Usprawnianie procesów słabo ustrukturalizowanych w podejściu Six

USPRAWNIANIE PROCESÓW SŁABO USTRUKTURALIZOWANYCH
W PODEJĝCIU SIX SIGMA Z WYKORZYSTANIEM NARZĉDZI
BUSINESS PROCESS INTELLIGENCE
KRZYSZTOF KANIA
Katedra Inynierii Wiedzy,
Akademia Ekonomiczna w Katowicach
Streszczenie
Usprawnienie działania organizacji nastĊpuje przez usprawnianie procesów w
niej zachodzących. Podejmowanych jest wiele inicjatyw zmierzających do podniesienia sprawnoĞci i jakoĞci procesów. Jednym z najczĊĞciej stosowanych obecnie jest
podejĞcie Six Sigma.. PodejĞcie to obecnie wdraĪane jest w wielu przedsiĊbiorstwa
przemysłowych, usługowych oraz w organizacjach słuĪby zdrowia i edukacji.
W wiĊkszoĞci przypadków podejĞcie to stosowane jest jednak do usprawniania
procesów dobrze ustrukturalizowanych. W artykule przedstawiono problemy zastosowania podejĞcia Six Sigma do usprawniania procesów nieustrukturalizowanych,
obszary wspomagania narzĊdziami informatycznymi rozszerzenia takiego podejĞcia
Six Sigma ze szczególnym uwzglĊdnieniem narzĊdzi klasy Business Process Intelligence.
Słowa kluczowe: komputerowa analiza procesów biznesowych, usprawnianie procesów, Six Sigma.
ILL-STRUCTURED PROCESS IMPROVEMENT IN SIX SIGMA APPROACH USING
BUSINESS PROCESS INTELLIGENT TOOLS
Summary
Six sigma methodology was designed as a a step-by-step approach to process
improvement. But in most cases it is (successfully) used to improve well-structured
process. In a brand new approach organizations try to adapt Six Sigma to improve
ill-structured processes like decision or planning processes too. The article presents
Business Process Intelligent tools that could be used in this kind of the Six Sigma
approach.
Keywords: Six Sigma, process management, ill-structured process improvement.
1. PodejĞcie Six Sigma
Okrelenie Six Sigma (6σ) przyjto na opisanie zbioru działa
zmierzajcych do osignicia wysokiego poziomu jakoci dostarczanych produktów i usług dziki wyeliminowaniu odchyle
od wzorcowego wykonania procesu wytwórczego lub usługowego. 6σ opisuje si jako podejcie
umoliwiajce organizacjom zwikszenie zysku poprzez reorganizacj działa
, poprawienie jakoci oraz usuwanie defektów we wszystkim co jest wykonywane w organizacji. Podejcie to wyna-
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr 7, 2006
5
leziono i rozwinito w firmie Motorola na pocztku lat 80-tych, a stało si szerzej znane od roku
1995 kiedy to zostało zastosowane z powodzeniem w firmie General Electric. Podstaw 6σ jest
załoenie, e aby zadowoli klienta, podnie jako i jednoczenie usun zbdne czynnoci
(Lean Six Sigma), trzeba mierzy, zrozumie i na tej podstawie usprawnia procesy w organizacji.
Doskonalenie procesów dokonuje si przede wszystkim poprzez identyfikacj pierwotnych przyczyn problemów (root causes) i eliminacj odchyle
od wzorcowych przebiegów procesów a do
osignicia progu pojawiania si zaledwie 3,4 usterek na milion moliwoci ich wystpienia.
Doskonalenie istniejcych i budowa nowych procesów odbywa si w iteracyjnym 5fazowych cigach okrelanych skrótem DMAIC (Define Æ Measure Æ Analyze Æ Improve Æ
Control) i odpowiednio DMADV (Define Æ Measure Æ Analyze Æ Design Æ Verify). Główne
etapy obu ła
cuchów zestawiono w tabeli 1.
Tabela 1 Podstawowe działania w ramach DMAIC i DMADV
Usprawnienie procesu
D
M
A
I
C
Definiowanie problemów i celów usprawnienia, ustalenie priorytetów, wybór projektów do realizacji
Ustalenie miar i pomiar kluczowych parametrów procesu, zrozumienie podstawowych charakterystyk procesu
Analiza danych w celu ustalenia przyczyn
rónic midzy aktualnym stanem a załoonymi celami i najwaniejszych zalenoci
Wypracowanie nowych idei i pomysłów
usprawnie
i poprawienie wzorców procesu
Ustalenie standardowych sposobów pomiaru procesu, nadzór nad procesem i
utrzymanie osignitego poziomu, jeli
nadal s problemy powrót do punktu 1.
