Usprawnianie procesów słabo ustrukturalizowanych w podejściu Six Sigma z wykorzystaniem narzędzi Business Process Intelligence

Pełen tekst

(1)USPRAWNIANIE PROCESÓW SŁABO USTRUKTURALIZOWANYCH W PODEJĝCIU SIX SIGMA Z WYKORZYSTANIEM NARZĉDZI BUSINESS PROCESS INTELLIGENCE KRZYSZTOF KANIA Katedra Inynierii Wiedzy, Akademia Ekonomiczna w Katowicach. Streszczenie Usprawnienie działania organizacji nastĊpuje przez usprawnianie procesów w niej zachodzących. Podejmowanych jest wiele inicjatyw zmierzających do podniesienia sprawnoĞci i jakoĞci procesów. Jednym z najczĊĞciej stosowanych obecnie jest podejĞcie Six Sigma.. PodejĞcie to obecnie wdraĪane jest w wielu przedsiĊbiorstwa przemysłowych, usługowych oraz w organizacjach słuĪby zdrowia i edukacji. W wiĊkszoĞci przypadków podejĞcie to stosowane jest jednak do usprawniania procesów dobrze ustrukturalizowanych. W artykule przedstawiono problemy zastosowania podejĞcia Six Sigma do usprawniania procesów nieustrukturalizowanych, obszary wspomagania narzĊdziami informatycznymi rozszerzenia takiego podejĞcia Six Sigma ze szczególnym uwzglĊdnieniem narzĊdzi klasy Business Process Intelligence. Słowa kluczowe: komputerowa analiza procesów biznesowych, usprawnianie procesów, Six Sigma. ILL-STRUCTURED PROCESS IMPROVEMENT IN SIX SIGMA APPROACH USING BUSINESS PROCESS INTELLIGENT TOOLS Summary Six sigma methodology was designed as a a step-by-step approach to process improvement. But in most cases it is (successfully) used to improve well-structured process. In a brand new approach organizations try to adapt Six Sigma to improve ill-structured processes like decision or planning processes too. The article presents Business Process Intelligent tools that could be used in this kind of the Six Sigma approach. Keywords: Six Sigma, process management, ill-structured process improvement. 1. PodejĞcie Six Sigma Okrelenie Six Sigma (6σ) przyj to na opisanie zbioru działa zmierzaj cych do osi gni cia wysokiego poziomu jakoci dostarczanych produktów i usług dzi ki wyeliminowaniu odchyle. od wzorcowego wykonania procesu wytwórczego lub usługowego. 6σ opisuje si jako podejcie umoliwiaj ce organizacjom zwi kszenie zysku poprzez reorganizacj działa , poprawienie jakoci oraz usuwanie defektów we wszystkim co jest wykonywane w organizacji. Podejcie to wyna-.

(2) POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 7, 2006. 5. leziono i rozwini to w firmie Motorola na pocz tku lat 80-tych, a stało si szerzej znane od roku 1995 kiedy to zostało zastosowane z powodzeniem w firmie General Electric. Podstaw 6σ jest załoenie, e aby zadowoli

