Skip to main content

2023 | OriginalPaper | Buchkapitel

5. Bewertung des Process Mining im Lieferkettenmanagement

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Im Fokus dieses Kapitels stehen die Beantwortung der zweiten und dritten Forschungsfrage (FF2, FF3), weswegen potentielle Nutzen und Grenzen des Process Mining im Lieferkettenmanagement (LKM) bestimmt werden. Aufgrund dessen wird ein Bewertungsschema erarbeitet, dass die vorangegangenen Erkenntnisse der literatur- und anwendungsorientierten Anwendung beinhaltet. Dadurch wird die Grundlage zur Einordnung und Beurteilung des Process Mining im LKM geschaffen, dass wiederum eine begründete Diskussion zu den Nutz- und Grenzpotentialen zulässt.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Anhänge
Nur mit Berechtigung zugänglich
Fußnoten
1
Vgl. Reit, X-R., Denkstrukturen in Lösungsansätzen von Modellierungsaufgaben, 2016, S. 131.
 
2
Vgl. Döring, N./ Bortz, J., Operationalisierung, 2016, S. 222.
 
3
Vgl. Eisend, M./ Kuß, A., Grundlagen empirischer Forschung, 2021, S. 174.
 
4
Vgl. Döring, N./ Bortz, J., Operationalisierung, 2016, S. 222 f.
 
5
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 55.
 
6
Vgl. Eisend, M./ Kuß, A., Grundlagen empirischer Forschung, 2021, S. 174 f.
 
7
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 55.
 
8
Vgl. Döring, N./ Bortz, J., Operationalisierung, 2016, S. 224; Häder, M., Empirische Sozialforschung, 2019, S. 16 f.
 
9
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 56; Döring, N./ Bortz, J., Operationalisierung, 2016, S. 233; Eisend, M./ Kuß, A., Grundlagen empirischer Forschung, 2021, S. 178.
 
10
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 56.
 
11
Vgl. Döring, N./ Bortz, J., Operationalisierung, 2016, S. 234.
 
12
Vgl. Grundwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 56.
 
13
Der Schwerpunkt des Bewertungsschemas ergibt sich aus der Problemstellung, siehe auch Abschnitt 1.​1.
 
14
Vgl. Eisend, M./ Kuß, A., Grundlagen empirischer Forschung, 2021, S. 174 f.
 
15
Vgl. Sander, L., Robust process mining with guarantees, 2022, S. 3; Van der Aalst, W., Process Mining Overview, 2022, S. 24.
 
16
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 55.
 
17
Vgl. Ivanov, D., Structural dynamics and resilience in supply chain risk management, 2018, S. 45; Ivanov, D., Stabile Lieferketten während und nach Corona, 2021, S. 2.
 
18
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 55.
 
19
Die Aussage stützt sich auf der zugrunde liegenden Basis der SLR und des Fallbeispiels, die bereits in ihrem jeweiligen Umfang die Aspekte berücksichtigen, siehe auch Abschnitt 2.​5.​2 und 4.​1.​2.
 
20
Vgl. Döring, N./ Bortz, J., Operationalisierung, 2016, S. 222; Eisend, M./ Kuß, A., Grundlagen empirischer Forschung, 2021, S. 174.
 
21
Vgl. Döring, N./ Bortz, J., Operationalisierung, 2016, S. 224; Häder, M., Empirische Sozialforschung, 2019, S. 16 f.
 
22
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 57.
 
23
Vgl. Häder, M., Empirische Sozialforschung, 2019, S. 99.
 
24
Vgl. Häder, M., Empirische Sozialforschung, 2019, S. 83 ff.
 
25
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 60 f.
 
26
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 57; Döring, N./ Bortz, J., Operationalisierung, 2016, S. 223.
 
27
Vgl. Döring, N./ Bortz, J., Operationalisierung, 2016, S. 249.
 
28
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 59.
 
29
Vgl. Döring, N./ Bortz, J., Datenerhebung, 2016, S. 356.
 
30
Vgl. Döring, N./ Bortz, J., Datenerhebung, 2016, S. 372.
 
31
Vgl. Döring, N./ Bortz, J., Datenerhebung, 2016, S. 372.
 
32
Vgl. Döringer, S., The problem-centred expert interview, 2021, S. 269.
 
33
Vgl. Häder, M., Empirische Sozialforschung, 2019, S. 201; Schnell, R., Survey-Interviews, 2019, S. 218.
 
34
Die Beschreibung der Personen kann dem Anhang 12 entnommen werden.
 
35
Im Unternehmen des Fallbeispiels (nähere Informationen können dem Abschnitt 4.​1 entnommen werden) wurden die Mitarbeiter der eigenen und unternehmensübergreifenden Arbeitsgruppe zum Themenfeld des Prozessmanagements, leitende Mitarbeiter im IT-Fachbereich sowie die Prozessanalysten im Einkauf auf ihre Fachexpertise zum Befragungsthema beurteilt. Von den Mitarbeitenden, verfügen vier über praktische Erfahrungen zum Process Mining. Hiervon wiederum besitzen zwei Mitarbeiter auch Erfahrung in der Anwendung des Process Mining im Lieferkettenmanagement.
 
