دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 4 13 2025 01 24 Analysis and Improvement of Business Processes through Process Mining Techniques تحلیل و بهبود فرایندهای کسب‌وکار از طریق تکنیک‌های فرایندکاوی 13 31 10.22051/jera.2021.31891.2698 FA مبین دانشکده مهندسی برق و کامپیوتر، دانشگاه محقق اردبیلی، اردبیل، ایران اکبر دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد گرمی، اردبیل، ایران 2025 01 08 Analyzing and improving business processes through process mining techniques has become one of the most important management tools in the digital age. These techniques help to identify the problems and inefficiencies in the processes by analyzing the data recorded in the information systems. By using methods such as process discovery, compliance review and process improvement, organizations are able to optimize their processes and improve overall performance based on data. This approach helps process management to make better decisions and make significant improvements in the efficiency and quality of their services. The purpose of this research is to analyze and improve business processes through process mining techniques. In this research, CRISP methodology has been used as the main data mining framework to analyze the data in the enterprise resource planning system. CRISP methodology is a standard model in data mining that includes six main steps: business understanding, data understanding, data preparation, modeling, evaluation and deployment, and by modeling similar projects, business goals are modified based on past experiences. This process may require the collection of new data or the modification of existing data. The result of these steps is a list of data mining projects with specific information and timelines. The results of this research show that process mining techniques, including process discovery, compliance review and process improvement, help business managers to improve the performance of organizations using real data. optimize These techniques have the ability to identify inefficiencies and deviations and can lead to reducing costs, increasing speed, improving service quality and customer experience. Crisp methodology with its six steps helps in data analysis and decision-making, and its implementation projects show the importance of these techniques in improving processes and increasing the productivity of organizations. تکنیک‌های فرآیندکاوی با تحلیل داده‌های سیستم‌های اطلاعاتی به شناسایی و بهبود مشکلات فرآیندهای کسب‌وکار کمک می‌کنند. این روش‌ها شامل کشف، تطابق و بهبود فرآیندها هستند که سازمان‌ها را در بهینه‌سازی مبتنی بر داده و ارتقای عملکرد یاری می‌دهند و موجب تصمیم‌گیری بهتر و افزایش کارایی و کیفیت خدمات می‌شوند. هدف از انجام این تحقیق تحلیل و بهبود فرایندهای کسب‌وکار از طریق تکنیک‌های فرایندکاوی می باشد. در این تحقیق از متدولوژی کریسپ به عنوان چارچوب اصلی داده‌کاوی برای تحلیل داده‌های موجود در سیستم برنامه‌ریزی منابع سازمانی استفاده شده است. متدولوژی کریسپ، یک مدل استاندارد در داده‌کاوی است که شامل شش مرحله اصلی می‌باشد: درک کسب‌وکار، درک داده، آماده‌سازی داده، مدلسازی، ارزیابی و استقرار و با الگوبرداری از پروژه‌های مشابه، اهداف کسب‌وکار بر اساس تجربیات گذشته اصلاح می‌شود. این فرایند ممکن است نیاز به جمع‌آوری داده‌های جدید یا تغییر داده‌های موجود داشته باشد. نتیجه این مراحل، لیستی از پروژه‌های داده‌کاوی با اطلاعات و زمان‌بندی مشخص است.نتایج این تحقیق نشان می دهد تکنیک‌های فرآیندکاوی، شامل کشف فرآیندها، بررسی تطابق و بهبود فرآیند، به مدیران کسب و کارها کمک می‌کند تا عملکرد سازمان‌ها را با استفاده از داده‌های واقعی بهینه‌سازی کنند. این تکنیک‌ها توانایی شناسایی ناکارآمدی‌ها و انحرافات را دارند و می‌توانند به کاهش هزینه‌ها، افزایش سرعت، بهبود کیفیت خدمات و تجربه مشتری منجر شوند. متدولوژی کریسپ با مراحل شش‌گانه‌اش در تحلیل داده‌ها و تصمیم‌گیری کمک می‌کند و پروژه‌های پیاده‌سازی آن نشان‌دهنده اهمیت این تکنیک‌ها در بهبود فرآیندها و افزایش بهره‌وری سازمان‌هاست. /downloadfilepdf/1821788