> Continu verbeteren van processen > Kwaliteitsbeheer > Kwaliteitsbeheer in Oracle > Datatemplate

Datatemplate voor kwaliteitsbeheer

Kwaliteitsbeheer in Oracle

Attributen voor kwaliteitsbeheer (20) Activiteiten voor kwaliteitsbeheer (14) Extractiegidsen (3)

Datatemplate voor kwaliteitsbeheer

Deze template beschrijft welke data-attributen en procesactiviteiten nodig zijn voor een goede analyse van kwaliteitsbeheer. Je vindt er ook praktische uitleg over hoe je deze informatie uit Oracle Quality Management haalt. Zo verzamel je alle data die nodig is om processen helder in kaart te brengen en te verbeteren.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om bij te houden
Uitleg over data-extractie

Nieuw met event logs? Lees hoe je een event log voor process mining maakt.

Template downloaden

Attributen voor kwaliteitsbeheer

Dit zijn de aanbevolen datavelden en contextgegevens voor je event log. Ze vormen de basis voor een volledige analyse van kwaliteitsbeheer.

3 Verplicht 7 Aanbevolen 10 Optioneel

	Naam	Beschrijving
	Activiteitsnaam ActivityName	De naam van de specifieke taak of stap in het kwaliteitsbeheerproces.
Beschrijving Dit attribuut beschrijft één gebeurtenis of actie binnen het beheer van een kwaliteitsgebeurtenis. De volgorde van deze activiteiten, bepaald aan de hand van hun timestamps, vormt het procesverloop van elke case. De activiteitsnaam analyseren is een belangrijk onderdeel van process mining. Zo kun je het werkelijke procesmodel ontdekken, vergelijken met een gewenst model om te controleren of het proces daarmee overeenkomt, en bottlenecks of herstelwerk tussen specifieke activiteiten opsporen. Je kunt bijvoorbeeld de tijd meten tussen 'Onderzoek gestart' en 'Oorzaakanalyse uitgevoerd'. Waarom dit belangrijk is Dit attribuut is nodig om het procesverloop in kaart te brengen, afwijkingen vast te stellen en te begrijpen hoe het werk in de praktijk wordt uitgevoerd. Waar vind je dit? Deze informatie komt meestal uit event logs, records met statuswijzigingen of tabellen met de actiegeschiedenis in de Oracle Quality Management-module. Voorbeelden Kwaliteitsprobleem vastgesteldOnderzoek gestartPlan voor corrigerende maatregelen goedgekeurdEindbeoordeling en afsluiting
	Kwaliteitsgebeurtenis QualityEventId	De unieke identificatiecode van één kwaliteitsgebeurtenis, zoals een non-conformiteit, klacht of afwijking.
Beschrijving De ID van de kwaliteitsgebeurtenis is de primaire case-ID en groepeert alle bijbehorende activiteiten, van de eerste melding tot de definitieve afsluiting. Elke kwaliteitsgebeurtenis krijgt een unieke ID, waarmee een volledig historisch overzicht van het onderzoek en de afhandeling ontstaat. Bij process mining is dit attribuut essentieel om het volledige verloop van elke kwaliteitsgebeurtenis te reconstrueren. Je kunt er de totale doorlooptijden mee berekenen, procesvarianten vaststellen en analyseren hoe verschillende soorten gebeurtenissen worden afgehandeld. Door elk activiteitenlog aan een specifieke ID van een kwaliteitsgebeurtenis te koppelen, kunnen analisten het volledige procesverloop visualiseren en structurele bottlenecks of complianceproblemen opsporen. Waarom dit belangrijk is Deze ID is nodig om de omvang van één case af te bakenen. Zo kun je kwaliteitsgebeurtenissen nauwkeurig volgen en prestatiemaatstaven voor het hele proces berekenen. Waar vind je dit? Dit is meestal de primaire sleutel in de hoofdtabel voor kwaliteitsgebeurtenissen of in de tabellen voor verzamelplannen binnen Oracle Quality Management, zoals QA_RESULTS. Voorbeelden NC-2023-00123CAPA-45892QE-500-A
	Starttijd gebeurtenis EventStartTime	De timestamp waarop een activiteit of gebeurtenis begon.
Beschrijving Dit attribuut geeft de exacte datum en tijd waarop een specifieke processtap begon. Het is het belangrijkste tijdgegeven om gebeurtenissen chronologisch te ordenen en de procesvolgorde van elke case voor een kwaliteitsgebeurtenis op te bouwen. Bij analyses wordt de starttijd van de gebeurtenis gebruikt om doorlooptijden, tijdsduren en wachttijden tussen activiteiten te berekenen. Lange vertragingen tussen opeenvolgende stappen maken bottlenecks zichtbaar. Ook kun je de prestaties volgen aan de hand van tijdgebonden KPI’s, zoals de doorlooptijd van de oorzaakanalyse. Waarom dit belangrijk is Deze timestamp vormt de basis van de procesanalyse. Hiermee kun je alle tijdsberekeningen uitvoeren en activiteiten in de juiste volgorde zetten. Waar vind je dit? Deze timestamp staat meestal in transactielogboeken of geschiedenistabellen voor kwaliteitsacties en verzamelplannen. De kolom heet vaak CREATION_DATE of iets vergelijkbaars. Voorbeelden 2023-04-15T09:00:12Z2023-04-16T11:30:00Z2023-05-01T14:22:45Z
	Beoogde oplossingsdatum TargetResolutionDate	De geplande of verwachte datum waarop het kwaliteitsevent definitief wordt afgesloten.
Beschrijving Dit attribuut geeft de deadline aan waarop een kwaliteitsevent naar verwachting volledig is opgelost. Het is een service level agreement (SLA) of interne streefdatum, die vaak wordt bepaald op basis van de ernst of het type event. Deze datum is belangrijk om de prestaties te volgen en wordt rechtstreeks gebruikt voor de berekening van de KPI ‘CAPA Impl. On-Time Rate’. Door de werkelijke voltooiingsdatums van activiteiten met deze streefdatum te vergelijken, kunnen analisten zien of zaken op tijd worden afgehandeld, events opsporen die dreigen uit te lopen en trends in tijdige afhandeling volgen. Zo kunnen ze werken aan kortere doorlooptijden voor oplossingen. Waarom dit belangrijk is Deze datum is een referentiepunt om te meten of zaken op tijd worden afgehandeld. Ook is hij nodig voor de berekening van KPI’s voor tijdigheid en het beheer van SLA’s. Waar vind je dit? Raadpleeg de documentatie van Oracle Quality Management. Dit kan een standaarddatumveld zijn of een door de gebruiker gedefinieerd element in het kwaliteitsverzamelplan. Voorbeelden 2023-05-302023-06-152024-01-10
	Categorie van de hoofdoorzaak RootCauseCategory	De classificatie van de vastgestelde hoofdoorzaak van het kwaliteitsprobleem.
Beschrijving Na een oorzaakanalyse worden de bevindingen vaak ingedeeld in vooraf bepaalde categorieën, zoals ‘Apparaatstoring’, ‘Menselijke fout’ of ‘Ontwerpfout’. Dit attribuut bevat de uiteindelijke classificatie. Een analyse van het proces op categorie van de hoofdoorzaak kan veel opleveren. Zo verschuift de aandacht van afzonderlijke symptomen naar onderliggende problemen in het systeem. Een groot aantal events met ‘Trainingsprobleem’ als hoofdoorzaak kan bijvoorbeeld aanleiding zijn om de training van medewerkers te verbeteren. Dat is een belangrijk doel van preventieve maatregelen. Waarom dit belangrijk is Dit attribuut helpt om over te stappen van reactief naar proactief kwaliteitsbeheer, doordat je de onderliggende oorzaken van fouten kunt analyseren. Waar vind je dit? Raadpleeg de documentatie van Oracle Quality Management. Dit is waarschijnlijk een door de gebruiker gedefinieerd element in een verzamelplan, dat wordt ingevuld na de activiteit ‘Oorzaakanalyse uitgevoerd’. Voorbeelden ApparaatstoringMateriaaldefectMenselijke foutProcedure niet gevolgd
	Eindtijd gebeurtenis EventEndTime	De timestamp waarop een activiteit of gebeurtenis is afgerond.
Beschrijving De eindtijd van de gebeurtenis geeft aan wanneer een specifieke activiteit is afgerond. Samen met de starttijd bepaalt deze de verwerkingstijd van de activiteit. In sommige systemen duurt een activiteit niet meetbaar lang. De start- en eindtijd zijn dan gelijk. Dit attribuut is nodig voor een gedetailleerde analyse van tijdsduren. Analisten kunnen hiermee actieve verwerkingstijd onderscheiden van wachttijd. De verwerkingstijd loopt van de start tot het einde van een activiteit. De wachttijd loopt vanaf het einde van de ene activiteit tot het begin van de volgende. Zo wordt duidelijk waar mensen actief aan het werk zijn en waar overdrachten voor vertraging zorgen. Waarom dit belangrijk is Hiermee kun je de verwerkingstijd van activiteiten nauwkeurig berekenen en inefficiënte taken onderscheiden van lange wachttijden. Waar vind je dit? Deze waarde staat mogelijk in dezelfde transactie- of geschiedenistabellen als de starttijd, soms onder de naam LAST_UPDATE_DATE of als een specifieke timestamp voor de afronding. Je kunt de waarde ook afleiden uit de starttijd van de volgende gebeurtenis. Voorbeelden 2023-04-15T09:15:30Z2023-04-16T12:00:00Z2023-05-02T10:00:00Z