36
Vgl. Döring, N./ Bortz, J., Datenerhebung, 2016, S. 412.
 
37
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 70.
 
38
Die Darlegung kann dem Abschnitt 5.1.2 entnommen werden; vgl. Häder, M., Empirische Sozialforschung, 2019, S. 99.
 
39
Vgl. Grunwald, G./ Hempelmann, B., Angewandte Marktforschung, 2014, S. 74.
 
40
Vgl. Döring, N/ Bortz, J., Datenanalyse, 2016, S. 613.
 
41
Vgl. Döring, N./ Bortz, J., Operationalisierung, 2016, S. 249.
 
42
Die Darlegungen zu den Lage- und Streuungsparameter können dem Anhang 42 entnommen werden.
 
43
Der Quellcode zur Erstellung der Grafik kann dem Anhang 43 entnommen werden.
 
44
Vgl. Romeike, F./ Hager, P., Erfolgsfaktor Risikomanagement 4.0, 2020, S. 315.
 
45
Vgl. Meyer, M. et al., A Delphi study on the supply risk-mitigating effect of additive manufacturing, 2020, S. 8.
 
46
Vgl. Werdich, M., FMEA, 2012, S. 56; Werdich, M., Die RPZ ist tot, 2019, 03.10.2022.
 
47
Vgl. Werdich, M., FMEA, 2012, S. 57.
 
48
Vgl. Werdich, M., FMEA, 2012, S. 57; Werdich, M., Die RPZ ist tot, 2019, 03.10.2022.
 
49
Vgl. Werdich, M., FMEA, 2012, S. 71.
 
50
Vgl. Werdich, M., FMEA, 2012, S. 60.
 
51
Vgl. Ozdemir, D. et al., Supply chain resilience during the COVID-19 pandemic, 2022, S. 1; World Economic Forum, Charting the course for global value chain resilience, 2022, S. 3 ff.
 
52
Vgl. Van der Aalst, W., Process Mining, 2011, S. 1; Graafmans, T. et al., Process Mining for Six Sigma, 2021, S. 297.
 
53
Vgl. Vgl. Sander, L., Robust process mining with guarantees, 2022, S. 1 f; Schätter, F. et al., Supply chain resilience management using process mining, 2022, S. 121; Van der Aalst, W., Process Mining Overview, 2022, S. 4.
 
54
Die Darlegung zur Entwicklung des Bewertungsschemas kann dem Abschnitt 5.1 entnommen werden.
 
55
Die Herleitung dieser Aussage basiert auf der Beurteilung der Variable (A03), die im Mittel mit „stimme eher nicht zu“ eine geringe Zustimmung aufweist.
 
56
Die Herleitung dieser Aussage basiert auf der Beurteilung der Variablen (A11, A12, A13, A14, A15, A16), die einen Ampelfaktor von drei aufweisen und damit der Klasse Grün bzw. der „Eignung“ zugeordnet werden.
 
57
Die Herleitung dieser Aussage basiert auf der Beurteilung der Variablen (A21, A23, A24), die einen Ampelfaktor von drei aufweisen und damit der Klasse Grün bzw. der „Eignung“ zugeordnet werden.
 
58
Die Herleitung dieser Aussage basiert auf der Beurteilung der Variablen (A41, A42, A43), die einen Ampelfaktor von fünf aufweisen und damit der Klasse Gelb bzw. der „mäßigen Eignung“ zugeordnet werden. Im Mittel erhalten die genannten Variablen in der Dimension (B3) Effizienz eine Zustimmung in Form der Ausprägung „stimme eher nicht zu“.
 
59
Die Herleitung dieser Aussage basiert auf der Beurteilung der Variablen (A22, A34), die einen Ampelfaktor von sieben bzw. neun aufweisen und damit der Klasse Rot bzw. „keine Eignung“ zugeordnet werden.
 
60
Die Darlegung des Verständnisses einer Lieferkette kann dem Abschnitt 2.​1 entnommen werden.
 
61
Die Herleitung dieser Aussage basiert auf der Beurteilung der Variable (A03), die im Mittel in der Dimension (B0) eine Zustimmung in Form der Ausprägung „stimme eher nicht zu“ erhalten hat.
 
62
Vgl. Werner, H., Supply chain management, 2020, S. 27; Birkel, H., The paradigm shift of supply chain management, 2021, S. 17 f.
 
63
Die Herleitung dieser Aussage kann mit den Darlegungen im Abschnitt 4.​3 begründet werden.
 
64
Die Herleitung dieser Aussage basiert auf der Beurteilung der Variablen (A05, A07, A08, A09).
 
65
Die Herleitung dieser Aussage kann mit den Darlegungen im Abschnitt 4.​3 begründet werden.
 
66
Die Herleitung dieser Aussage kann mit dem Wesen der Process Mining Technologie begründet werden.
 
Metadaten
Titel
Bewertung des Process Mining im Lieferkettenmanagement
verfasst von
Christine Freye
Copyright-Jahr
2023
DOI
https://doi.org/10.1007/978-3-658-42832-7_5

Premium Partner