministro (SCRM, por sus siglas en inglés). Además, se realizó un estudio de caso comparativo basado en los datos de registro de eventos del almacén de una empresa proveedora. Para evitar embotellamientos o escasez de inventario, se ha requerido un análisis del proceso de almacén para los planes de gestión de inventario, como: stock de seguridad y cálculo del punto de pedido, o un diseño efectivo del almacén, etc. Con este fin, la herramienta SPSS Modeler DM y la herramienta Celonis PM se implementaron para SCM mediante análisis de riesgo de almacén, como la identificación de productos riesgosos que causan demoras, la identificación de productos de alto valor mediante el método RFM (antigüedad, frecuencia, coste), analizando las reglas de asociación de productos y especificando los plazos de entrega promedio y las ventas diarias de cada producto. En este contexto, las comparaciones de registro de eventos DM y PM aplicadas a SCM se evalúan como una conclusión.---ABSTRACT---Increased usage of IT developments and the growing data overload in supply chain networks provide the opportunity to be able to analyze the business information in order to make intelligent business decisions in Supply Chain Management (SCM). Since the wide variability of lead times cause to reduce customers’ trust, supplier companies attach great importance to extract hidden information in supply chain event log, by adopting data-driven approaches. To this end, Data Mining (DM) techniques enable to find hidden information and relationships in supply chain data. As DM is a key approach for business analytics, the use of DM in supply chains is rapidly growing, and covers almost all aspects of SCM. In addition to this, Process Mining (PM) techniques enable to monitor processes and make practical operation analysis by event-log data visualization. PM provides process improvement for SCM by visualizing cases and uncovering remarkable processes. In this context, DM is a method to convert risk data to risk information, and PM is a technique to visualize risks based on key performance indicators. The aim of this research is to introduce the DM and PM concepts in Supply Chain Risk Management (SCRM) literature. Moreover, a comparative case study was conducted based on a supplier company’s warehouse event-log data. In order to avoid bottlenecks or inventory shortage, warehouse process analysis has been required for inventory management plans such as; safety stock and reorder point calculation, or an effective lay out designing, etc. To this end, SPSS Modeler DM tool and Celonis PM tool were implemented for SCM by warehouse risk analysis such as identifying risky products which cause delays, identifying high-value products by RFM (recency, frequency, monetary) method, analyzing of product association rules and specifying average lead times and daily sales for each product. In this context, comparisons of event log DM and PM applied to SCM are evaluated as a conclusion.

More information

Item ID: 57943
DC Identifier: http://oa.upm.es/57943/
OAI Identifier: oai:oa.upm.es:57943
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 11 Feb 2020 14:24
Last Modified: 11 Feb 2020 14:24
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM