Dhr. L.C.E. Huberts promoveert op het proefschrift: 'Statistical and Predictive Process Monitoring: How to Monitor Complex Processes in the Age of Big Data?'. Promotor is prof. dr. R.J.M.M. Does. Copromotor is dr. M. Schoonhoven.
In zijn proefschrift ‘Statistical and Predictive Process Monitoring’, bespreekt Leo de evolutie van het monitoren van processen. De groeiende hoeveelheid data is van invloed op het statistisch proces monitoren zoals dat nu gebruikelijk is binnen LSS-projecten. In het proefschrift onderzoekt hij wat de effecten zijn van het updaten van de schattingen van procesparameters. Vaak zijn de effecten erg positief en zorgt het updaten voor een veel betere prestatie op de lange termijn. Hierbij zijn de acceptabele procesvariatie en in hoeverre die afwijking (retrospectief) kan worden geïdentificeerd belangrijk. Een case-study op basis van sterfte-data rond COVID-19 laat de toegevoegde waarde van het updaten duidelijk zien. In deze casestudy worden de sterftecijfers onder 0 tot 65-jarigen in Nederland rond maart 2020 gemonitord. Traditionele methodieken detecteren geen significante piek. De in het proefschrift voorgestelde methode detecteert wel duidelijk een piek in sterfte. In zijn proefschrift beschrijf hij ook de overgang naar predictive process monitoring. Door de explosieve groei in dataverzameling en ontwikkelingen in statistiek en machine learning kunnen we steeds beter voorspellingen doen. De toepassingen hiervan zijn eindeloos. Ook het monitoren van processen zal hiervan gaan profiteren. Het vroegtijdig signaleren van problemen in het proces kan namelijk erger voorkomen. Een voorbeeld hiervan is het voorspellen van de zorgbehoefte van patiënten de geestelijke gezondheidszorg. Hierbij wordt het herstelproces van een cliënt gemodelleerd met machine learning technieken. Op basis hiervan kunnen we voorspellen welke cliënten een groot risico op geestelijke gezondheidscrises hebben. Dit maakt preventieve zorg mogelijk en ondersteunt de toewijzing van middelen.
Dit voorspellend procesmonitoren zal steeds vaker een rol gaan spelen in procesverbetering. Het kan toegepast worden in de control fase, om de verbeteringen te borgen, maar kan ook geïmplementeerd worden als directe verbeteractie. Bij de Amsterdam Business School werken wij dan ook verder aan onderzoek op dit gebied en is data science inmiddels een vast onderdeel van het curriculum van onze opleidingen.
Gepubliceerd op: 22-04-2021