	Ernstniveau SeverityLevel	Een classificatie van de impact van de kwaliteitsgebeurtenis, bijvoorbeeld kritiek, groot of klein.
Beschrijving Het ernstniveau is een beoordeling, meestal tijdens de eerste beoordeling, van de mogelijke impact van het kwaliteitsprobleem op klanten, compliance of de bedrijfsvoering. Deze classificatie helpt bij het prioriteren van middelen en het bepalen hoe snel er actie nodig is. Bij process mining kun je dit attribuut gebruiken om analyses op te splitsen. Analisten kunnen procesverlopen, doorlooptijden en resultaten van ernstige en minder ernstige gebeurtenissen vergelijken. Dit ondersteunt het dashboard 'Consistentie bij de eerste beoordeling van kwaliteitsgebeurtenissen' en de KPI 'Afhandelingspercentage op basis van ernst'. Zo wordt duidelijk of kritieke problemen inderdaad sneller en effectiever worden afgehandeld. Waarom dit belangrijk is Hiermee kun je analyses prioriteren en opsplitsen, zodat kwaliteitsgebeurtenissen met grote impact effectief en efficiënt worden afgehandeld. Waar vind je dit? Raadpleeg de documentatie van Oracle Quality Management. Dit is vaak een configureerbaar element in een kwaliteitsverzamelplan. Voorbeelden 1 - Kritiek2 - Ernstig3 - Licht4 - Ter informatie
	Huidige status CurrentStatus	De huidige status van de case voor de kwaliteitsgebeurtenis.
Beschrijving Dit attribuut geeft de huidige status van de kwaliteitsgebeurtenis in de levenscyclus aan, zoals 'Open', 'In onderzoek', 'Wacht op goedkeuring' of 'Gesloten'. Het laat zien waar de case zich bevond op het moment dat de data werden opgehaald. Dit attribuut is belangrijk voor het volgen van de bedrijfsvoering en ondersteunt rechtstreeks het dashboard 'Open kwaliteitsgebeurtenissen en statusoverzicht'. Managers zien snel welke kwaliteitsproblemen nog in behandeling zijn en kunnen middelen prioriteren. In process mining kun je filteren op de eindstatus om de resultaten van verschillende procesroutes te analyseren. Waarom dit belangrijk is Dit attribuut geeft realtime inzicht in de voortgang van kwaliteitsgebeurtenissen. Zo kun je actieve cases goed beheren en prioriteren. Waar vind je dit? Deze informatie staat meestal in de hoofdtabel met kwaliteitsgebeurtenissen en geeft de laatst bekende status van de gebeurtenis weer. Voorbeelden OpenIn behandelingWacht op goedkeuringGesloten
	Toegewezen gebruiker AssignedUser	De gebruiker die is toegewezen aan een activiteit of verantwoordelijk is voor de kwaliteitsgebeurtenis.
Beschrijving Dit attribuut geeft aan wie verantwoordelijk is voor een specifieke taak of voor het beheer van de kwaliteitsgebeurtenis als geheel. Het biedt meer detail dan de verantwoordelijke afdeling. Door op gebruiker te analyseren, krijg je inzicht in de werkdruk per persoon, zie je waar training nodig is en herken je goed presterende medewerkers. Ook kunnen patronen zichtbaar worden, zoals werk dat steeds opnieuw wordt toegewezen of taken die bij bepaalde personen blijven liggen. Dit detailniveau is nuttig voor prestatiebeheer en een gerichte inzet van middelen. Waarom dit belangrijk is Hiermee kun je de werkdruk en prestaties per persoon in detail analyseren en beperkingen in de beschikbare capaciteit of mogelijkheden voor training vaststellen. Waar vind je dit? Raadpleeg de documentatie van Oracle Quality Management. Informatie over gebruikerstoewijzingen staat meestal in actie- of workflowtabellen die aan de kwaliteitsgebeurtenis zijn gekoppeld. Voorbeelden j.smitha.jonesr.williams
	Verantwoordelijke afdeling ResponsibleDepartment	De afdeling of het vakgebied dat verantwoordelijk is voor de kwaliteitsgebeurtenis of de huidige activiteit.
Beschrijving Dit attribuut geeft aan welk team of welke afdeling de kwaliteitsgebeurtenis afhandelt. Dat kan bijvoorbeeld Kwaliteitsborging, Engineering, Productie of een andere groep zijn. De verantwoordelijke afdeling kan veranderen naarmate de gebeurtenis de verschillende stappen doorloopt. Door te analyseren op verantwoordelijke afdeling krijg je inzicht in de verdeling van het werk, zie je bottlenecks per afdeling en kun je de prestaties van teams vergelijken. Het dashboard 'Toewijzing van middelen voor kwaliteitsgebeurtenissen' laat zien welke afdelingen bij welke activiteiten betrokken zijn. Zo kun je de inzet van middelen verbeteren. Waarom dit belangrijk is Hiermee kun je de werkdruk, prestaties en bottlenecks per afdeling analyseren. Dat is belangrijk voor de planning van middelen en verbeteringen binnen de organisatie. Waar vind je dit? Raadpleeg de documentatie van Oracle Quality Management. De gegevens staan mogelijk in tabellen voor kwaliteitsacties of toewijzingen die aan de kwaliteitsgebeurtenis zijn gekoppeld. Voorbeelden KwaliteitstechniekProductieLeverancierskwaliteitOntwerptechniek
	Afsluitcode ClosureCode	Een code die de reden of uitkomst van de afsluiting van het kwaliteitsevent aangeeft.
Beschrijving Bij het afsluiten van een kwaliteitsevent wordt vaak een afsluitcode toegekend om de uitkomst te classificeren. Voorbeelden zijn ‘Maatregel effectief’, ‘Geen maatregel nodig’ en ‘Dubbel probleem’. Dit attribuut is nuttig voor uitkomstanalyse. Door te filteren op afsluitcode kunnen analisten de procespaden onderzoeken die wel of niet tot een goed resultaat leiden. Zo kun je vragen beantwoorden als: ‘Hoe verloopt ons proces bij problemen die als dubbel zijn afgesloten?’ Ook kun je inefficiënties in de triage opsporen. Waarom dit belangrijk is Het geeft belangrijke informatie over de uitkomst van een case. Zo kun je analyseren welke procespaden tot een succesvolle oplossing leiden. Waar vind je dit? Raadpleeg de documentatie van Oracle Quality Management. Dit veld wordt waarschijnlijk ingevuld tijdens de laatste activiteit voor afsluiting. Voorbeelden EFFECTIVENO_ACTIONDUPLICATERISK_ACCEPTED
	Bedrijfseenheid BusinessUnit	De bedrijfseenheid of divisie waar het kwaliteitsevent plaatsvond of wordt beheerd.
Beschrijving Dit attribuut koppelt het kwaliteitsevent aan een specifiek onderdeel van de bedrijfsstructuur. Zo kun je de kwaliteitsprestaties van verschillende organisatieonderdelen analyseren en vergelijken. Grote ondernemingen willen hun processen vaak per bedrijfseenheid analyseren. Dat maakt dashboards per bedrijfseenheid mogelijk en helpt vaststellen of bepaalde divisies efficiëntere kwaliteitsprocessen hebben of met specifieke uitdagingen te maken hebben. Dit is nuttig voor toezicht op organisatieniveau en om goede werkwijzen binnen de organisatie te delen. Waarom dit belangrijk is Zo kun je prestaties van verschillende organisatieonderdelen vergelijken en analyseren, en het kwaliteitsbeheer in de hele onderneming volgen. Waar vind je dit? Dit maakt doorgaans deel uit van de organisatorische contextdata bij de transactie en is vaak afkomstig uit de stamgegevens van de gebruiker of afdeling. Voorbeelden Medische hulpmiddelenConsumentenelektronicaAuto-onderdelen
	Bronsysteem SourceSystem	Geeft aan uit welk registratiesysteem de data zijn gehaald.
Beschrijving Dit attribuut geeft aan uit welke applicatie of welk systeem de gebeurtenisdata afkomstig zijn. In een grote organisatie kunnen gegevens over kwaliteitsgebeurtenissen uit meerdere bronnen komen, zoals de Oracle Quality-module, een apart CAPA-systeem of een portaal voor klantklachten. Bij analyses helpt dit veld om de herkomst van data te begrijpen. Je kunt het ook gebruiken om processen op basis van het bronsysteem op te splitsen. Het is belangrijk voor datagovernance en het oplossen van problemen met data-integratie. Zo geeft het procesoverzicht de gecombineerde data uit verschillende systemen correct weer. Waarom dit belangrijk is Dit attribuut geeft belangrijke context over de herkomst van data. Die informatie is nodig om data te valideren, datagovernance toe te passen en procesvarianten tussen systemen te analyseren. Waar vind je dit? Dit is meestal een vaste waarde die tijdens het ETL-proces voor data-extractie, transformatie en laden wordt toegevoegd om de herkomst van de dataset aan te geven. Voorbeelden Oracle Quality Management R12Oracle EBS QualityQM-PROD