Nowy proces
D
M
A
D
Definiowanie celów nowego procesu,
uzasadnienie potrzeby jego wprowadzenia
Zdefiniowanie miar procesu odpowiadajcych kluczowym wymaganiom uytkownika
Analiza załoenia, ocena wzorca, wykorzystanie najlepszych praktyk, optymalizacja wzorca
Projekt nowego procesu, symulacje,
budowa prototypu
Weryfikacja wzorca procesu
V
ródło: (Pyzdek 2003 s. 238, 241)
Six Sigma jest zatem systematycznym podejciem do usprawniania procesów biznesowych
(Six Sigma Process Improvement – SSPI) poprzez analiz i eliminacj przyczyn (czasami głboko
ukrytych) odchyle
od wzorców procesów, które prowadz do złego ich wykonania i niezadowolenia klientów. Jako kluczowe elementy podejcia mona wskaza:
• podejcie procesowe i stałe skupianie uwagi na wymaganiach klientów procesów,
• mierzenie i analiz statystyczn procesów w celu zmierzenia odchyle
realizacji procesów od
przyjtych wzorców,
• koncentracj na zrozumieniu relacji pomidzy wejciem i przetwarzaniem a wyjciem, w taki
sposób aby dobra wartoci najwaniejszych zmiennych i zawsze dostarcza klientowi jak
najlepszy produkt lub usług,
• identyfikacj monitorowanie i eliminacj najgłbszych przyczyn wystpowania defektów,
• nacisk na redukcj odchyle
od przyjtych wzorców w celu zmniejszenia liczby defektów,
6
Krzysztof Kania
Usprawnianie procesów słabo ustrukturalizowanych w podejĞciu Six Sigma
z wykorzystaniem narzĊdzi Business Process Intelligence
zarzdzanie pro-aktywne skupiajce si na zapobieganiu powstawania sytuacji problemowych, cigłym usprawnianiu i deniu do perfekcji mierzonej liczb popełnianych błdów,
• ustalanie bardzo ambitnych celów i współdziałanie w skali całej organizacji.
Six Sigma jest komplementarna z innymi podejciami takimi jak Total Quality Management, zarzdzanie projektem czy usprawnianie procesów biznesowych (Business Process Improvement). Ponadto działania w ramach podejcia SS w całoci mona uzna za działania oparte
na wiedzy i intensywnie wykorzystujce wiedz. Szczególn rol odgrywa w nim wiedza bezporednich uczestników (wykonawców) procesów. Zakłada si, e to włanie oni s głównym ródłem wiedzy o procesach w których uczestnicz i jednoczenie głównym ródłem usprawnie
.
Std cisłe zwizki midzy 6σ z zarzdzaniem wiedz.
Podejcie Six Sigma mona postrzega trojako (Hill 2005). Ze strategicznego punktu widzenia Six Sigma jest programem, który wymusza na organizacji zdefiniowanie strategicznych
priorytetów i uruchomienie projektów usprawniania procesów, które s zbiene z tymi priorytetami. Z tego punktu widzenia Six Sigma jest narzdziem implementacji strategii organizacji. Z taktycznego punktu widzenia Six Sigma polega na włczeniu wytrenowanych liderów projektów,
którzy realizuj wskazania podejcia zmierzajce do usprawnienia kluczowych procesów. Z technicznego punktu widzenia Six Sigma polega na osigniciu jakoci wykonywania procesów na
poziomie 6σ. Poniewa jest to poziom bardzo trudny do osignicia wikszo realizacji Six Sigma skupia si na celach strategicznych i taktycznych uznajc za sukces osignicie poziomu 4σ
lub 5σ sigma. Ju dowiadczenia z roku 2000 (Mikel 2000) wskazywały, e firmy które rygorystycznie zastosowały podejcie 6σ notowały bardzo znaczce efekty (wzrost rentownoci, wzrost
mocy wytwórczych, spadek zatrudnienia, spadek zaangaowanego kapitału) w krótkim czasie,
mimo nie osignicia poziomu 6σ.
Nie wdajc si w szczegółow prezentacj podstaw statystycznych podejcia (patrz np.
