Без погружения в сложную техническую составляющую, начнем с простого примера:  представьте, что есть ваша цифровая версия – аватар, который не существует в физической плоскости, но действует и ведет себя, как вы, в цифровом пространстве. Он дублирует действия, помогает строить и проверять гипотезы, ассистирует в решении рутинных задач и проводит их первичную диагностику. Эти суждения кажутся выдержкой из сценария фантастического фильма или аналитического отчета об индустрии VR. Однако концепция цифровых двойников становится все востребованнее в бизнес-среде, в первую очередь, благодаря Process Mining.

Что такое цифровые двойники? 

Digital twin – это виртуальные воплощения физических объектов. Впервые термин был использован в 1990-х годах для описания компьютерной модели, основанной на объекте, которая могла предсказывать его поведение в различных условиях. В текущий момент представление расширилось, и наличие элементов предиктивной аналитики уже не обязательно.

Если касаться производственных предприятий, то ключевая роль цифровых двойников в предотвращении ошибок и улучшении процедур технического обслуживания. Пример: ветряные турбины содержат датчики с доступом к интернету, что позволяет оценить, как выход из строя определенной детали повлияет на функционирование устройства, а также понять, как скоро подойдет к концу его жизненный цикл.  

Цифровой двойник процесса

Изначально digital twin – продукт и объект производственной сферы. Тем не менее, все чаще это явление встречается в сфере управления бизнес-процессами. Сейчас можно проанализировать связку Process Mining и цифрового двойника, упакованную в цифрового двойника процесса, где данные собираются из журналов событий.

Главная цель process digital twin – выполнение сценариев выполнения БП, а также прогноз и анализ изменений, влияющих на состояние бизнеса. Фактически основная задача – своевременное реагирование на изменения рынка. К примеру, можно протестировать устойчивость финансовых процессов на резкий скачок инфляции, валютные колебания, нарушение и разрушение цепи поставок или повышение ключевой ставки со стороны регулятора. 

Если сместить фокус внимания с внешнего контура на внутренний, то цифровой двойник процесса моделирует ситуации перехода с устаревших систем на облачные, продемонстрирует преимущества и определяет возможные болевые точки и проблемы. Другая важная функция – трансформация коммуникаций между структурами через анализ фактического состояния БП.

Построения process digital twin

• Сбор: на первом этапе фиксируются все данные о бизнес-процессе из журналов событий (возможен вариант посредством анализа API через интеграцию с Process Intelligence); 
• Визуализация: здесь происходит своего рода МРТ БП с использованием системы класса Process Mining (как единичных, так и сквозных вариаций процесса с отражением итогов в дашбордах). 
• Моделирование: формируется прогноз того, как рассматриваемая гипотеза влияет на процессы.
• Проверка: финальный штрих, определяющий точность и достоверность результатов работы цифрового двойника процесса, а также закладывающий возможные точки роста и «узкие места». 

Преимущества

В большинстве своем концепция цифрового двойника процесса существует в теории, что сужает число гипотезы ее использования. Тем не менее даже на такой выборке уместно говорить о конкурентных плюсах технологии: 

• Быстрое прототипирование БП;
• Оперативная корректировка задач, процессов и операций;
• Выявление новых возможностей оптимизации;
• Доказательство эффективности трансформации; 
• Оценка перспектив автоматизации. 

Ограничения

Несмотря на перспективность технологии, пилотные внедрения могут привести к ряду проблем: 

• Недостаточный уровень точности данных и их неполноценный объем;
• Необходимость поступления данных в режиме реального времени;
• Низкий уровень компетенций команды в сфере анализа процессов.

Сфера применения

Легко представить, как применение process digital twin скажется на «классических» для Process Mining случаях. Тем не менее, выделим сферы повышенной эффективности: 

• Финансовые операции (моделирование сценариев движения денежных средств);
• Закупки (прогнозирование изменений, вызванных ценовыми колебаниями);
• Управление заказами (оценка и прогнозирование улучшения времени обработки и доставки позиций);
• Логистика  и управление складскими запасами (оценка влияния фактора сезонности);
• Управление цепочками поставок (оценка влияния глобальных сбоев).

Приведем практический пример: Магнитогорский металлургический комбинат создал двойник процесса продаж, используя систему Proceset. Цель проекта заключалась в обеспечении роста эффективности использования запасов на складах и уменьшении длительности цикла снабжения и трудозатрат на обеспечение заявок. В конечном итоге, ММК получил полную, достоверную и актуальную информацию о метриках БП и вариациях его протекания, улучшил качество управленческих решений и выявил отклонения в сценариях.