	Categorie van het probleem IssueCategory	De categorie of het type kwaliteitsprobleem, zoals ‘Productdefect’ of ‘Procesafwijking’.
Beschrijving Dit attribuut classificeert het kwaliteitsevent en helpt om vergelijkbare problemen te groeperen voor analyse. De organisatie bepaalt de categorieën doorgaans op basis van de eigen bedrijfsvoering. Door het proces te analyseren op categorie van het probleem, kun je patronen in specifieke soorten problemen herkennen. Zo kan blijken dat problemen met ‘Leveranciersmateriaal’ een veel langere doorlooptijd hebben dan problemen met ‘Intern proces’. Deze indeling helpt om verbeteringen op de juiste problemen te richten. Waarom dit belangrijk is Door problemen te categoriseren, kun je trends en oorzaken in specifieke probleemgebieden gericht analyseren. Waar vind je dit? Raadpleeg de documentatie van Oracle Quality Management. Dit is waarschijnlijk een door de gebruiker gedefinieerd element in het kwaliteitsverzamelplan. Voorbeelden ProductdefectProcesafwijkingLeveranciersmateriaalKlacht van klant
	Herstelwerk IsRework	Een aanduiding die aangeeft of een activiteit in dezelfde case een herhaling of herstelwerk van een eerdere stap is.
Beschrijving Dit booleaanse attribuut krijgt de waarde waar als een specifieke activiteit, zoals ‘Corrigerend actieplan voorgesteld’, meer dan één keer voorkomt binnen één kwaliteitsevent-case. Dat wijst op een lus of correctie in het proces: een eerder afgeronde stap moest opnieuw worden uitgevoerd. Herstelwerk opsporen is een belangrijke mogelijkheid van process mining. Met deze aanduiding kun je zulke inefficiënties tellen en de KPI ‘Frequentie van herstelwerk bij activiteiten’ berekenen. Door te analyseren welke stappen vaak opnieuw moeten en onder welke omstandigheden, kun je problemen met training, datakwaliteit of goedkeuringscriteria opsporen. Dat laat zien waar het proces efficiënter kan. Waarom dit belangrijk is Het signaleert inefficiënties en lussen in het proces, zodat je verspilling kunt meten en de oorzaken van herstelwerk kunt opsporen. Waar vind je dit? Dit wordt tijdens de datavoorbereiding berekend met windowfuncties of een sequentiële analyse van het event log. Zo wordt vastgesteld wanneer dezelfde activiteitsnaam meerdere keren voorkomt voor dezelfde case. Voorbeelden truefalse
	ID van het corrigerende actieplan CorrectiveActionPlanId	De unieke identificatiecode van het corrigerende actieplan (CAPA) dat is opgesteld om het kwaliteitsevent aan te pakken.
Beschrijving Dit attribuut koppelt een kwaliteitsevent rechtstreeks aan het specifieke plan met corrigerende en preventieve maatregelen dat is opgesteld om het probleem op te lossen. Dit plan is vaak een afzonderlijk object in het systeem met een eigen levenscyclus. In een analyse kun je deze ID gebruiken om data over het kwaliteitseventproces te combineren met data over het CAPA-beheerproces. Zo krijg je een vollediger beeld. Je kunt nagaan of voor elk event waarvoor een CAPA nodig is, een plan is toegewezen en analyseren hoe effectief de maatregelen zijn. Waarom dit belangrijk is Het koppelt het probleem (kwaliteitsevent) aan de oplossing (CAPA), zodat je het kwaliteitsbeheersysteem van begin tot eind kunt analyseren. Waar vind je dit? Dit is een verwijzingsveld in het record van het kwaliteitsevent dat verwijst naar een record in een specifieke CAPA-tabel of -module. Voorbeelden CAPA-2023-088CAPA-2023-091
	Laatste data-update LastDataUpdate	De timestamp van de meest recente data-update of -verversing vanuit het bronsysteem.
Beschrijving Dit attribuut geeft aan wanneer de data voor deze gebeurtenis voor het laatst zijn bijgewerkt in de process mining-dataset. Zo zie je hoe actueel de data zijn en kun je beoordelen of de analyse nog bij de huidige situatie past. In dashboards en rapporten geeft deze timestamp belangrijke context. Je ziet of de data realtime zijn of een momentopname van een bepaald tijdstip. Dat is nodig om goed onderbouwde beslissingen over de bedrijfsvoering te nemen. Ook maakt de timestamp duidelijk hoe actueel de data zijn. Waarom dit belangrijk is Deze timestamp laat zien hoe actueel de data zijn, zodat gebruikers weten hoe recent de procesanalyse is. Waar vind je dit? Deze waarde wordt tijdens het ETL-proces voor data gegenereerd en opgeslagen. Meestal geeft de waarde aan wanneer de datapijplijn voor het laatst succesvol is uitgevoerd. Voorbeelden 2023-10-27T04:00:00Z2023-10-26T04:00:00Z
	Op tijd IsOnTime	Een aanduiding die aangeeft of een corrigerende maatregel uiterlijk op de beoogde oplossingsdatum is uitgevoerd.
Beschrijving Dit booleaanse attribuut wordt afgeleid door de voltooiingstimestamp van de activiteit ‘Corrigerende maatregel uitgevoerd’ te vergelijken met de ‘Beoogde oplossingsdatum’ van de case. De waarde is waar als de maatregel op of vóór de streefdatum is afgerond, en anders onwaar. Dit attribuut wordt rechtstreeks gebruikt voor de KPI ‘CAPA Impl. On-Time Rate’. Het maakt analyses en dashboards eenvoudiger, doordat voor elke case duidelijk is of deze op tijd is afgehandeld. Je kunt eenvoudig filteren en totalen berekenen om te volgen of serviceniveaus worden gehaald en de oorzaken van vertragingen op te sporen. Waarom dit belangrijk is Het maakt het eenvoudig om bij te houden of doelen voor tijdige afhandeling worden gehaald en hierover te rapporteren met deze belangrijke KPI. Waar vind je dit? Dit is een afgeleide aanduiding die tijdens de datatransformatie wordt berekend. Daarvoor zijn TargetResolutionDate en de timestamp van de relevante voltooiingsactiviteit nodig. Voorbeelden truefalse
	Productidentificatie ProductIdentifier	De identificatiecode van het product dat bij het kwaliteitsevent hoort.
Beschrijving Dit attribuut koppelt het kwaliteitsevent aan een specifiek product, materiaal of dienst. Het kan bijvoorbeeld een productcode, SKU of onderdeelnummer zijn. Deze koppeling is belangrijk voor de analyse van productkwaliteit. Met process mining kun je kwaliteitsbeheerprocessen van verschillende productlijnen vergelijken en producten opsporen die vaak met kwaliteitsproblemen te maken hebben. Zo kun je verbeteringen in engineering of productie richten op de plekken waar ze het meest nodig zijn. Waarom dit belangrijk is Het koppelt kwaliteitsevents aan specifieke producten, zodat je trends in productkwaliteit en verschillen tussen processen kunt analyseren. Waar vind je dit? Deze informatie staat in een veld van het kwaliteitsverzamelplan, vaak gekoppeld aan de artikelstamgegevens van Oracle Inventory. Voorbeelden SKU-100-A-REDPN-987654CHEM-X2
	Totale doorlooptijd TotalCycleTime	De totale tijd vanaf het vaststellen van een kwaliteitsprobleem tot de definitieve afsluiting ervan.
Beschrijving Dit attribuut meet de volledige doorlooptijd van één kwaliteitsevent-case, van begin tot eind. De waarde is het verschil tussen de timestamp van de eerste activiteit (‘Kwaliteitsprobleem vastgesteld’) en die van de laatste activiteit (‘Eindbeoordeling en afsluiting’). Dit is een belangrijke KPI voor de algehele efficiëntie van het kwaliteitsbeheerproces. De metriek vormt de basis voor het dashboard ‘Doorlooptijd kwaliteitsevent van begin tot eind’. Door deze metriek in de tijd te volgen en uit te splitsen naar attributen zoals ernst of categorie van het probleem, krijg je op hoofdlijnen zicht op de procesgezondheid en het effect van verbeteringen. Waarom dit belangrijk is Dit is een belangrijke KPI voor de snelheid en efficiëntie van het volledige kwaliteitsbeheerproces, van begin tot eind. Waar vind je dit? Dit wordt op caseniveau berekend tijdens de dataverwerking voor process mining. Daarvoor zijn de starttijd van het eerste event en de eindtijd van het laatste event nodig voor elke QualityEventId. Voorbeelden P30DT12HP15DP92D

