Intelligent Process Mining

Nederlandse mkb-maakbedrijven die werken in een high variety low volume (HVLV)-omgeving produceren vooral maatwerk in kleine series. Dat maakt resourceplanning complex. Hoewel bedrijven vaak beschikken over functieprofielen, skill-matrixen en capaciteitsgegevens, wijkt de dagelijkse praktijk daar regelmatig van af. Door wisselende orders, spoedopdrachten, verstoringen en capaciteitskrapte verschuiven taken voortdurend tussen medewerkers en teams. Daardoor is het lastig om goed zicht te houden op de feitelijke werkverdeling en op knelpunten in de inzet van mensen en middelen.
In veel bedrijven betekent dit dat planningsbeslissingen nog sterk leunen op ervaring, informele afstemming en impliciete kennis. Eerder onderzoek liet al zien dat capaciteit een cruciale, maar moeilijk te modelleren factor is, juist omdat de feitelijke inzet van medewerkers zo dynamisch is.
Dit project onderzoekt of organizational model mining met de OrdinoR-technologie hierbij kan helpen. Deze AI-gedreven aanpak gebruikt data uit systemen zoals ERP en MES om niet alleen processen, maar ook de feitelijke samenwerking en taakverdeling zichtbaar te maken. Zo kan inzicht ontstaan in wie welk werk uitvoert, hoe taken tussen mensen en teams verschuiven en welke resourceclusters in de praktijk ontstaan.
Tegelijk is nog onvoldoende bekend of deze technologie ook goed werkt in HVLV-mkb-maakbedrijven, waar processen vaak minder stabiel zijn, teams klein zijn en data niet altijd volledig beschikbaar zijn. Daarom wordt in een verkennend onderzoek van één jaar een proof-of-concept ontwikkeld. Daarmee wordt onderzocht onder welke voorwaarden OrdinoR bruikbare inzichten kan opleveren voor betere resourceplanningsbeslissingen.
Het project moet bedrijven helpen om hun planning minder impliciet en meer datagedreven te maken. De uitkomsten kunnen de basis vormen voor een groter vervolgonderzoek naar slimme planning en control in HVLV-mkb-maakbedrijven