(Pyzdek 2003), (Pande 2003)) wskaemy tylko, e odpowiedni poziom sigma przekłada si bezporednio na ilo błdnych przebiegów procesów (tabela 2).
•
Tabela 2. Kolejne poziomy sigma
Poziom σ
1σ
2σ
3σ
4σ
5σ
6σ
Defektów na 1 mln
przebiegów procesu
690 000,0
308 000,0
66 800,0
6 210,0
230,0
3,4
% defektów
69,0000%
30,8000%
6,6800%
0,6210%
0,0230%
0,0003%
ródło: (Pande 2003 s.28)
O ile podejcie oparte o statystyczn analiz procesów w stosunku do procesów technologicznych czy fizyko-chemicznych było ju wczeniej stosowane (statystyczna kontrola procesów)
a w ramach 6σ nastpiło jego dalsze rozwinicie, o tyle nowym pomysłem jest rozszerzenie działa
usprawniajcych na cał organizacj oraz zastosowanie tych metod do procesów usługowych,
administracyjnych (i ogólnie biznesowych) oraz procesów wytwarzania oprogramowania (zob. np.
(VanHilst 2005)).
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr 7, 2006
7
Jednak warunkiem takiego zastosowania podejcia jest rozszerzenie stosowalnoci Six
Sigma równie na procesy nieustrukturalizowane. Nie jest to łatwe poniewa procesy dobrze i
słabo ustrukturalizowane bardzo róni si od siebie nie tylko z punktu widzenia 6σ. W tabeli 3
zestawiono te ich cechy, które maj najwikszy wpływ na ich usprawnianie w ramach Six Sigma.
Tabela 3 Porównanie procesów w Ğwietle podejĞcia Six Sigma
Procesy dobrze ustrukturalizowane
Procesy słabo ustrukturalizowane
Charakterystyka procesu
Wzorce znane
Wzorce nieznane
Zmiany we wzorcu rzadkie
Zmiany we wzorcu czste
Efekty pracy materialne, widoczne
Efekty pracy niematerialne, niewidoczne
Łatwo mierzalne
Trudno mierzalne
Ocena za pomoc zmiennych numerycznych Ocena jakociowa, opisowa
cisłe kryteria jakociowe
Ocena jakoci subiektywna
Liczba wystpie
dua
Liczba wystpie
mała
Stosowane narzĊdzia
Obliczanie odchyle
Porównywanie
Projektowanie i usprawnianie wzorca
Odkrywanie i konstrukcja wzorca ad hoc
Działania dokładne
Działania w oparciu o podobie
stwo
Statystyczne kontrola procesów
OLAP i algorytmy Data Mining
ħródła danych
ródła jednolite, stałe, standardowe
ródła zrónicowane, zmienne
Relacyjne bazy danych, strumieniowe bazy Odczyty plików logowania, bazy danych,
danych
hurtownie, pliki systemów workflow, dokumenty tekstowe, ...
Rozszerzenie Six Sigma na procesy słabo ustrukturalizowane jest moliwe – jak si wydaje
– dziki zastosowaniu w szerszym zakresie nowoczesnych narzdzi informatycznych. Tych mog
dostarczy systemy klasy Business Process Intelligence (BPI).
2. NarzĊdzia informatyczne w Six Sigma
Narzdziami informatycznymi mona wspiera niemal wszystkie działania podejmowane w
obrbie podejcia 6σ (por. rysunek 1). W szczególnoci technologie informatyczne mog wspomóc six Sigma poprzez:
1. szybkie i wielouywalne opisywanie i mapowanie procesów,
2. gromadzenie danych o procesach w taki sposób aby moliwe było ich włczenie i wykorzystanie w statystycznych narzdziach wspierajcych Six Sigma,
3. obliczanie odpowiednich statystyk,
4. raportowanie i analiz (równie nieklasyczn) danych o procesach biznesowych,
5. odkrywanie wiedzy o procesach biznesowych,
6. wizualizacj procesów,
7. zarzdzanie najlepszymi praktykami, wymiana (eksternalizacja) wiedzy (portale organizacyjne),
8
Krzysztof Kania
Usprawnianie procesów słabo ustrukturalizowanych w podejĞciu Six Sigma
z wykorzystaniem narzĊdzi Business Process Intelligence
8.
zarzdzanie samym projektem Six Sigma, jego zasobami ludzkimi, szkoleniami wewntrz
firmy (e-learning) itp.