Verplicht Aanbevolen Optioneel

Activiteiten voor kwaliteitsbeheer

Leg deze belangrijke processtappen en mijlpalen vast in je event log voor een betrouwbare procesanalyse en prestatiebeoordeling.

6 Aanbevolen 8 Optioneel

	Activiteit	Beschrijving
	Effectiviteit van maatregel gecontroleerd	Bevestigt dat de uitgevoerde corrigerende maatregel de grondoorzaak heeft weggenomen en herhaling heeft voorkomen. Dit wordt vastgelegd wanneer een gebruiker de controle afrondt en de status van het record bijwerkt.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal die is gebaseerd op het resultaat en de basis vormt voor de KPI 'Percentage effectiviteitscontroles'. Hiermee wordt de cyclus van corrigerende maatregelen afgesloten en gecontroleerd of het probleem echt is opgelost. Waar vind je dit? Afgeleid uit een statuswijziging van het CAPA-record naar 'Controle afgerond' of 'Effectief'. Mogelijk worden ook specifieke velden met controleresultaten ingevuld. Vastleggen Afgeleid uit een statuswijziging naar 'Controle afgerond' of 'Effectief'. Gebeurtenistype inferred
	Eindbeoordeling en afsluiting	De laatste stap, waarin wordt bevestigd dat alle gekoppelde maatregelen zijn afgerond en het bovenliggende kwaliteitsprobleem formeel wordt afgesloten. Dit wordt vastgelegd met een laatste statuswijziging naar 'Gesloten' of 'Opgelost' op het hoofdrecord.
Waarom dit belangrijk is Dit is het belangrijkste eindevent van het proces. Het is nodig om de KPI 'Gemiddelde doorlooptijd kwaliteitsgebeurtenis' te berekenen en de totale doorvoer van het proces te meten. Waar vind je dit? Afgeleid uit de laatste statuswijziging van het bovenliggende record van het kwaliteitsprobleem naar 'Gesloten'. De timestamp van deze wijziging geldt als tijdstip van de gebeurtenis. Vastleggen Afgeleid uit een statuswijziging naar 'Gesloten' van het hoofdrecord van het kwaliteitsprobleem. Gebeurtenistype inferred
	Kwaliteitsprobleem vastgesteld	Deze activiteit markeert de aanmaak van een nieuw record voor een kwaliteitsgebeurtenis, zoals een non-conformiteit, afwijking of klantklacht. De activiteit wordt expliciet vastgelegd wanneer een gebruiker in Oracle een nieuw record voor een kwaliteitsprobleem of kwaliteitsactie aanmaakt.
Waarom dit belangrijk is Als startevent is deze activiteit nodig om de totale doorlooptijd van het kwaliteitsbeheerproces te berekenen en inzicht te krijgen in het aantal binnenkomende kwaliteitsgebeurtenissen. Waar vind je dit? Deze gebeurtenis wordt vastgelegd aan de hand van de aanmaaktimestamp van het record voor het kwaliteitsprobleem of de kwaliteitsactie. Die is waarschijnlijk te vinden in tabellen zoals QAM_QUALITY_ISSUES of QAM_QUALITY_ACTIONS. Vastleggen Gebeurtenis vastgelegd bij het aanmaken van een nieuw record voor een kwaliteitsprobleem of kwaliteitsactie. Gebeurtenistype explicit
	Onderzoek gestart	Markeert het officiële begin van de onderzoeksfase om de grondoorzaak van het kwaliteitsprobleem vast te stellen. Dit wordt meestal weergegeven door een statuswijziging in het systeem, bijvoorbeeld naar 'In onderzoek'.
Waarom dit belangrijk is Dit is het startpunt voor het meten van de KPI 'Doorlooptijd oorzaakanalyse'. Ook wordt zichtbaar hoelang problemen wachten voordat een formeel onderzoek begint. Waar vind je dit? Afgeleid uit een statuswijziging van het record van het kwaliteitsprobleem of een gekoppeld record van een kwaliteitsactie naar de status 'Onderzoek'. De timestamp van de statuswijziging geldt als tijdstip van de gebeurtenis. Vastleggen Afgeleid uit een statuswijziging naar 'In onderzoek' of een vergelijkbare status. Gebeurtenistype inferred
	Plan voor corrigerende maatregelen goedgekeurd	Geeft aan dat een bevoegde persoon het voorgestelde plan voor corrigerende maatregelen formeel heeft goedgekeurd. Dit is een belangrijk controlepunt, dat meestal wordt vastgelegd via een expliciete goedkeuringsactie of een statuswijziging naar 'Goedgekeurd'.
Waarom dit belangrijk is Deze goedkeuring is een belangrijke mijlpaal en vaak een bottleneck. Door de goedkeuringstijden te analyseren, kun je het proces verbeteren en controleren of het aan de procedures voldoet. Waar vind je dit? Afgeleid uit een statuswijziging van het record van de kwaliteitsactie of CAPA naar 'Goedgekeurd'. Oracle-systemen met goedkeuringsworkflows leggen deze wijziging vaak expliciet vast in audittabellen. Vastleggen Afgeleid uit een statuswijziging naar 'Goedgekeurd'. Gebeurtenistype inferred
	Probleem gecategoriseerd en geprioriteerd	Deze activiteit vindt plaats wanneer een analist de eerste beoordeling afrondt en belangrijke attributen invult, zoals ernst, prioriteit en type probleem. Meestal wordt dit vastgelegd wanneer de status verandert van 'Nieuw' in 'Beoordeeld' of 'In eerste beoordeling'.
Waarom dit belangrijk is Deze mijlpaal is belangrijk voor de KPI 'Gemiddelde verwerkingstijd eerste beoordeling'. Vertragingen kunnen het hele afhandelingsproces vertragen, vooral bij kritieke problemen. Waar vind je dit? Afgeleid uit een statuswijziging van het record van het kwaliteitsprobleem, bijvoorbeeld van 'Nieuw' naar 'In beoordeling', of wanneer velden zoals 'Ernst' of 'Prioriteit' voor het eerst worden ingevuld. Vastleggen Afgeleid uit een statuswijziging of het voor het eerst invullen van de velden Ernst of Prioriteit. Gebeurtenistype inferred
	Betrokkenen geïnformeerd over de oplossing	Geeft aan dat de oplossing van de kwaliteitsgebeurtenis is meegedeeld aan de betrokkenen, zoals de melder of getroffen klanten. Dit is lastig vast te leggen en kan worden afgeleid uit een statuswijziging na afsluiting of een geregistreerde opmerking.
Waarom dit belangrijk is Belangrijk voor de KPI 'Vertraging bij informeren van betrokkenen'. Tijdige communicatie is van belang voor klanttevredenheid en interne transparantie, ook nadat een probleem is opgelost. Waar vind je dit? Deze activiteit is vaak lastig automatisch vast te leggen. De activiteit kan worden afgeleid uit een status zoals 'Melding verzonden' of worden geregistreerd in een activiteits- of opmerkingenveld. Daarvoor is mogelijk speciale extractielogica nodig. Vastleggen Afgeleid uit een specifieke statuswijziging of mogelijk uit tekstanalyse van activiteitenlogboeken. Gebeurtenistype inferred
	Corrigerende maatregel uitgevoerd	Markeert de afronding van de taken uit het goedgekeurde plan voor corrigerende maatregelen. Dit wordt meestal vastgelegd wanneer een gebruiker de status van het record van de corrigerende maatregel wijzigt in 'Uitgevoerd' of 'Afgerond'.
Waarom dit belangrijk is Deze activiteit is belangrijk voor de KPI 'Percentage CAPA’s op tijd uitgevoerd'. De activiteit geeft aan dat de geplande oplossing is uitgevoerd en maakt vergelijking met de streefdatums mogelijk. Waar vind je dit? Deze gebeurtenis wordt afgeleid uit een statuswijziging van het gekoppelde record van de kwaliteitsactie of CAPA naar 'Uitgevoerd' of 'Afgerond'. Vastleggen Afgeleid uit een statuswijziging naar 'Uitgevoerd' of 'Afgerond'. Gebeurtenistype inferred
	Effectiviteitscontrole vereist	Geeft aan dat het systeem of een gebruiker heeft gemarkeerd dat de uitgevoerde maatregel achteraf moet worden gecontroleerd op effectiviteit. Dit gebeurt vaak via een automatische of handmatige statuswijziging na de uitvoering.
Waarom dit belangrijk is Deze stap start de belangrijke controlefase. De tijd tussen de uitvoering en deze activiteit kan vertragingen bij het starten van noodzakelijke vervolgcontroles aan het licht brengen. Waar vind je dit? Deze gebeurtenis wordt afgeleid uit een statuswijziging van de kwaliteitsactie naar 'Wacht op effectiviteitscontrole' of een vergelijkbare status in de workflow. Vastleggen Afgeleid uit een statuswijziging naar 'Wacht op effectiviteitscontrole'. Gebeurtenistype inferred
	Oorzaakanalyse uitgevoerd	Geeft aan dat de oorzaakanalyse (RCA) is afgerond en de bevindingen zijn vastgelegd. Dit wordt meestal geregistreerd wanneer het onderzoeksteam de vastgestelde grondoorzaak toevoegt aan het kwaliteitsprobleem en de status wijzigt.
Waarom dit belangrijk is Deze activiteit is het eindpunt voor de KPI 'Doorlooptijd oorzaakanalyse'. Door de tijd tot deze stap te analyseren, worden bottlenecks in het oplossen van problemen zichtbaar. Waar vind je dit? Afgeleid uit een statuswijziging naar 'RCA afgerond' of wanneer het veld voor de categorie van de grondoorzaak wordt ingevuld en het record wordt opgeslagen. De timestamp van deze wijziging wordt gebruikt. Vastleggen Afgeleid uit een statuswijziging naar 'RCA afgerond' of het invullen van velden voor de grondoorzaak. Gebeurtenistype inferred
	Plan voor corrigerende maatregelen voorgesteld	Deze activiteit vindt plaats wanneer corrigerende maatregelen worden vastgesteld en aan het kwaliteitsprobleem worden gekoppeld. Het plan beschrijft hoe het probleem wordt opgelost. Dit kan blijken uit de aanmaak van een gekoppeld record voor een corrigerende maatregel of uit een statuswijziging die aangeeft dat het plan klaar is voor beoordeling.
Waarom dit belangrijk is Deze activiteit markeert de overgang van probleemanalyse naar het uitwerken van een oplossing. Herstelwerk bij deze stap, gemeten met KPI’s voor herstelwerk, kan wijzen op onduidelijke eisen of een gebrekkige planning. Waar vind je dit? Dit kan een expliciete gebeurtenis zijn, zoals het aanmaken van een nieuw record voor een corrigerende maatregel binnen een CAPA-object. Het kan ook worden afgeleid uit een statuswijziging naar 'Plan voorgesteld' of 'Wacht op goedkeuring'. Vastleggen Afgeleid uit een statuswijziging naar 'Wacht op goedkeuring' of uit de aanmaak van een gekoppelde corrigerende maatregel. Gebeurtenistype inferred
	Preventieve maatregel uitgevoerd	Markeert de afronding van de taken uit het plan voor preventieve maatregelen om structurele risico’s te beperken. Dit wordt vastgelegd wanneer een gebruiker de status van het record voor de preventieve maatregel wijzigt in 'Uitgevoerd' of 'Afgerond'.
Waarom dit belangrijk is Meet hoe goed de organisatie proactieve kwaliteitsverbeteringen uitvoert. Vertragingen kunnen erop wijzen dat structurele veranderingen binnen de organisatie moeilijk van de grond komen. Waar vind je dit? Afgeleid uit een statuswijziging van het gekoppelde record voor de preventieve maatregel naar 'Uitgevoerd' of 'Afgerond', op dezelfde manier als bij corrigerende maatregelen. Vastleggen Afgeleid uit een statuswijziging naar 'Uitgevoerd' van een record voor een preventieve maatregel. Gebeurtenistype inferred
	Preventieve maatregel vastgesteld	Geeft aan dat een preventieve maatregel (PA) is aangemaakt om structurele problemen aan te pakken en vergelijkbare kwaliteitsgebeurtenissen te voorkomen. Dit wordt vaak vastgelegd als een nieuw record voor een preventieve maatregel dat aan het oorspronkelijke probleem is gekoppeld.
Waarom dit belangrijk is Deze activiteit laat zien dat het kwaliteitsproces verder gaat dan het oplossen van afzonderlijke problemen en ook toekomstige problemen voorkomt. Door deze activiteit te volgen, kun je proactieve kwaliteitsverbeteringen meten. Waar vind je dit? Vastgelegd bij de aanmaak van een nieuw record voor een kwaliteitsactie van het type 'Preventieve maatregel', vaak gekoppeld aan het oorspronkelijke kwaliteitsprobleem of de corrigerende maatregel. Vastleggen Vastgelegd bij de aanmaak van een record voor een kwaliteitsactie van het type 'Preventieve maatregel'. Gebeurtenistype explicit
	Probleem toegewezen voor eerste beoordeling	Geeft aan dat het nieuwe kwaliteitsprobleem is toegewezen aan een specifieke gebruiker of een team voor een eerste beoordeling. Deze gebeurtenis wordt vaak afgeleid uit wijzigingen in het veld voor toegewezen gebruiker of eigenaar van het record.
Waarom dit belangrijk is Door deze eerste overdracht te volgen, worden vertragingen vóór de beoordeling zichtbaar. De tijd in deze status kan wijzen op achterstanden in de wachtrij voor de eerste beoordeling. Waar vind je dit? Afgeleid uit wijzigingen in het veld voor eigenaar of toegewezen gebruiker in het record van het kwaliteitsprobleem. De gegevens kunnen afkomstig zijn uit auditspoordtabellen of worden afgeleid door statuswijzigingen in workflows voor toewijzing te volgen. Vastleggen Afgeleid uit een wijziging in het veld 'Toegewezen aan' of 'Eigenaar' van het kwaliteitsprobleem. Gebeurtenistype inferred