(3) klienta, podnie

(4) jako

(5) i jednoczenie usun

(6) zb dne czynnoci (Lean Six Sigma), trzeba mierzy

(7) , zrozumie

(8) i na tej podstawie usprawnia

(9) procesy w organizacji. Doskonalenie procesów dokonuje si przede wszystkim poprzez identyfikacj pierwotnych przyczyn problemów (root causes) i eliminacj odchyle od wzorcowych przebiegów procesów a do osi gni cia progu pojawiania si zaledwie 3,4 usterek na milion moliwoci ich wyst pienia. Doskonalenie istniej cych i budowa nowych procesów odbywa si w iteracyjnym 5fazowych ci gach okrelanych skrótem DMAIC (Define Æ Measure Æ Analyze Æ Improve Æ Control) i odpowiednio DMADV (Define Æ Measure Æ Analyze Æ Design Æ Verify). Główne etapy obu ła cuchów zestawiono w tabeli 1. Tabela 1 Podstawowe działania w ramach DMAIC i DMADV Usprawnienie procesu D. M. A. I. C. Definiowanie problemów i celów usprawnienia, ustalenie priorytetów, wybór projektów do realizacji Ustalenie miar i pomiar kluczowych parametrów procesu, zrozumienie podstawowych charakterystyk procesu Analiza danych w celu ustalenia przyczyn rónic mi dzy aktualnym stanem a załoonymi celami i najwaniejszych zalenoci Wypracowanie nowych idei i pomysłów usprawnie i poprawienie wzorców procesu Ustalenie standardowych sposobów pomiaru procesu, nadzór nad procesem i utrzymanie osi gni tego poziomu, jeli nadal s problemy powrót do punktu 1.. Nowy proces D. M. A. D. Definiowanie celów nowego procesu, uzasadnienie potrzeby jego wprowadzenia Zdefiniowanie miar procesu odpowiadaj cych kluczowym wymaganiom uytkownika Analiza załoenia, ocena wzorca, wykorzystanie najlepszych praktyk, optymalizacja wzorca Projekt nowego procesu, symulacje, budowa prototypu Weryfikacja wzorca procesu. V. ródło: (Pyzdek 2003 s. 238, 241) Six Sigma jest zatem systematycznym podejciem do usprawniania procesów biznesowych (Six Sigma Process Improvement – SSPI) poprzez analiz i eliminacj przyczyn (czasami gł boko ukrytych) odchyle od wzorców procesów, które prowadz do złego ich wykonania i niezadowolenia klientów. Jako kluczowe elementy podejcia mona wskaza

(10) : • podejcie procesowe i stałe skupianie uwagi na wymaganiach klientów procesów, • mierzenie i analiz statystyczn procesów w celu zmierzenia odchyle realizacji procesów od przyj tych wzorców, • koncentracj na zrozumieniu relacji pomi dzy wejciem i przetwarzaniem a wyjciem, w taki sposób aby dobra

(11) wartoci najwaniejszych zmiennych i zawsze dostarcza

(12) klientowi jak najlepszy produkt lub usług , • identyfikacj monitorowanie i eliminacj najgł bszych przyczyn wyst powania defektów, • nacisk na redukcj odchyle od przyj tych wzorców w celu zmniejszenia liczby defektów,.

(13) 6. Krzysztof Kania Usprawnianie procesów słabo ustrukturalizowanych w podejĞciu Six Sigma z wykorzystaniem narzĊdzi Business Process Intelligence. zarz dzanie pro-aktywne skupiaj ce si na zapobieganiu powstawania sytuacji problemowych, ci głym usprawnianiu i d eniu do perfekcji mierzonej liczb popełnianych bł dów, • ustalanie bardzo ambitnych celów i współdziałanie w skali całej organizacji. Six Sigma jest komplementarna z innymi podejciami takimi jak Total Quality Management, zarz dzanie projektem czy usprawnianie procesów biznesowych (Business Process Improvement). Ponadto działania w ramach podejcia SS w całoci mona uzna

(14) za działania oparte na wiedzy i intensywnie wykorzystuj ce wiedz . Szczególn rol odgrywa w nim wiedza bezporednich uczestników (wykonawców) procesów. Zakłada si , e to włanie oni s głównym ródłem wiedzy o procesach w których uczestnicz i jednoczenie głównym ródłem usprawnie . St d cisłe zwi zki mi dzy 6σ z zarz dzaniem wiedz . Podejcie Six Sigma mona postrzega

(15) trojako (Hill 2005). Ze strategicznego punktu widzenia Six Sigma jest programem, który wymusza na organizacji zdefiniowanie strategicznych priorytetów i uruchomienie projektów usprawniania procesów, które s zbiene z tymi priorytetami. Z tego punktu widzenia Six Sigma jest narz dziem implementacji strategii organizacji. Z taktycznego punktu widzenia Six Sigma polega na wł czeniu wytrenowanych liderów projektów, którzy realizuj wskazania podejcia zmierzaj ce do usprawnienia kluczowych procesów. Z technicznego punktu widzenia Six Sigma polega na osi gni ciu jakoci wykonywania procesów na poziomie 6σ. Poniewa jest to poziom bardzo trudny do osi gni cia wi kszo

(16) realizacji Six Sigma skupia si na celach strategicznych i taktycznych uznaj c za sukces osi gni cie poziomu 4σ lub 5σ sigma. Ju dowiadczenia z roku 2000 (Mikel 2000) wskazywały, e firmy które rygorystycznie zastosowały podejcie 6σ notowały bardzo znacz ce efekty (wzrost rentownoci, wzrost mocy wytwórczych, spadek zatrudnienia, spadek zaangaowanego kapitału) w krótkim czasie, mimo nie osi gni cia poziomu 6σ. Nie wdaj c si w szczegółow prezentacj podstaw statystycznych podejcia (patrz np. (Pyzdek 2003), (Pande 2003)) wskaemy tylko, e odpowiedni poziom sigma przekłada si bezporednio na ilo

