Data-Driven Decision Support for Sustainable Engineering Change Management Using Prescriptive Process Mining

doi:10.3390/su18178869

Data-Driven Decision Support for Sustainable Engineering Change Management Using Prescriptive Process Mining

2026-08-31

0

OA

AI

DOI：10.3390/su18178869

原文链接

原文求助

摘要

En 中文

制造业企业的数字化转型需要通过数据驱动的决策支持和流程优化实现更高效的工程变更管理。尽管流程挖掘近年来取得了显著进展，但大多数现有研究侧重于描述性或预测性流程分析，而与可持续性考量相结合的规范性优化仍探索不足。本研究旨在基于流程挖掘方法和环境、社会及治理（ESG）考量，开发并评估一种工程变更管理的规范性优化模型。所提模型结合了基于规则的案例路由、资源配置和风险导向警报，并使用一家制造与工程公司的真实事件日志进行评估。方法论框架整合了使用归纳挖掘算法的流程发现、一致性检查、性能与瓶颈分析、确定性规则驱动的案例分类、资源配置以及规范性分析。该模型通过在测试数据集上进行回顾性验证，并采用参数和非参数统计方法进行评估。回顾性分析估计平均活跃案例处理时间减少了36.8%，从6.31小时降至3.98小时，同时保持了模拟的满意度水平（p < 0.001）。这些结果是基于模型的估计，而非前瞻性实施后观察到的效应。所提方法通过结合规范性分析与可持续导向的流程治理，扩展了现有流程挖掘应用。它为集成到产品生命周期管理、企业资源规划和工程变更管理系统中的决策支持模块提供了基础，具有提高运营效率和支持可持续制造实践的潜力。

Keyword:

process mining

engineering change management

ESG

prescriptive analytics

business process optimization

decision support systems

sustainable manufacturing

Data-Driven Decision Support for Sustainable Engineering Change Management Using Prescriptive Process Mining

摘要

期刊

机构

引用论文