Aanbevolen Optioneel

Extractiegidsen

Zo haal je data uit Oracle Quality Management

Stappen

Open Oracle BI Publisher: Meld je aan bij je Oracle E-Business Suite-omgeving en ga naar de verantwoordelijkheid die toegang geeft tot BI Publisher, zoals BI Publisher Administrator of een vergelijkbare aangepaste verantwoordelijkheid.
Maak een nieuw datamodel: Kies op de startpagina van BI Publisher de optie Create en vervolgens Data Model. De editor voor datamodellen wordt geopend.
Definieer een SQL Query-dataset: Klik in de editor voor datamodellen op het pluspictogram in het deelvenster Data Sets en kies SQL Query. De editor voor SQL-query’s wordt geopend.
Configureer de databron: Geef in het venster New Data Set je dataset een naam, bijvoorbeeld DS_QUALITY_EVENTS. Selecteer de juiste Oracle EBS-database als Data Source.
Voer de SQL-query in: Kopieer de volledige SQL-query uit het gedeelte ‘query’ van dit document en plak deze in het tekstveld SQL Query.
Definieer queryparameters: De query gebruikt de placeholders :P_START_DATE en :P_END_DATE voor de rapportageperiode. Definieer deze als parameters in het BI Publisher-datamodel. Maak voor elke placeholder een parameter aan, geef deze de bijbehorende naam (bijvoorbeeld P_START_DATE), stel Data Type in op Date en configureer een duidelijke prompt voor de gebruiker.
Sla het datamodel op: Sla het datamodel op nadat je de query hebt ingevoerd en de parameters hebt gedefinieerd. Je kunt het opslaan in een gedeelde map voor rapporten.
Maak een nieuw rapport: Ga terug naar de startpagina van BI Publisher en kies Create en vervolgens Report. Selecteer de optie ‘Use Data Model’ en zoek het datamodel dat je zojuist hebt opgeslagen.
Configureer de rapportindeling: De rapportwizard begeleidt je bij het instellen van de indeling. Voor ProcessMind volstaat een eenvoudige tabel. Sleep alle kolommen uit het datamodel naar de rapportindeling. Stel de uitvoerindeling in op CSV.
Stel de rapportopties in: Controleer bij de rapportopties of ‘Enable CSV Output’ is aangevinkt. Je kunt zo nodig ook standaardwaarden voor parameters instellen.
Voer het rapport uit en exporteer het: Sla het rapport op en voer het uit met de gewenste begin- en einddatum. Klik na het genereren op de knop Export en selecteer CSV als uitvoerindeling. Het bestand wordt naar je computer gedownload.
Bereid het bestand voor op upload: Open het gedownloade CSV-bestand en controleer of de verwachte data erin staat. Controleer of de kolomkoppen overeenkomen met de vereisten van het ProcessMind-schema. Het bestand is nu klaar om te uploaden.

Configuratie

Vereisten: Een gebruikersaccount met toegang tot Oracle BI Publisher en leesrechten voor de onderliggende tabellen van de Quality-module, zoals QA_RESULTS, QA_PLANS, QA_ACTIONS en FND_USER.
Configuratie van de databron: Het BI Publisher-datamodel moet verbinding maken met de primaire Oracle EBS-applicatiedatabase (APPS-schema).
Parameters voor de datums: De query heeft twee verplichte parameters, :P_START_DATE en :P_END_DATE, om de data-extractie te filteren. Voor een eerste analyse raden we een periode van 6 tot 12 maanden aan, zodat je genoeg volledige cases verzamelt. Gebruik de datumnotatie ‘YYYY-MM-DD’.
Uitvoerindeling: Configureer het rapport voor CSV-uitvoer. Dit formaat werkt goed voor ProcessMind, omdat het eenvoudig en gestructureerd is en geen ingewikkelde verwerking vereist.
Planning: Plan het BI Publisher-rapport regelmatig in, bijvoorbeeld dagelijks of wekelijks, om processen continu te volgen. Laat de uitvoer opslaan op een aangewezen server of in een contentrepository, zodat deze automatisch kan worden opgehaald.
Prestaties: Bij omgevingen met veel kwaliteitsevents kan het uitvoeren van de query veel tijd kosten. Kies een geschikte periode. Bespreek eventuele optimalisatie van de query of indexering van tabellen met je databasebeheerder als de prestaties tegenvallen.

a Voorbeeldquery sql

SELECT
    qr.occurrence AS QualityEventId,
    'Quality Issue Identified' AS ActivityName,
    qr.creation_date AS EventStartTime,
    qr.last_update_date AS EventEndTime,
    qp.department_code AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qr.qa_last_update_status AS CurrentStatus,
    qpc_sev.char_value AS SeverityLevel,
    qr.transaction_date AS TargetResolutionDate, -- Or a dedicated target date field
    qpc_rc.char_value AS RootCauseCategory,
    NULL AS ProcessingTime
FROM
    qa_results qr
JOIN
    qa_plans qp ON qr.plan_id = qp.plan_id
LEFT JOIN
    fnd_user fu ON qr.created_by = fu.user_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Severity_Char_ID]) qpc_sev ON qr.result_id = qpc_sev.result_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Root_Cause_Char_ID]) qpc_rc ON qr.result_id = qpc_rc.result_id
WHERE
    qr.creation_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

-- Activities based on status changes are best captured from an audit table if available. 
-- This example uses LAST_UPDATE_DATE which is an approximation.
SELECT
    qr.occurrence AS QualityEventId,
    'Issue Assigned For Triage' AS ActivityName,
    qr.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    qp.department_code AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qr.qa_last_update_status AS CurrentStatus,
    qpc_sev.char_value AS SeverityLevel,
    qr.transaction_date AS TargetResolutionDate,
    qpc_rc.char_value AS RootCauseCategory,
    NULL AS ProcessingTime
FROM
    qa_results qr
JOIN
    qa_plans qp ON qr.plan_id = qp.plan_id
LEFT JOIN
    fnd_user fu ON qr.last_updated_by = fu.user_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Severity_Char_ID]) qpc_sev ON qr.result_id = qpc_sev.result_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Root_Cause_Char_ID]) qpc_rc ON qr.result_id = qpc_rc.result_id
WHERE
    qr.qa_last_update_status IN ('Assigned', 'In Triage') AND qr.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT
    qr.occurrence AS QualityEventId,
    'Issue Categorized and Prioritized' AS ActivityName,
    qr.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    qp.department_code AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qr.qa_last_update_status AS CurrentStatus,
    qpc_sev.char_value AS SeverityLevel,
    qr.transaction_date AS TargetResolutionDate,
    qpc_rc.char_value AS RootCauseCategory,
    NULL AS ProcessingTime
FROM
    qa_results qr
JOIN
    qa_plans qp ON qr.plan_id = qp.plan_id
LEFT JOIN
    fnd_user fu ON qr.last_updated_by = fu.user_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Severity_Char_ID]) qpc_sev ON qr.result_id = qpc_sev.result_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Root_Cause_Char_ID]) qpc_rc ON qr.result_id = qpc_rc.result_id
WHERE
    qr.qa_last_update_status IN ('Assessed', 'Prioritized') AND qr.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT
    qr.occurrence AS QualityEventId,
    'Investigation Initiated' AS ActivityName,
    qr.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    qp.department_code AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qr.qa_last_update_status AS CurrentStatus,
    qpc_sev.char_value AS SeverityLevel,
    qr.transaction_date AS TargetResolutionDate,
    qpc_rc.char_value AS RootCauseCategory,
    NULL AS ProcessingTime
FROM
    qa_results qr
JOIN
    qa_plans qp ON qr.plan_id = qp.plan_id
LEFT JOIN
    fnd_user fu ON qr.last_updated_by = fu.user_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Severity_Char_ID]) qpc_sev ON qr.result_id = qpc_sev.result_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Root_Cause_Char_ID]) qpc_rc ON qr.result_id = qpc_rc.result_id
WHERE
    qr.qa_last_update_status = 'Under Investigation' AND qr.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT
    qr.occurrence AS QualityEventId,
    'Root Cause Analysis Performed' AS ActivityName,
    qr.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    qp.department_code AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qr.qa_last_update_status AS CurrentStatus,
    qpc_sev.char_value AS SeverityLevel,
    qr.transaction_date AS TargetResolutionDate,
    qpc_rc.char_value AS RootCauseCategory,
    NULL AS ProcessingTime
FROM
    qa_results qr
JOIN
    qa_plans qp ON qr.plan_id = qp.plan_id
LEFT JOIN
    fnd_user fu ON qr.last_updated_by = fu.user_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Severity_Char_ID]) qpc_sev ON qr.result_id = qpc_sev.result_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Root_Cause_Char_ID]) qpc_rc ON qr.result_id = qpc_rc.result_id
WHERE
    qpc_rc.char_value IS NOT NULL AND qr.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