Monitorowanie
procesów
Opis i mapowanie
procesów
Ontologia
procesów
Kontrola
ETL
Wzorce procesów
Hurtownia
danych
o procesach
6σ
σ
Realizacja
projektów 6σ
Odkrywanie
wiedzy o procesach
Wizualizacja
procesów
Obszar Business
Process Intelligence
Analiza
procesów
Szkolenia
Zmiany
w kulturze organizacji
Najlepsze
praktyki
Rys. 1: Wykorzystanie narzdzi BPI w podejciu Six Sigma
Szczegółowe zestawienie narzdzi informatycznych stosowanych w cyklach DMAIC i
DMADV zawarto w tabeli 4.
Tabela 4 Wykorzystanie narzĊdzi informatycznych w cyklach DMAIC i DMADV
Krok w
ła
cuchu
Six Sigma
D
M
A
I
C
D
M
A
D
V
Narzdzia informatyczne
ProcesoJzyki
Mapy
wy OLAP Monitory
opisu
procesów
procesów procesów
+
Symulacje
Wizualizacja
Analiza
procesów
Decydujc rol w obu ła
cuchach odgrywa analiza procesów. Jej zakres jest z kolei uzaleniony od sposobu przechowywania danych o procesach.
3. Hurtownie danych o procesach i analiza danych o procesach
Klasyczny model hurtowni danych (HD) opiera si na podejciu reistycznym, przyjmujcym i istniej „rzeczy”, tzn. obiekty, które posiadaj ustalone właciwoci o okrelonych lecz
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr 7, 2006
9
zmiennych wartociach, a przedmiotem zainteresowania analityka i decydenta s zmiany ich wartoci w rozpatrywanej przestrzeni. W klasycznych HD zapisywane s wyłcznie fakty, nie s natomiast zapisywane relacje pomidzy nimi ani procesy, w ramach których te fakty zaistniały. Dlatego takie HD, cho mog wspomaga usprawnianie procesów, bd to robi w ograniczonym
zakresie. Lepsz podstaw do analizy daj hurtownie danych o procesach (HDP) (Casati 2001).
Rónice wynikaj ze znacznie rozszerzonego zakresu gromadzonych danych, zdefiniowania wymiarów i miar opisujcych procesy (a jeden fakt moe by elementem kilku procesów) a skutkuj
moliwoci zadawania pyta
zarówno w kontekcie faktów jak i zwizków (przyczynowych,
temporalnych) midzy nimi. Z kolei w hurtowniach czasu rzeczywistego moliwe jest ledzenie
przebiegu procesów aktywnych oparte na biecej informacji o stanie procesu. Monitorowanie jest
realizowane w przestrzeni wielowymiarowej. W oparciu o zbiór predefiniowanych wymiarów
mona tworzy raporty na temat iloci uruchomionych procesów, powiza
z wzłami i usługami,
aktualnego czasu trwania lub kosztu procesu, grupy aktywnych procesów oraz działa
i zachowa
uczestników procesu itp. Monitorowanie moe polega nie tylko na udzielaniu odpowiedzi na
zapytania uytkownika. Hurtownia procesów powinna posiada moliwo automatycznego sygnalizowania przekroczenia dopuszczalnych wartoci zadanych parametrów w postaci zbioru
alarmów.
Realizacja zada
analitycznych Six Sigma dla procesów ustrukturalizo-wanych jest
wzgldnie prosta i moe by realizowana w duej czci przez narzdzia pracujce nawet w rodowisku arkusza kalkulacyjnego (dostpnych jest te bardzo wiele takich narzdzi zob. np.
www.sigmaxl.com). Natomiast gdy mamy do czynienia z procesami drugiego rodzaju narzdzia te
okazuj si niewystarczajce. Musimy wtedy sign po narzdzia z grupy okrelanej jako Process
Data Mining. Umoliwiaj one pozyskanie głbszej wiedzy o dziedzinie, lecz wymagaj lepszego
przygotowania danych oraz uycia bardziej zaawansowanych narzdzi analizy. Wiele z problemów analizy procesów nieustrukturalizowanych mieci si w kategoriach analizy sekwencji zdarze
i szeregów czasowych a poza znanymi i stosowanymi narzdziami statystycznymi stosowane
s równie m.in. (zob. np. (Adamo 2000)):
• wyszukiwanie wzorców oraz czstych i rzadkich sekwencji zdarze
,
• okrelanie podobie
stwa sekwencji zdarze
,
• znajdowanie reguł asocjacji w sekwencjach zdarze
,
• grupowanie wzorców sekwencji zdarze
i szeregów czasowych,
• rachunek sytuacyjny,
• metody Case-Base-Reasoning dla sekwencji zdarze
i wzorców procesów.