(17) bł dnych przebiegów procesów (tabela 2). •. Tabela 2. Kolejne poziomy sigma Poziom σ 1σ 2σ 3σ 4σ 5σ 6σ. Defektów na 1 mln przebiegów procesu 690 000,0 308 000,0 66 800,0 6 210,0 230,0 3,4. % defektów 69,0000% 30,8000% 6,6800% 0,6210% 0,0230% 0,0003%. ródło: (Pande 2003 s.28) O ile podejcie oparte o statystyczn analiz procesów w stosunku do procesów technologicznych czy fizyko-chemicznych było ju wczeniej stosowane (statystyczna kontrola procesów) a w ramach 6σ nast piło jego dalsze rozwini cie, o tyle nowym pomysłem jest rozszerzenie działa usprawniaj cych na cał organizacj oraz zastosowanie tych metod do procesów usługowych, administracyjnych (i ogólnie biznesowych) oraz procesów wytwarzania oprogramowania (zob. np. (VanHilst 2005))..

(18) POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 7, 2006. 7. Jednak warunkiem takiego zastosowania podejcia jest rozszerzenie stosowalnoci Six Sigma równie na procesy nieustrukturalizowane. Nie jest to łatwe poniewa procesy dobrze i słabo ustrukturalizowane bardzo róni si od siebie nie tylko z punktu widzenia 6σ. W tabeli 3 zestawiono te ich cechy, które maj najwi kszy wpływ na ich usprawnianie w ramach Six Sigma. Tabela 3 Porównanie procesów w Ğwietle podejĞcia Six Sigma Procesy dobrze ustrukturalizowane. Procesy słabo ustrukturalizowane. Charakterystyka procesu Wzorce znane Wzorce nieznane Zmiany we wzorcu rzadkie Zmiany we wzorcu cz ste Efekty pracy materialne, widoczne Efekty pracy niematerialne, niewidoczne Łatwo mierzalne Trudno mierzalne Ocena za pomoc zmiennych numerycznych Ocena jakociowa, opisowa cisłe kryteria jakociowe Ocena jakoci subiektywna Liczba wyst pie dua Liczba wyst pie mała Stosowane narzĊdzia Obliczanie odchyle. Porównywanie Projektowanie i usprawnianie wzorca Odkrywanie i konstrukcja wzorca ad hoc Działania dokładne Działania w oparciu o podobie stwo Statystyczne kontrola procesów OLAP i algorytmy Data Mining ħródła danych ródła jednolite, stałe, standardowe ródła zrónicowane, zmienne Relacyjne bazy danych, strumieniowe bazy Odczyty plików logowania, bazy danych, danych hurtownie, pliki systemów workflow, dokumenty tekstowe, .... Rozszerzenie Six Sigma na procesy słabo ustrukturalizowane jest moliwe – jak si wydaje – dzi ki zastosowaniu w szerszym zakresie nowoczesnych narz dzi informatycznych. Tych mog dostarczy

(19) systemy klasy Business Process Intelligence (BPI). 2. NarzĊdzia informatyczne w Six Sigma Narz dziami informatycznymi mona wspiera

(20) niemal wszystkie działania podejmowane w obr bie podejcia 6σ (por. rysunek 1). W szczególnoci technologie informatyczne mog wspomóc six Sigma poprzez: 1. szybkie i wielouywalne opisywanie i mapowanie procesów, 2. gromadzenie danych o procesach w taki sposób aby moliwe było ich wł czenie i wykorzystanie w statystycznych narz dziach wspieraj cych Six Sigma, 3. obliczanie odpowiednich statystyk, 4. raportowanie i analiz (równie nieklasyczn ) danych o procesach biznesowych, 5. odkrywanie wiedzy o procesach biznesowych, 6. wizualizacj procesów, 7. zarz dzanie najlepszymi praktykami, wymiana (eksternalizacja) wiedzy (portale organizacyjne),.