-- Corrective and Preventive Actions from a table like QA_ACTIONS
SELECT 
    qa.source_code AS QualityEventId,
    'Corrective Action Plan Proposed' AS ActivityName,
    qa.creation_date AS EventStartTime,
    NULL AS EventEndTime,
    NULL AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qa.status_code AS CurrentStatus,
    NULL AS SeverityLevel,
    qa.target_date AS TargetResolutionDate,
    NULL AS RootCauseCategory,
    NULL AS ProcessingTime
FROM qa_actions qa
LEFT JOIN fnd_user fu ON qa.assignee_id = fu.user_id
WHERE qa.action_code = 'CORRECTIVE_ACTION' AND qa.creation_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT 
    qa.source_code AS QualityEventId,
    'Corrective Action Plan Approved' AS ActivityName,
    qa.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    NULL AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qa.status_code AS CurrentStatus,
    NULL AS SeverityLevel,
    qa.target_date AS TargetResolutionDate,
    NULL AS RootCauseCategory,
    NULL AS ProcessingTime
FROM qa_actions qa
LEFT JOIN fnd_user fu ON qa.last_updated_by = fu.user_id
WHERE qa.action_code = 'CORRECTIVE_ACTION' AND qa.status_code = 'Approved' AND qa.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT 
    qa.source_code AS QualityEventId,
    'Corrective Action Implemented' AS ActivityName,
    qa.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    NULL AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qa.status_code AS CurrentStatus,
    NULL AS SeverityLevel,
    qa.target_date AS TargetResolutionDate,
    NULL AS RootCauseCategory,
    NULL AS ProcessingTime
FROM qa_actions qa
LEFT JOIN fnd_user fu ON qa.last_updated_by = fu.user_id
WHERE qa.action_code = 'CORRECTIVE_ACTION' AND qa.status_code IN ('Implemented', 'Completed') AND qa.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT
    qr.occurrence AS QualityEventId,
    'Effectiveness Check Required' AS ActivityName,
    qr.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    qp.department_code AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qr.qa_last_update_status AS CurrentStatus,
    qpc_sev.char_value AS SeverityLevel,
    qr.transaction_date AS TargetResolutionDate,
    qpc_rc.char_value AS RootCauseCategory,
    NULL AS ProcessingTime
FROM
    qa_results qr
JOIN
    qa_plans qp ON qr.plan_id = qp.plan_id
LEFT JOIN
    fnd_user fu ON qr.last_updated_by = fu.user_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Severity_Char_ID]) qpc_sev ON qr.result_id = qpc_sev.result_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Root_Cause_Char_ID]) qpc_rc ON qr.result_id = qpc_rc.result_id
WHERE
    qr.qa_last_update_status = 'Verification Pending' AND qr.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT
    qr.occurrence AS QualityEventId,
    'Effectiveness of Action Verified' AS ActivityName,
    qr.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    qp.department_code AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qr.qa_last_update_status AS CurrentStatus,
    qpc_sev.char_value AS SeverityLevel,
    qr.transaction_date AS TargetResolutionDate,
    qpc_rc.char_value AS RootCauseCategory,
    NULL AS ProcessingTime
FROM
    qa_results qr
JOIN
    qa_plans qp ON qr.plan_id = qp.plan_id
LEFT JOIN
    fnd_user fu ON qr.last_updated_by = fu.user_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Severity_Char_ID]) qpc_sev ON qr.result_id = qpc_sev.result_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Root_Cause_Char_ID]) qpc_rc ON qr.result_id = qpc_rc.result_id
WHERE
    qr.qa_last_update_status = 'Verification Complete' AND qr.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT 
    qa.source_code AS QualityEventId,
    'Preventive Action Identified' AS ActivityName,
    qa.creation_date AS EventStartTime,
    NULL AS EventEndTime,
    NULL AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qa.status_code AS CurrentStatus,
    NULL AS SeverityLevel,
    qa.target_date AS TargetResolutionDate,
    NULL AS RootCauseCategory,
    NULL AS ProcessingTime
FROM qa_actions qa
LEFT JOIN fnd_user fu ON qa.assignee_id = fu.user_id
WHERE qa.action_code = 'PREVENTIVE_ACTION' AND qa.creation_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT 
    qa.source_code AS QualityEventId,
    'Preventive Action Implemented' AS ActivityName,
    qa.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    NULL AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qa.status_code AS CurrentStatus,
    NULL AS SeverityLevel,
    qa.target_date AS TargetResolutionDate,
    NULL AS RootCauseCategory,
    NULL AS ProcessingTime
FROM qa_actions qa
LEFT JOIN fnd_user fu ON qa.last_updated_by = fu.user_id
WHERE qa.action_code = 'PREVENTIVE_ACTION' AND qa.status_code IN ('Implemented', 'Completed') AND qa.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT
    qr.occurrence AS QualityEventId,
    'Final Review and Closure' AS ActivityName,
    qr.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    qp.department_code AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qr.qa_last_update_status AS CurrentStatus,
    qpc_sev.char_value AS SeverityLevel,
    qr.transaction_date AS TargetResolutionDate,
    qpc_rc.char_value AS RootCauseCategory,
    NULL AS ProcessingTime
FROM
    qa_results qr
JOIN
    qa_plans qp ON qr.plan_id = qp.plan_id
LEFT JOIN
    fnd_user fu ON qr.last_updated_by = fu.user_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Severity_Char_ID]) qpc_sev ON qr.result_id = qpc_sev.result_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Root_Cause_Char_ID]) qpc_rc ON qr.result_id = qpc_rc.result_id
WHERE
    qr.qa_last_update_status IN ('Closed', 'Resolved') AND qr.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

UNION ALL

SELECT
    qr.occurrence AS QualityEventId,
    'Stakeholders Notified of Resolution' AS ActivityName,
    qr.last_update_date AS EventStartTime,
    NULL AS EventEndTime,
    qp.department_code AS ResponsibleDepartment,
    fu.user_name AS AssignedUser,
    qr.qa_last_update_status AS CurrentStatus,
    qpc_sev.char_value AS SeverityLevel,
    qr.transaction_date AS TargetResolutionDate,
    qpc_rc.char_value AS RootCauseCategory,
    NULL AS ProcessingTime
FROM
    qa_results qr
JOIN
    qa_plans qp ON qr.plan_id = qp.plan_id
LEFT JOIN
    fnd_user fu ON qr.last_updated_by = fu.user_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Severity_Char_ID]) qpc_sev ON qr.result_id = qpc_sev.result_id
LEFT JOIN
    (SELECT result_id, character_value AS char_value FROM qa_results_chars WHERE char_id = [Your_Root_Cause_Char_ID]) qpc_rc ON qr.result_id = qpc_rc.result_id
WHERE
    qr.qa_last_update_status = 'Notification Sent' AND qr.last_update_date BETWEEN TO_DATE(:P_START_DATE, 'YYYY-MM-DD') AND TO_DATE(:P_END_DATE, 'YYYY-MM-DD')

Stappen

Vereisten: Zorg dat je een databaseclient hebt, zoals SQL Developer of DBeaver, en leesrechten voor de Oracle-database waarin de module Quality Management draait.
Bekijk het schema: Maak jezelf vertrouwd met de belangrijkste Oracle Quality-tabellen. De query gebruikt vooral QA_RESULTS voor de kopgegevens van kwaliteitsevents, QA_PLANS voor de plandefinities, QA_RESULTS_V voor een gecombineerde weergave van resultaten en bijbehorende waarden, en applicatietabellen voor gebruikers, zoals FND_USER of PER_ALL_PEOPLE_F.
Definieer queryparameters: Zoek vóór je de query uitvoert de placeholders in de WHERE-clausule. Vervang :start_date, :end_date en :organization_id door de juiste waarden voor de data die je wilt ophalen. Stel bijvoorbeeld :start_date in op ‘2023-01-01’ en :end_date op ‘2023-06-30’.
Voer de SQL-query uit: Kopieer het volledige SQL-script en voer het uit in je databaseclient. Het script gebruikt meerdere UNION ALL-clausules om verschillende events samen te voegen tot één event log.
Controleer de ruwe data: Bekijk de uitvoer nadat de query is uitgevoerd. Elke rij staat voor één activiteit in de levenscyclus van een kwaliteitsevent. Controleer of de data volledig is en of belangrijke kolommen, zoals QualityEventId, ActivityName en EventStartTime, waarden bevatten.
Verwerk timestamps en doorlooptijden: De query levert EventStartTime. EventEndTime blijft bewust NULL, omdat je voor het bepalen van de eindtijd van een event vaak de starttijd van het volgende event nodig hebt. Je kunt deze berekening meestal het beste uitvoeren in de process mining-tool of met een script voor nabewerking. Ook ProcessingTime is ingesteld op NULL, omdat deze waarde op basis van de begin- en eindtijd moet worden berekend.
Exporteer naar CSV: Exporteer de volledige resultatenset vanuit je SQL-client naar een CSV-bestand. Gebruik UTF-8-codering en voeg een kopregel toe met de kolomaliassen uit de query.
Bereid het bestand voor op upload: Controleer of de CSV-kolomkoppen voldoen aan de vereisten van het ProcessMind-platform (Case-ID, Activiteit, Start Timestamp). Hernoem vóór het uploaden de kolommen QualityEventId, ActivityName en EventStartTime naar deze namen.

