A Method to define, monitor and improve PPIs with Object-Centric Process Mining

Process Mining is a discipline that studies business processes. One of the many applica- tions of process mining consists in the evaluation of process performances through Process Performance Indicators (PPIs). Despite the importance of these indicators, no structured way to manage PPIs throughout their whole lifecycle has been presented yet. Moreover, no techniques for the improvement of said PPIs has already been defined. The traditional approach to process mining has shown at the same time benefits and limits that impact its effectiveness. To address these limits a novel approach that, among other things, grants a better management of PPIs, was born: Object-Centric Process Mining (OCPM). This thesis addresses the aforementioned problems by presenting a method to handle PPIs dur- ing their lifecycle with OCPM. The core of the thesis is a metamodel we developed and applied to a real scenario. This metamodel is made of (i) the phases for the management of PPIs throughout their lifecycle, (ii) the definition of all the realms a PPI can belong to, and (iii) the set of attributes needed for the characterization of a PPI. The aforemen- tioned phases are the PPI definition, the data collection, and the PPI assessment. Each phase comprises of a series of atomic steps that more closely resemble the PPI lifecycle. Our research mainly focuses on the first and third phases presented in the metamodel. In order to support the steps belonging to the first phase we identified and adapted a set of tools. Such tools are the control flow, in its partial and global version, and an ad hoc version of the Dimensional Fact Model (DFM). We provide a description of all of the roles we identified for each of these tools, and a set of guidelines for their generation and usage. To support the assessment phase we introduced novel tools leveraging the relationship between data quality and PPI measurability. Analyzing such relationship, we focused on two aspects: the assessment and improvement of the PPI measurability through the quality of the data used for the computation of the PPI. Concerning the measurability assessment we defined a set of data quality dimensions, designed a hierarchical structure to relate them, and devised a way to map data quality to PPI measurability. Concerning the measurability improvement we defined a set of improvement dimensions and actions used to generate different guidelines for the implementation of improvement actions.

Il Process Mining è una disciplina che studia i processi aziendali. Una delle principali applicazioni del process mining consiste nella valutazione delle performance dei processi attraverso Indicatori di Performance dei Processi (PPI). Nonostante la loro importanza, nessun framework per la gestione dei PPI è stato ancora presentato. Inoltre, non è stata ancora definita nessuna tecnica per il loro miglioramento. L’approccio tradizionale al process mining è caratterizzato da pregi e difetti che ne limitano l’efficacia. Per ovviare a questi difetti è nato un nuovo approccio che, tra le altre cose, garantisce una migliore gestione dei PPI: l’Object-Centric Process Mining (OCPM). Questa tesi affronta i prob- lemi sopracitati proponendo un metodo strutturato per la gestione dei PPI con l’OCPM. Il crentro della nostra tesi è il metamodello che abbiamo sviluppato e testato su un caso studio realistico. Questo metamodello è costituito da (i) le fasi per la gestione dei PPI, (ii) la definizione dei reami a cui i PPI possono appartenere e (iii) l’insieme di attributi necessari alla caratterizzazione dei PPI. Le fasi di cui sopra sono: la definizione dei PPI, la raccolta dei dati e la valutazione dei PPI. Ogni fase è composta da una serie di passaggi atomici che ricalcano il ciclo di vita dei PPI. La nostra ricerca si concentra principalmente sulla prima e sulla terza fase del metamodello. A supporto dei passaggi della prima fase abbiamo identificato e adattato un insieme di strumenti. Essi sono il control flow glob- ale e parziale e una versione ad hoc del Dimensional Fact Model (DFM). Per ognuno di questi strumenti abbiamo riportato la descrizione dei loro ruoli e delle linee guida per la loro generazione e utilizzo. A supporto della fase di valutazione abbiamo introdotto degli strumenti sfruttando la relazione che esiste tra la misurabilità dei PPI e la qualità dei dati usati per calcolarli. Analizzando questa relazione ci siamo concentrati su due aspetti: la valutazione ed il miglioramento della misurabilità dei PPI attraverso la qualità dei dati. Riguardo la valutazione della misurabilità, abbiamo definito una serie di dimensioni di qualità, una struttura gerarchica che le colleghi e un modo di mappare la qualità dei dati alla misurabilità dei PPI. Riguardo il miglioramento della misurabilità, abbiamo definito delle dimensioni e delle azioni di miglioramento usate per generare delle linee guida per mettere in atto azioni correttive.