INN353 Modellering og kontroll av forretningsprosesser
English course information
Søk etter andre emner
Velg annet år
Viser emneinfo for studieåret 2021 - 2022.
Emneansvarlige: Joachim Scholderer
Studiepoeng: 5
Ansvarlig fakultet: Handelshøyskolen
Frekvens: Årlig
Undervises på språk: EN
(NO=norsk, EN=Engelsk)
(NO=norsk, EN=Engelsk)
Begrensning antall plasser:
70
Undervises i periode:
Emnet har oppstart høsten 2022. Emnet starter i høstparallellen. Emnet har undervisning/vurdering i høstparallellen.
Første gang: Studieår 2021-2022
Fortrinnsrett: <list listType="numbered"><listItem>Studiespesialiseringer som har dette kurset obligatorisk vil ha prioritet: Digital forretningstransformasjon (M-EI), business analytics (M-TDV) og business analytics (M-ØA)</listItem><listItem>Studenter fra datavitenskap (M-DV og M-TDV), entreprenørskap og innovasjion (M-EI), industriell økonomi og teknologiledelse (M-IØ) og økonomi og administrasjon (M-ØA) som har bestått alle nødvendige og anbefalte forutsetningsemner for kurset</listItem></list><p></p>
Emnets innhold:
I dette kurset vil deltakerne lære klassiske og moderne teknikker for modellering og kontroll av forretningsprosesser, og hvordan disse teknikkene kan brukes til automatisert prosessovervåking, avviksdeteksjon og avvikshåndtering.
- Introduksjon til prosessmodellering og prosesskontroll
- Datadrevet modellering av forretningsprosesser, basert på hendelsesloggdata
- Samsvarskontroll
- Statistisk prosesskontroll
- Kapabilitetsanalyse
- Automatisering av avviksdeteksjon og avvikshåndtering
- Implementering i bedriftens informasjonssystemer
Kurset tar en datadrevet tilnærming. Vi vil arbeide med hendelsesloggdata fra ERP-, CRM- og SCM-systemer. Avanserte prosessanalyseteknikker demonstreres i Celonis, Python, R og SAS.
Praktisk arbeid med virkelige case er en viktig del av kurset. Deltakerne vil jobbe i grupper på et semesterlangt caseprosjekt.
Læringsutbytte:
Kunnskaper
- Forstå de teoretiske grunnlagene for klassiske og moderne prosessmodellerings- og kontrollteknikker
Ferdigheter
- Kunne bruke algoritmer til datadrevet modellering av forretningsprosesser
- Kunne lage og bruke viktige typer kontrolldiagrammer
- Kunne utføre kapabilitetsanalyser
- Kunne bruke teknikkene til automatisert overvåking av forretningsprosesser
- Kunne bruke teknikkene til automatisert avviksdeteksjon og avvikshåndtering
Generell kompetanse
- Kunne arbeide i tverrfunksjonelle prosjektstrukturer
- Kunne bidra konstruktivt i prosessautomatiseringsprosjekter
Læringsaktiviteter:
Forelesninger, øvinger med data og programvare, case-workshops under veiledning, selvstendig gruppearbeid relatert til prosjektoppgaven
Læringsstøtte:
Canvas, Microsoft Teams
Pensum:
- Montgomery, D. C. (2019).
Introduction to statistical quality control (8th Ed.). Hoboken, NJ: Wiley. - Van der Aalst, W. (2016).
Process mining: Data science in action (2nd Ed.). Berlin: Springer. - Utvalgte tidsskriftartikler og bokkapitler
Forutsatte forkunnskaper:
- INN265 Analyse av forretningsprosesser
Anbefalte forkunnskaper:
- INF120 Programmering og databehandling
- BUS240 Vareproduksjon og logistikk eller IND210 Driftsledelse
Vurderingsordning:
Samlet vurdering, basert på en individuell midtveis-hjemmeeksamen (vekt: 50%) og en prosjektoppgave, utført i grupper på fire deltakere (vekt: 50%). Ingen kontinuasjonseksamen blir arrangert i dette faget.
Sensor:
Ekstern sensor kvalitetssikrer pensum, eksamensoppgaver og prinsipper for evaluering og besvarelser.
Merknader:
Emnet har oppstart høsten 2022.
Normert arbeidsmengde:
125 timer
Opptakskrav:
Bachelorgrad (eller tilsvarende)
Overlapp:
INN350 (5 stp)
Undervisningstid:
- Forelesninger og case-workshops: 20 timer
- Øvinger med data og programvare: 5 timer
- Prosjektoppgave: 50 timer
- Selvstudium/pensumlitteratur: 50 timer
Eksamensdetaljer: :