Process Mining na Gestão Logística aeroportuária - Gestão de bagagens
Todos despacham suas bagagens no aeroporto, mas o que acontece nos bastidores?
Cada bagagem que é despachada ou transferida pelo aeroporto recebe uma etiqueta que contém informações valiosas sobre o voo de destino. Todas as malas são manuseadas no setor de triagem, a fim de garantir que elas cheguem no voo certo a tempo.
A etiqueta de bagagem é digitalizada várias vezes desde o check-in, passando pelo setor de triagem e daí até a aeronave. Além disso, e você pode não saber disso, quando os clientes chegam cedo no aeroporto, suas bagagens não são enviadas diretamente para o local no aeroporto onde será manuseada para subida até a aeronave, mas primeiro é enviada para um instalação de armazenamento (uma espécie de “hotel de bagagem”) por algum tempo antes de ser novamente manuseada.
Este processo precisa atender a vários KPIs de desempenho. Por causa dos diferentes cenários (destinos diferentes, sem armazenamento vs. com armazenamento, etc.), o processo pode variar significativamente e o projeto de Process Mining foi iniciado para ter uma visão mais detalhada de como exatamente o processo ocorria a partir da geração e captura da etiqueta de bagagem.
Abordagem
A abordagem adotada no projeto foi examinar os resultados em ciclos iterativos com a colaboração próxima do especialista no processo. Desta forma, os resultados das primeiras análises foram obtidos de forma exploratória e posteriormente refinados nas iterações seguintes. Por exemplo, um desafio era entender e simplificar os dados de uma visão geral do processo semelhante a um espaguete em detalhes, filtrando e dividindo as informações do processo.
Figura 1: Processo geral (ponto de partida da análise - "espaguete inicial")
Figura 2: Visão detalhada do processo após a aplicação de filtros para focar em um aspecto específico
Além disso, diferentes perspectivas foram tomadas sobre os dados, o que permitiu explorar diferentes questões e visões de análise. De maneira geral, o conhecimento sobre o processo desejado e os KPIs operacionais nortearam a análise.
Resultados
No mapa do processo e nas estatísticas do processo relacionado, detalhes interessantes foram descobertos, como “Onde estão os gargalos?” E “Eles estão principalmente nas correias do processo de triagem de bagagens ou nos eventos ao redor?”. Além disso, o KPI Taxa de Transferência das Malas - Bag Throughput - foi analisado e as possíveis razões para discrepâncias dos valores alvo foram determinadas.
Em uma das perspectivas de análise, o local onde a bagagem foi digitalizada, redirecionada, etc., foi incorporado à atividade (veja acima). Essa perspectiva possibilitou visualizar facilmente o desempenho nas etapas do processo relacionadas às localizações. Por exemplo, o tempo médio em minutos desde o check-in até a bagagem que identificada pela primeira vez pelo setor de triagem. Ou o tempo médio de armazenamento da bagagem quando de um evento de chegada antecipada. Informações como essas são valiosas para obter uma imagem completa do processo geral, e tê-las à mão é de fundamental importância para o processo e gera grande vantagem.
Essa visão geral ajudou a identificar as áreas críticas e as prováveis causas raiz básicas. Também ajudou a descartar outras causas raízes. Por exemplo, os gargalos do processo geralmente não estavam relacionados ao desempenho da correia do setor de triagem de bagagens.
Pontos Relevantes obtidos
Embora não houvesse uma hipótese específica para verificar antes da análise de Process Mining, foi possível identificar percepções valiosas muito rapidamente. Foi uma grande vantagem que nem todas as questões precisaram ser definidas antecipadamente. Em vez disso, os analistas do Aeroporto de Copenhague avaliaram particularmente que, embora o processo de bagagens tivesse sido mapeado rapidamente, foi ainda possível descobrir e analisar variações do processo como um todo em detalhes de forma exploratória.
Dessa forma, foi possível aprender mais sobre o processo e descobrir novos insights a cada iteração. Ao ver o processo real sem suposições e aprofundar-se nos padrões de processo reais que foram descobertos, as análises puderam ser feitas muito mais rapidamente e com muito mais detalhes do que em uma forma tradicional baseada em perguntas e respostas através de entrevistas ou mapeamento de processos.
Em resumo, os pontos principais foram:
Uma visão geral do processo foi obtida rapidamente e fatos interessantes foram fáceis de identificar. Por exemplo, nos fins de semana havia mais circulações do que outros dias.
Foi possível identificar as razões para as discrepâncias dos KPIs de gestão.
Tornou-se possível identificar áreas com rupturas e retrabalhos de processo antes de uma análise mais aprofundada, possibilitando focar e concentrar as análises em áreas mais críticas, com possíveis desafios de processo, ao contrário das abordagens tradicionais onde as áreas de processo que são analisadas em detalhes não são necessariamente aquelas que têm os maiores problemas e desafios.
A maneira fácil e rápida de olhar para o processo de diferentes perspectivas revelou novos insights. A perspectiva mudor de um olhar apenas baseado em KPIs e gargalos para o desempenho do processo.
As análises de causa raiz puderam ser feitas rapidamente com base nas evidências. Por exemplo, os gargalos do processo geralmente não estavam relacionados ao desempenho da correia do setor de triagem de bagagens.
Foi possível comparar o desempenho do processo para dias especiais (por exemplo, dias com avarias mecânicas) com dias sem intercorrências ou bons.
Foi rápido e fácil obter uma visão geral do desempenho do processo.
Como acontece com todas as análises de dados, a análise de Process Mining depende da obtenção dos dados corretos, que foram aprimorados iterativamente. É uma vantagem começar rapidamente com o que você tem e, em seguida, aprimorar os dados de forma iterativa.
Comments