(21) 8. Krzysztof Kania Usprawnianie procesów słabo ustrukturalizowanych w podejĞciu Six Sigma z wykorzystaniem narzĊdzi Business Process Intelligence. 8.. zarz dzanie samym projektem Six Sigma, jego zasobami ludzkimi, szkoleniami wewn trz firmy (e-learning) itp.. Monitorowanie procesów. Opis i mapowanie procesów Ontologia procesów. Kontrola. ETL. Wzorce procesów Hurtownia danych o procesach. 6σ σ. Realizacja projektów 6σ. Odkrywanie wiedzy o procesach. Wizualizacja procesów. Obszar Business Process Intelligence. Analiza procesów. Szkolenia Zmiany w kulturze organizacji. Najlepsze praktyki. Rys. 1: Wykorzystanie narz dzi BPI w podejciu Six Sigma Szczegółowe zestawienie narz dzi informatycznych stosowanych w cyklach DMAIC i DMADV zawarto w tabeli 4. Tabela 4 Wykorzystanie narzĊdzi informatycznych w cyklach DMAIC i DMADV Krok w ła cuchu Six Sigma D M A I C. D M A D V. Narz dzia informatyczne ProcesoJ zyki Mapy wy OLAP Monitory opisu procesów procesów procesów + Symulacje . Wizualizacja . . . . . Analiza procesów . . . . Decyduj c rol w obu ła cuchach odgrywa analiza procesów. Jej zakres jest z kolei uzaleniony od sposobu przechowywania danych o procesach. 3. Hurtownie danych o procesach i analiza danych o procesach Klasyczny model hurtowni danych (HD) opiera si na podejciu reistycznym, przyjmuj cym i istniej „rzeczy”, tzn. obiekty, które posiadaj ustalone właciwoci o okrelonych lecz.

(22) POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 7, 2006. 9. zmiennych wartociach, a przedmiotem zainteresowania analityka i decydenta s zmiany ich wartoci w rozpatrywanej przestrzeni. W klasycznych HD zapisywane s wył cznie fakty, nie s natomiast zapisywane relacje pomi dzy nimi ani procesy, w ramach których te fakty zaistniały. Dlatego takie HD, cho

(23) mog wspomaga

(24) usprawnianie procesów, b d to robi

(25) w ograniczonym zakresie. Lepsz podstaw do analizy daj hurtownie danych o procesach (HDP) (Casati 2001). Rónice wynikaj ze znacznie rozszerzonego zakresu gromadzonych danych, zdefiniowania wymiarów i miar opisuj cych procesy (a jeden fakt moe by

(26) elementem kilku procesów) a skutkuj moliwoci zadawania pyta zarówno w kontekcie faktów jak i zwi zków (przyczynowych, temporalnych) mi dzy nimi. Z kolei w hurtowniach czasu rzeczywistego moliwe jest ledzenie przebiegu procesów aktywnych oparte na bie cej informacji o stanie procesu. Monitorowanie jest realizowane w przestrzeni wielowymiarowej. W oparciu o zbiór predefiniowanych wymiarów mona tworzy

(27) raporty na temat iloci uruchomionych procesów, powi za z w złami i usługami, aktualnego czasu trwania lub kosztu procesu, grupy aktywnych procesów oraz działa i zachowa. uczestników procesu itp. Monitorowanie moe polega

(28) nie tylko na udzielaniu odpowiedzi na zapytania uytkownika. Hurtownia procesów powinna posiada

(29) moliwo

(30) automatycznego sygnalizowania przekroczenia dopuszczalnych wartoci zadanych parametrów w postaci zbioru alarmów. Realizacja zada analitycznych Six Sigma dla procesów ustrukturalizo-wanych jest wzgl dnie prosta i moe by

(31) realizowana w duej cz ci przez narz dzia pracuj ce nawet w rodowisku arkusza kalkulacyjnego (dost pnych jest te bardzo wiele takich narz dzi zob. np. www.sigmaxl.com). Natomiast gdy mamy do czynienia z procesami drugiego rodzaju narz dzia te okazuj si niewystarczaj ce. Musimy wtedy si gn

(32) po narz dzia z grupy okrelanej jako Process Data Mining. Umoliwiaj one pozyskanie gł bszej wiedzy o dziedzinie, lecz wymagaj lepszego przygotowania danych oraz uycia bardziej zaawansowanych narz dzi analizy. Wiele z problemów analizy procesów nieustrukturalizowanych mieci si w kategoriach analizy sekwencji zdarze i szeregów czasowych a poza znanymi i stosowanymi narz dziami statystycznymi stosowane s równie m.in. (zob. np. (Adamo 2000)): • wyszukiwanie wzorców oraz cz stych i rzadkich sekwencji zdarze , • okrelanie podobie stwa sekwencji zdarze , • znajdowanie reguł asocjacji w sekwencjach zdarze , • grupowanie wzorców sekwencji zdarze i szeregów czasowych, • rachunek sytuacyjny, • metody Case-Base-Reasoning dla sekwencji zdarze i wzorców procesów. Istnieje wiele powodów, dla których gromadzi si i analizuje informacj o procesach. Wydaje si e mona je zakwalifikowa