Configuratie

Databasetoegang: De gebruiker die de query uitvoert, moet SELECT-rechten hebben voor alle tabellen waarnaar het script verwijst. Dit kunnen tabellen zijn in de schema’s APPS, QA, PER en HR.
Belangrijke queryfilters: De query bevat placeholders die je moet instellen:
- :start_date: Het begin van de rapportageperiode. De query selecteert events die op of na deze datum zijn aangemaakt.
- :end_date: Het einde van de rapportageperiode.
- :organization_id: De Oracle-organisatie-ID die je wilt analyseren. Kwaliteitsplannen en -resultaten zijn vaak gekoppeld aan een organisatie.
Datumbereik: Voor een eerste analyse raden we aan data over een periode van 3 tot 6 maanden te gebruiken. Begin bij grote systemen met veel data met een kortere periode, bijvoorbeeld één maand. Zo kun je de prestaties van de query beoordelen voordat je meer data ophaalt.
Aandachtspunten voor de prestaties: Deze query koppelt meerdere grote tabellen en voegt 14 aparte resultatensets samen. Dat kan veel systeembronnen vragen. Plan de data-extractie buiten piekuren om de invloed op de systeemprestaties te beperken. Overleg bij tegenvallende prestaties met een databasebeheerder over indexering van belangrijke kolommen, vooral datumkolommen en foreign keys.

a Voorbeeldquery sql

WITH QualityEventBase AS (
    SELECT
        qr.COLLECTION_ID,
        qr.PLAN_ID,
        qp.NAME AS PLAN_NAME,
        qr.ORGANIZATION_ID,
        qr.CREATION_DATE,
        qr.LAST_UPDATE_DATE,
        qr.CREATED_BY,
        qr.LAST_UPDATED_BY,
        (SELECT qrv.CHARACTER1 FROM QA_RESULTS_V qrv WHERE qrv.COLLECTION_ID = qr.COLLECTION_ID AND qrv.ELEMENT_SHORT_CODE = 'Q_STATUS') AS CurrentStatus,
        (SELECT qrv.CHARACTER1 FROM QA_RESULTS_V qrv WHERE qrv.COLLECTION_ID = qr.COLLECTION_ID AND qrv.ELEMENT_SHORT_CODE = 'Q_SEVERITY') AS SeverityLevel,
        (SELECT qrv.CHARACTER1 FROM QA_RESULTS_V qrv WHERE qrv.COLLECTION_ID = qr.COLLECTION_ID AND qrv.ELEMENT_SHORT_CODE = 'Q_ROOT_CAUSE') AS RootCauseCategory,
        (SELECT qrv.CHARACTER1 FROM QA_RESULTS_V qrv WHERE qrv.COLLECTION_ID = qr.COLLECTION_ID AND qrv.ELEMENT_SHORT_CODE = 'Q_DEPT') AS ResponsibleDepartment,
        (SELECT qrv.DATE1 FROM QA_RESULTS_V qrv WHERE qrv.COLLECTION_ID = qr.COLLECTION_ID AND qrv.ELEMENT_SHORT_CODE = 'Q_TARGET_DATE') AS TargetResolutionDate,
        (SELECT fu.USER_NAME FROM FND_USER fu WHERE fu.USER_ID = qr.LAST_UPDATED_BY) AS AssignedUser
    FROM
        QA_RESULTS qr
    JOIN
        QA_PLANS qp ON qr.PLAN_ID = qp.PLAN_ID
    WHERE
        qr.CREATION_DATE BETWEEN TO_DATE(:start_date, 'YYYY-MM-DD') AND TO_DATE(:end_date, 'YYYY-MM-DD')
        AND qr.ORGANIZATION_ID = :organization_id
)
-- 1. Quality Issue Identified
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Quality Issue Identified' AS ActivityName,
    qeb.CREATION_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb

UNION ALL

-- 2. Issue Assigned For Triage (Approximation: first update after creation)
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Issue Assigned For Triage' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'TRIAGE' AND qeb.LAST_UPDATE_DATE > qeb.CREATION_DATE

UNION ALL

-- 3. Issue Categorized and Prioritized
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Issue Categorized and Prioritized' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'ASSESSED' AND qeb.SeverityLevel IS NOT NULL

UNION ALL

-- 4. Investigation Initiated
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Investigation Initiated' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'UNDER_INVESTIGATION'

UNION ALL

-- 5. Root Cause Analysis Performed
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Root Cause Analysis Performed' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'RCA_COMPLETE' AND qeb.RootCauseCategory IS NOT NULL

UNION ALL

-- 6. Corrective Action Plan Proposed
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Corrective Action Plan Proposed' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'CAPA_PROPOSED'

UNION ALL

-- 7. Corrective Action Plan Approved
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Corrective Action Plan Approved' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'CAPA_APPROVED'

UNION ALL

-- 8. Corrective Action Implemented
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Corrective Action Implemented' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'CAPA_IMPLEMENTED'

UNION ALL

-- 9. Effectiveness Check Required
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Effectiveness Check Required' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'EFFECTIVENESS_CHECK'

UNION ALL

-- 10. Effectiveness of Action Verified
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Effectiveness of Action Verified' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'VERIFIED'

UNION ALL

-- 11. Preventive Action Identified
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Preventive Action Identified' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'PAPA_DEFINED'

UNION ALL

-- 12. Preventive Action Implemented
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Preventive Action Implemented' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'PAPA_IMPLEMENTED'

UNION ALL

-- 13. Final Review and Closure
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Final Review and Closure' AS ActivityName,
    qeb.LAST_UPDATE_DATE AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'CLOSED'

UNION ALL

-- 14. Stakeholders Notified of Resolution (Approximation)
SELECT
    qeb.COLLECTION_ID AS QualityEventId,
    'Stakeholders Notified of Resolution' AS ActivityName,
    qeb.LAST_UPDATE_DATE + interval '1' minute AS EventStartTime,
    NULL AS EventEndTime,
    qeb.ResponsibleDepartment,
    qeb.AssignedUser,
    qeb.CurrentStatus,
    qeb.SeverityLevel,
    qeb.TargetResolutionDate,
    qeb.RootCauseCategory,
    NULL AS ProcessingTime
FROM QualityEventBase qeb
WHERE qeb.CurrentStatus = 'CLOSED'

Stappen

Bereid je omgeving voor: Zorg dat Python 3.6 of hoger op je systeem is geïnstalleerd. Installeer de benodigde bibliotheken met pip: pip install pandas oracledb. Deze bibliotheken zijn nodig om verbinding te maken met de Oracle-database en data te verwerken.
Verzamel de databasegegevens: Zorg dat je de benodigde verbindingsgegevens voor je Oracle Quality Management-database hebt. Het gaat om de gebruikersnaam, het wachtwoord en de Data Source Name (DSN), meestal in de notatie hostname:port/service_name.
Sla het extractiescript op: Kopieer het volledige Python-script uit het gedeelte ‘query’ en sla het op als bestand, bijvoorbeeld extract_quality_events.py.
Configureer het script: Open het opgeslagen script in een teksteditor. Zoek bovenaan het configuratiegedeelte en vervang de placeholders voor db_user, db_password, db_dsn, start_date en end_date door je eigen gegevens.
Pas SQL-placeholders aan: Controleer de SQL-query in het script. Mogelijk moet je tabelnamen zoals QA_RESULTS of statuswaarden zoals 'NEW' en 'CLOSED' aanpassen aan de Oracle-configuratie van je organisatie. Vraag bij twijfel je Oracle-systeembeheerder om hulp.
Voer het script uit: Open een opdrachtprompt of terminal, ga naar de map waarin je het script hebt opgeslagen en voer de opdracht uit: python extract_quality_events.py.
Houd de uitvoering in de gaten: Het script maakt verbinding met de database, voert de query uit en verwerkt de data. Afhankelijk van de periode en de hoeveelheid data kan dit enkele minuten duren. Controleer of de melding ‘Successfully connected to Oracle Database!’ verschijnt en of je aan het einde ‘Event log saved to quality_event_log.csv’ ziet.
Haal het uitvoerbestand op: Na afloop staat het bestand quality_event_log.csv in dezelfde map. Dit bestand bevat het opgehaalde event log.
Controleer het event log: Open quality_event_log.csv in een spreadsheetprogramma voor een snelle controle. Kijk of de verwachte kolommen aanwezig zijn en of de data voor enkele voorbeeldcases goed is ingevuld.
Upload naar de process mining-tool: Het gegenereerde CSV-bestand is klaar om naar je process mining-applicatie te uploaden voor analyse.