Istnieje wiele powodów, dla których gromadzi si i analizuje informacj o procesach. Wydaje si e mona je zakwalifikowa do jednej z nastpujcych kategorii:
1. Usprawnianie istniejcych i projektowanie nowych wzorców procesów. Tak włanie główny
cel analizy procesów ujmuje (Zapf 2001). Postrzega on główne zadanie analizy procesów jako
moliwo projektowania nowych wzorców procesów – głównie procesów ad hoc - w oparciu
o wiedz o procesach z przeszłoci ujt w zbiór wzorców. Taka (zwykle jakociowa) analiza
procesów wymaga aktywnego współudziału uytkownika w okreleniu miar oceny procesu i
zdefiniowaniu poj niezbdnych do opisania procesu takich jak: zachowanie, wzorce zachowa
, taksonomia, podproces, czynnoci czy hierarchia działa
.
2. Kontrola i sterowanie procesami w czasie rzeczywistym oraz zapewnienie transakcyjnoci
procesów (w przypadku niepowodzenia procesu moliwo przywrócenia stanu sprzed rozpo-
10
Krzysztof Kania
Usprawnianie procesów słabo ustrukturalizowanych w podejĞciu Six Sigma
z wykorzystaniem narzĊdzi Business Process Intelligence
czcia procesu). Jest to głównym celem proponowanej w (List 2000) tzw. fabryki informacji
opartej o monitory procesów oraz HDP (zob. te Billewicz 2004).
3. Odkrycie sposobów realizacji procesów. S to działania w ramach Process Data Mining lub
Workflow Mining a ich celem jest zrozumienie co tak naprawd dzieje si w ramach procesu,
którego struktury nie znamy (Madeiros 2003).
4. Odkrycie przyczyn wystpowania okrelonych zjawisk podczas realizacji procesów W takiej
analizie procesów procesy traktuje si identycznie jak obiekty (poszczególne stany procesów
oraz procesy traktujemy jako fakty, natomiast definicje procesów, zasoby, czas, uczestnicy
procesów tworz wymiary), a do ich analizy uywa tych samych metod, które s wykorzystywane w analizie obiektów (klasyfikacja, grupowanie itd.). Analiza moe przebiega w
wymiarach: procesów i grup procesów, usług i grup usług, wzłów roboczych, jednostek danych, zasobów, czasu i działa
(Casati 2002).
Analiza danych o procesach jest centralnym działaniem Six Sigma, a jej wyniki maj
wpływ na realizacj pozostałych działa
. W tabeli 5 przedstawiono zwizki pomidzy przedstawionymi grupami analiz a działaniami w ła
cuchach DMAIC i DMADV.
Tabela 5 Zastosowanie grup analiz w Six Sigma
Grupa
analiz
1
2
3
4
D
M
A
X
X
X
X
I
CYKL
C
D
M
A
X
X
X
X
D
V
4. XML jako podstawa integracji technologicznej Six Sigma i BPI
Efektywne wspomaganie działa
w ła
cuchu wymaga – co oczywiste – wykorzystywania
efektów realizacji poprzednich etapów. Tymczasem jednym z najwikszych (i najkosztowniejszych) problemów wykorzystania narzdzi klasy Business Intelligence jest integracja (narzdzia
ETL) oraz przekazywanie danych. Rozwizanie tych problemów jest moliwe dziki szerszemu
zastosowaniu (meta)jzyka XML. Okazuje si, e ju istniejce i proponowane jzyki i narzdzia
oparte o XML umoliwiaj zapis potrzebnych danych i zdefiniowanie zada
wykonywanych w
ramach Six Sigma (rysunek 2). Cz z wymienionych jzyków jest wspierana przez wielkie organizacje takie jak W3C czy Workflow Coalition Managment, inne s w fazie rozwoju i s proponowane przez niezalene grupy badawcze.
POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ
Seria: Studia i Materiały, nr 7, 2006
Mapy
procesów
RBD
XMLBD
XPDL
BPML
XQL
XMLQL
Xquery
Define
Measure
Hurtownie
danych
XML
XMML
DMQL
Analyze
11
Wizualizacja
PMML
XUL
XSLT
Improve
Control
XPDL – XML Processing Description Language (WfMC)
BPML – Business Process Modeling Language (Business Process Management Initiative)
XQL – XML data Query Language (W3C)
XML-QL – Query Language for XML (W3C)
XMML – eXploration and Mining Markup Language (rekomendacja W3C)
DMQL – Data Mining Query Language (Database Group – Sydney Univ. (Feng 2005))
PMML – Predictive Model Markup Language (Data Mining Group – www.dmg.org)
XUL – XML User Interface Language (www.mozilla.org)
XSLT – Extensible Stylesheet Language Transformation (W3C)
Xquery – XML Query Language (W3C)
Rysunek. 2: Wykorzystanie jzyków pochodnych XML w cyklu DMAIC
Efektywno wykorzystania XML byłaby najwiksza w przypadku wykorzystania natywnych repozytoriów danych XML – XMLowych baz i hurtowni danych. Narzdzia te nie s na razie
w powszechnym uyciu jednak tradycyjne model – relacyjny i wielowymiarowy mog równie
by wykorzystywane.
5. ZakoĔczenie
O potrzebie i moliwociach wspierania podejcia Six Sigma zaawansowanymi narzdziami informatycznymi wiadczy moe fakt, e due korporacje zajmujce si wytwarzaniem oprogramowania dla potrzeb biznesu (SAP, SAS, Microsoft) oferuj zestawy narzdzi oraz całe rodowiska wspomagajce wprowadzanie Six Sigma w organizacji. Ich integracja z narzdziami
klasy Business Process Intelligence – jak si wydaje – jest moliwoci dalszego rozwoju tego
podejcia.
Bibliografia
1.
2.
3.
Adamo J-M. (2001) Data Mining for Association Rules and Sequential Patterns, SpringerVerlag, New York, 2001.
Akingbehin K. (2005) Taguchi-Based Metrics for Software Quality, Proc. 4th Intl. Conference
on Computer and Information Science (ICIS’05), IEEE, 2005.
Billewicz A., Gołuchowski J., Kania K. (2005) Model hurtowni danych o procesach przetwarzania dokumentów w ING BSK, w: Bazy danych; modele, technologie narzdzia. Analiza
danych i wybrane zastosowania, WKŁ, Warszawa, 2005.
12
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
Krzysztof Kania
Usprawnianie procesów słabo ustrukturalizowanych w podejĞciu Six Sigma
z wykorzystaniem narzĊdzi Business Process Intelligence
Casati F., Umesh D., Ming-Chien S., Bonifati A. (2001) Warehousing Workflow Data: Challenges and Opportunities. Proc. of the 27th VLDB Conference, Roma, 2001.
Casati F., Umesh D., Ming-Chien S., Bonifati A. (2001): Warehousing Workflow Data: Challenges and Opportunities. Proc. of the 27th VLDB Conference, Roma, 2001.
Feng, L., Dillon, T. (2005) An XML-enabled data mining query language: XML-DMQL, Intl.
Journal of Business Intelligence and Data Mining, Vol. 1, No. 1, 2005, pp.22–41.
List B., Schiefer J., Bruckner R. (2001) Measuring Knowledge with Workflow Management
Systems, 2nd Intl. Workshop on Theory and Application of Knowledge Management, 2001.
Medeiros A., van der Aalst W., Weijters A. (2003): Workflow mining: current status and
future directions, ODBASE 2003, LNCS 2888, Springer-Verlag, Berlin, 2003.
Mikel H., Schroeder R. (2000) Six Sigma: The Breakthrough Management Strategy Revolutionizing the World’s Top Corporations, Doubleday, 2000.
Pande P., Neuman R., Cavanagh R. (2003) Six Sigma sposób poprawy wyników nie tylko dla
firm takich jak GE czy Motorola, wyd. LIBER, Warszawa, 2003.
Pyzdek T. (2003) The Six Sigma Handbook, McGraw-Hill, New York 2003.
VanHilst M., Garg P., Lo C. (2005) Repository Mining and Six Sigma for Process Improvement, ACM SIGSOFT Software Engineering Notes, Proceedings of the 2005 intl. workshop
on Mining software repositories MSR '05, Volume 30, Issue 4.
Zapf M. (2003): Pattern driven Process Design, working paper, 7/2003.
KRZYSZTOF KANIA
Katedra: Informatyki
Wydział: Zarzdzania
Uczelnia: Akademia Ekonomiczna w Katowicach
Ulica: 1 Maja 50
40-227, Katowice
Tel.: 0322577294
e-mail: [email protected]