(33) do jednej z nast puj cych kategorii: 1. Usprawnianie istniej cych i projektowanie nowych wzorców procesów. Tak włanie główny cel analizy procesów ujmuje (Zapf 2001). Postrzega on główne zadanie analizy procesów jako moliwo

(34) projektowania nowych wzorców procesów – głównie procesów ad hoc - w oparciu o wiedz o procesach z przeszłoci uj t w zbiór wzorców. Taka (zwykle jakociowa) analiza procesów wymaga aktywnego współudziału uytkownika w okreleniu miar oceny procesu i zdefiniowaniu poj

(35) niezb dnych do opisania procesu takich jak: zachowanie, wzorce zachowa , taksonomia, podproces, czynnoci czy hierarchia działa . 2. Kontrola i sterowanie procesami w czasie rzeczywistym oraz zapewnienie transakcyjnoci procesów (w przypadku niepowodzenia procesu moliwo

(36) przywrócenia stanu sprzed rozpo-.

(37) 10. Krzysztof Kania Usprawnianie procesów słabo ustrukturalizowanych w podejĞciu Six Sigma z wykorzystaniem narzĊdzi Business Process Intelligence. cz cia procesu). Jest to głównym celem proponowanej w (List 2000) tzw. fabryki informacji opartej o monitory procesów oraz HDP (zob. te Billewicz 2004). 3. Odkrycie sposobów realizacji procesów. S to działania w ramach Process Data Mining lub Workflow Mining a ich celem jest zrozumienie co tak naprawd dzieje si w ramach procesu, którego struktury nie znamy (Madeiros 2003). 4. Odkrycie przyczyn wyst powania okrelonych zjawisk podczas realizacji procesów W takiej analizie procesów procesy traktuje si identycznie jak obiekty (poszczególne stany procesów oraz procesy traktujemy jako fakty, natomiast definicje procesów, zasoby, czas, uczestnicy procesów tworz wymiary), a do ich analizy uywa

(38) tych samych metod, które s wykorzystywane w analizie obiektów (klasyfikacja, grupowanie itd.). Analiza moe przebiega

(39) w wymiarach: procesów i grup procesów, usług i grup usług, w złów roboczych, jednostek danych, zasobów, czasu i działa (Casati 2002). Analiza danych o procesach jest centralnym działaniem Six Sigma, a jej wyniki maj wpływ na realizacj pozostałych działa . W tabeli 5 przedstawiono zwi zki pomi dzy przedstawionymi grupami analiz a działaniami w ła cuchach DMAIC i DMADV. Tabela 5 Zastosowanie grup analiz w Six Sigma Grupa analiz 1 2 3 4. D . M . . A X X X X. I . CYKL C D . M . A X X X X. D. V . . 4. XML jako podstawa integracji technologicznej Six Sigma i BPI Efektywne wspomaganie działa w ła cuchu wymaga – co oczywiste – wykorzystywania efektów realizacji poprzednich etapów. Tymczasem jednym z najwi kszych (i najkosztowniejszych) problemów wykorzystania narz dzi klasy Business Intelligence jest integracja (narz dzia ETL) oraz przekazywanie danych. Rozwi zanie tych problemów jest moliwe dzi ki szerszemu zastosowaniu (meta)j zyka XML. Okazuje si , e ju istniej ce i proponowane j zyki i narz dzia oparte o XML umoliwiaj zapis potrzebnych danych i zdefiniowanie zada wykonywanych w ramach Six Sigma (rysunek 2). Cz

(40) z wymienionych j zyków jest wspierana przez wielkie organizacje takie jak W3C czy Workflow Coalition Managment, inne s w fazie rozwoju i s proponowane przez niezalene grupy badawcze..