Configuratie

Databaseverbinding: Het script heeft een Oracle Data Source Name (DSN), gebruikersnaam en wachtwoord nodig, met leesrechten voor de benodigde Quality Management-tabellen, zoals QA_RESULTS, QA_PLANS, FND_USER en PER_ALL_PEOPLE_F.
Filteren op datumbereik: De variabelen start_date en end_date in het script bepalen hoeveel data wordt opgehaald. Begin bij voorkeur met een kortere periode, bijvoorbeeld 3 tot 6 maanden. Zo kun je de prestaties controleren en de uitvoer valideren voordat je meer data ophaalt.
Systeemspecifieke filters: Je kunt de SQL-query aanpassen met filters voor de organisatiestructuur. Voeg bijvoorbeeld een WHERE-clausule toe om op ORGANIZATION_ID te filteren en de data-extractie te beperken tot een specifieke vestiging of bedrijfseenheid.
Koppeling van statuscodes: De logica voor het ophalen van activiteiten koppelt specifieke statuswaarden, zoals 'NEW', 'UNDER_INVESTIGATION' en 'CLOSED', aan processtappen. Deze waarden hangen af van je Oracle-configuratie. Controleer ze en pas de SQL-query zo nodig aan.
Python-afhankelijkheden: Het script gebruikt de bibliotheken pandas en oracledb. Zorg dat deze zijn geïnstalleerd in de Python-omgeving waarin je het script uitvoert.

a Voorbeeldquery python

import pandas as pd
import oracledb
import sys

class=class="hl-string">"hl-comment"># --- Configuration Settings --- 
class=class="hl-string">"hl-comment"># Replace with your Oracle database credentials and connection details
db_user = class="hl-string">"your_username"
db_password = class="hl-string">"your_password"
class=class="hl-string">"hl-comment"># DSN (Data Source Name) format: hostname:port/service_name
db_dsn = class="hl-string">"your_host:1521/your_service_name"

class=class="hl-string">"hl-comment"># Define the date range for the extraction
start_date = class="hl-string">"2023-01-01"
end_date = class="hl-string">"2023-12-31"

class=class="hl-string">"hl-comment"># --- SQL Query --- 
class=class="hl-string">"hl-comment"># This query extracts events from the Oracle Quality Management module.
class=class="hl-string">"hl-comment"># Each SELECT statement with a UNION ALL corresponds to a specific activity.
sql_query = fclass="hl-string">"""
WITH base_events AS (
    SELECT 
        qr.COLLECTION_ID AS QualityEventId,
        qr.LAST_UPDATE_DATE,
        qr.CREATION_DATE,
        qpc.PROMPT AS StatusPrompt,
        qr.CHARACTER1 AS CurrentStatus,
        qr.CHARACTER2 AS SeverityLevel,
        qr.CHARACTER3 AS RootCauseCategory,
        oap.NAME AS ResponsibleDepartment,
        fu.USER_NAME AS AssignedUser,
        qr.DATE1 AS TargetResolutionDate,
        (qr.LAST_UPDATE_DATE - qr.CREATION_DATE) * 24 * 60 AS ProcessingTime
    FROM 
        QA_RESULTS qr
    JOIN 
        QA_PLANS qp ON qr.PLAN_ID = qp.PLAN_ID
    JOIN 
        QA_PLAN_CHARS qpc ON qp.PLAN_ID = qpc.PLAN_ID AND qpc.PROMPT = 'Status'
    LEFT JOIN 
        FND_USER fu ON qr.LAST_UPDATED_BY = fu.USER_ID
    LEFT JOIN
        HR_ALL_ORGANIZATION_UNITS oap ON qr.ORGANIZATION_ID = oap.ORGANIZATION_ID
    WHERE 
        qr.CREATION_DATE BETWEEN TO_DATE('{start_date}', 'YYYY-MM-DD') AND TO_DATE('{end_date}', 'YYYY-MM-DD')
)
-- 1. Quality Issue Identified
SELECT
    be.QualityEventId,
    'Quality Issue Identified' AS ActivityName,
    be.CREATION_DATE AS EventStartTime,
    be.CREATION_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    'New' AS CurrentStatus, -- Initial status
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be

UNION ALL

-- 2. Issue Assigned For Triage (approximated by first update after creation)
SELECT
    be.QualityEventId,
    'Issue Assigned For Triage' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.LAST_UPDATE_DATE > be.CREATION_DATE AND be.CurrentStatus IN ('Assigned', '[Your Triage Status]')

UNION ALL

-- 3. Issue Categorized and Prioritized
SELECT
    be.QualityEventId,
    'Issue Categorized and Prioritized' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus IN ('Assessed', 'Prioritized', '[Your Categorized Status]')

UNION ALL

-- 4. Investigation Initiated
SELECT
    be.QualityEventId,
    'Investigation Initiated' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus IN ('Under Investigation', 'Investigation')

UNION ALL

-- 5. Root Cause Analysis Performed
SELECT
    be.QualityEventId,
    'Root Cause Analysis Performed' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus = 'RCA Complete' AND be.RootCauseCategory IS NOT NULL

UNION ALL

-- 6. Corrective Action Plan Proposed
SELECT
    be.QualityEventId,
    'Corrective Action Plan Proposed' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus = 'CAP Proposed'

UNION ALL

-- 7. Corrective Action Plan Approved
SELECT
    be.QualityEventId,
    'Corrective Action Plan Approved' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus = 'CAP Approved'

UNION ALL

-- 8. Corrective Action Implemented
SELECT
    be.QualityEventId,
    'Corrective Action Implemented' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus = 'CAP Implemented'

UNION ALL

-- 9. Effectiveness Check Required
SELECT
    be.QualityEventId,
    'Effectiveness Check Required' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus = 'Verification Pending'

UNION ALL

-- 10. Effectiveness of Action Verified
SELECT
    be.QualityEventId,
    'Effectiveness of Action Verified' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus = 'Verified Effective'

UNION ALL

-- 11. Preventive Action Identified
SELECT
    be.QualityEventId,
    'Preventive Action Identified' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus = 'PA Identified'

UNION ALL

-- 12. Preventive Action Implemented
SELECT
    be.QualityEventId,
    'Preventive Action Implemented' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus = 'PA Implemented'

UNION ALL

-- 13. Final Review and Closure
SELECT
    be.QualityEventId,
    'Final Review and Closure' AS ActivityName,
    be.LAST_UPDATE_DATE AS EventStartTime,
    be.LAST_UPDATE_DATE AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus = 'Closed'

UNION ALL

-- 14. Stakeholders Notified of Resolution
SELECT
    be.QualityEventId,
    'Stakeholders Notified of Resolution' AS ActivityName,
    be.LAST_UPDATE_DATE + interval '1' day AS EventStartTime, -- Approximated as 1 day after closure
    be.LAST_UPDATE_DATE + interval '1' day AS EventEndTime,
    be.ResponsibleDepartment,
    be.AssignedUser,
    be.CurrentStatus,
    be.SeverityLevel,
    be.TargetResolutionDate,
    be.RootCauseCategory,
    be.ProcessingTime
FROM base_events be
WHERE be.CurrentStatus = 'Closed'
"""

class=class="hl-string">"hl-comment"># --- Main Execution Logic ---
try:
    class=class="hl-string">"hl-comment"># Establish the database connection
    with oracledb.connect(user=db_user, password=db_password, dsn=db_dsn) as connection:
        print(class="hl-string">"Successfully connected to Oracle Database!")
        
        class=class="hl-string">"hl-comment"># Execute the query and load data into a pandas DataFrame
        print(class="hl-string">"Executing query... This may take a few minutes.")
        df = pd.read_sql_query(sql_query, connection)
        print(fclass="hl-string">"Query finished. {len(df)} events extracted.")

        class=class="hl-string">"hl-comment"># Data Type Conversion
        df[class="hl-string">'EVENTSTARTTIME'] = pd.to_datetime(df[class="hl-string">'EVENTSTARTTIME'])
        df[class="hl-string">'EVENTENDTIME'] = pd.to_datetime(df[class="hl-string">'EVENTENDTIME'])
        df[class="hl-string">'TARGETRESOLUTIONDATE'] = pd.to_datetime(df[class="hl-string">'TARGETRESOLUTIONDATE'])

        class=class="hl-string">"hl-comment"># Sort the data for chronological order
        df = df.sort_values(by=[class="hl-string">'QUALITYEVENTID', class="hl-string">'EVENTSTARTTIME'], ascending=[True, True])

        class=class="hl-string">"hl-comment"># Save the DataFrame to a CSV file
        output_filename = class="hl-string">'quality_event_log.csv'
        df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')
        print(fclass="hl-string">"Event log saved to {output_filename}")

except oracledb.DatabaseError as e:
    error, = e.args
    print(fclass="hl-string">"Database connection or query failed: {error.message}", file=sys.stderr)
    sys.exit(1)
except Exception as e:
    print(fclass="hl-string">"An unexpected error occurred: {e}", file=sys.stderr)
    sys.exit(1)

Klaar om aan de slag te gaan?

Deze template helpt je om je data snel voor te bereiden en je kwaliteitsbeheerprocessen te verbeteren. Ga vandaag nog op zoek naar mogelijkheden om efficiënter te werken en de compliance te verbeteren.

Terug naar de verbetergids Template downloaden

Verbeter Oracle Quality Management en verhoog nu de compliance

Verminder inefficiëntie en verkort doorlooptijden met 30%.

Start je gratis proefperiode

Geen creditcard nodig. 14 dagen gratis proefperiode.

Datatemplate voor kwaliteitsbeheer

Datatemplate voor kwaliteitsbeheer

Attributen voor kwaliteitsbeheer

Activiteiten voor kwaliteitsbeheer

Extractiegidsen

Oracle BI Publisher-rapport voor data over kwaliteitsevents

Stappen

Configuratie

a Voorbeeldquery sql

Rechtstreekse SQL-query op Oracle Quality Management-tabellen

Stappen

Configuratie

a Voorbeeldquery sql

Python-script voor data-extractie via Oracle DB Connector

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Verbeter Oracle Quality Management en verhoog nu de compliance

Datatemplate voor kwaliteitsbeheer

Datatemplate voor kwaliteitsbeheer

Attributen voor kwaliteitsbeheer

Activiteiten voor kwaliteitsbeheer

Extractiegidsen

Oracle BI Publisher-rapport voor data over kwaliteitsevents

Stappen

Configuratie

a Voorbeeldquery sql

Rechtstreekse SQL-query op Oracle Quality Management-tabellen

Stappen

Configuratie

a Voorbeeldquery sql

Python-script voor data-extractie via Oracle DB Connector

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Verbeter Oracle Quality Management en verhoog nu de compliance

We gaan zorgvuldig om met je privacy