Riassunto analitico
Con la gestione dei processi aziendali sempre più complessa a causa della dinamicità e variabilità dei contesti operativi, diventa fondamentale adottare approcci innovativi capaci di cogliere la realtà effettiva dei processi, e migliorarli con le tecnologie più recenti a disposizione. Il Business Process Management (BPM) rappresenta un approccio finalizzato all'ottimizzazione continua dei processi aziendali attraverso strumenti di analisi, modellazione e governance. E in quest’ottica, il Process Mining emerge come uno strumento capace di ricostruire i flussi di attività a partire dai dati storici contenuti nei log degli eventi, supportando così la trasformazione digitale delle organizzazioni, passando da una visione statica o di alto livello dei processi, ad un approccio dinamico e data-driven.
Nella prima parte dell'elaborato è condotta una ricerca bibliografica sul BPM e sul Process Mining, con attenzione anche all’integrazione del Machine Learning nelle fasi di Data Processing e nel Process Discovery. Inoltre, vengono esaminate le tecnologie più innovative di queste discipline, come l’Augmented BPM, l’Explainable AI, i Digital Twin e l'Object-Centric Process Mining. Viene perciò approfondito il ruolo dell’Intelligenza Artificiale, che integrata al Process Mining, fornisce una leva utile ad affrontare la crescente complessità dei contesti operativi reali, aumentando la capacità di reazione ai cambiamenti e generando vantaggi concreti in termini di produttività e trasparenza aziendale.
La seconda parte del lavoro invece si concentra sull’analisi di un event log proveniente da un processo produttivo del settore metalmeccanico, condotto tramite l’applicativo Apromore, con l’obiettivo di individuare inefficienze, anomalie e opportunità di ottimizzazione. Il contributo originale di questo elaborato consiste nell’applicazione del Process Mining su dati reali, interpretando i risultati e formulando proposte in ottica operativa, grazie anche al supporto dell’Intelligenza Artificiale.
|