(41) POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 7, 2006. Mapy procesów. RBD XMLBD. XPDL BPML. XQL XMLQL Xquery. Define. Measure. Hurtownie danych XML XMML DMQL Analyze. 11. Wizualizacja. PMML. XUL XSLT. Improve. Control. XPDL – XML Processing Description Language (WfMC) BPML – Business Process Modeling Language (Business Process Management Initiative) XQL – XML data Query Language (W3C) XML-QL – Query Language for XML (W3C) XMML – eXploration and Mining Markup Language (rekomendacja W3C) DMQL – Data Mining Query Language (Database Group – Sydney Univ. (Feng 2005)) PMML – Predictive Model Markup Language (Data Mining Group – www.dmg.org) XUL – XML User Interface Language (www.mozilla.org) XSLT – Extensible Stylesheet Language Transformation (W3C) Xquery – XML Query Language (W3C) Rysunek. 2: Wykorzystanie j zyków pochodnych XML w cyklu DMAIC Efektywno

(42) wykorzystania XML byłaby najwi ksza w przypadku wykorzystania natywnych repozytoriów danych XML – XMLowych baz i hurtowni danych. Narz dzia te nie s na razie w powszechnym uyciu jednak tradycyjne model – relacyjny i wielowymiarowy mog równie by

(43) wykorzystywane. 5. ZakoĔczenie O potrzebie i moliwociach wspierania podejcia Six Sigma zaawansowanymi narz dziami informatycznymi wiadczy

(44) moe fakt, e due korporacje zajmuj ce si wytwarzaniem oprogramowania dla potrzeb biznesu (SAP, SAS, Microsoft) oferuj zestawy narz dzi oraz całe rodowiska wspomagaj ce wprowadzanie Six Sigma w organizacji. Ich integracja z narz dziami klasy Business Process Intelligence – jak si wydaje – jest moliwoci dalszego rozwoju tego podejcia.. Bibliografia 1. 2. 3.. Adamo J-M. (2001) Data Mining for Association Rules and Sequential Patterns, SpringerVerlag, New York, 2001. Akingbehin K. (2005) Taguchi-Based Metrics for Software Quality, Proc. 4th Intl. Conference on Computer and Information Science (ICIS’05), IEEE, 2005. Billewicz A., Gołuchowski J., Kania K. (2005) Model hurtowni danych o procesach przetwarzania dokumentów w ING BSK, w: Bazy danych; modele, technologie narz dzia. Analiza danych i wybrane zastosowania, WKŁ, Warszawa, 2005..

(45) 12. 4. 5. 6. 7. 8. 9. 10. 11. 12.. 13.. Krzysztof Kania Usprawnianie procesów słabo ustrukturalizowanych w podejĞciu Six Sigma z wykorzystaniem narzĊdzi Business Process Intelligence. Casati F., Umesh D., Ming-Chien S., Bonifati A. (2001) Warehousing Workflow Data: Challenges and Opportunities. Proc. of the 27th VLDB Conference, Roma, 2001. Casati F., Umesh D., Ming-Chien S., Bonifati A. (2001): Warehousing Workflow Data: Challenges and Opportunities. Proc. of the 27th VLDB Conference, Roma, 2001. Feng, L., Dillon, T. (2005) An XML-enabled data mining query language: XML-DMQL, Intl. Journal of Business Intelligence and Data Mining, Vol. 1, No. 1, 2005, pp.22–41. List B., Schiefer J., Bruckner R. (2001) Measuring Knowledge with Workflow Management Systems, 2nd Intl. Workshop on Theory and Application of Knowledge Management, 2001. Medeiros A., van der Aalst W., Weijters A. (2003): Workflow mining: current status and future directions, ODBASE 2003, LNCS 2888, Springer-Verlag, Berlin, 2003. Mikel H., Schroeder R. (2000) Six Sigma: The Breakthrough Management Strategy Revolutionizing the World’s Top Corporations, Doubleday, 2000. Pande P., Neuman R., Cavanagh R. (2003) Six Sigma sposób poprawy wyników nie tylko dla firm takich jak GE czy Motorola, wyd. LIBER, Warszawa, 2003. Pyzdek T. (2003) The Six Sigma Handbook, McGraw-Hill, New York 2003. VanHilst M., Garg P., Lo C. (2005) Repository Mining and Six Sigma for Process Improvement, ACM SIGSOFT Software Engineering Notes, Proceedings of the 2005 intl. workshop on Mining software repositories MSR '05, Volume 30, Issue 4. Zapf M. (2003): Pattern driven Process Design, working paper, 7/2003.. KRZYSZTOF KANIA Katedra: Informatyki Wydział: Zarz dzania Uczelnia: Akademia Ekonomiczna w Katowicach Ulica: 1 Maja 50 40-227, Katowice Tel.: 0322577294 e-mail: kkania@ae.katowice.pl.

(46)