Process Mining in Production Processes: The Poultry Meat Sector Example

方法

基于100案例285事件的日记录，用PM4Py构建DFG与变体分析。

发现

延迟集中在周末（周六65%、周日72%），源于排班与工作量分配问题。

机会点

可将过程挖掘扩展到更多畜禽生产场景，结合实时物联网日志做动态排班优化。

合理的资源分配规划与工作负荷平衡能够提升流程绩效并降低成本。本研究旨在论证流程挖掘（process mining, PM）技术在识别禽肉生产流程中的瓶颈、偏差及工作负荷失衡方面的适用性。研究构建了一个事件日志——基于某全国性禽肉生产商2026年1月的每日记录（包含100个案例和285个事件）——并采用变体分析和直接跟随图（Directly-Follows Graph, DFG）进行分析。在Excel 365中对数据进行整理和简化后，通过使用Python编程语言中的PM4Py库开发的脚本生成了DFG流程地图。分析揭示了瓶颈、延迟和偏差；观察到案例的中位长度为3个步骤（最长为10个），返工率保持在较低水平，延迟主要集中在周末（延迟记录占比：周六65%，周日72%），其根源在于工作排程和工作负荷失衡相关问题。上述发现表明，流程挖掘能够基于畜牧生产中的日常运营记录提供决策支持，为生产领域流程挖掘的有限现有文献贡献了一个基于实际场景的实践案例。建议将任务代码与其对应位置对齐，并重新组织工作负荷的分配。