Digital Twin ขององค์กร: วิธีสร้างทีละขั้น
digital twin ขององค์กรเชื่อมโมเดลกระบวนการ ข้อมูลเหตุการณ์ และการวัดผล ดูแนวทางตั้งแต่จัดทำเอกสารกระบวนการไปจนถึงติดตามสุขภาพกระบวนการแบบต่อเนื่อง.
digital twin ขององค์กรเชื่อมโมเดลที่แสดงว่างานควรดำเนินไปอย่างไรเข้ากับข้อมูลที่ระบบของคุณสร้างขึ้นอยู่แล้ว และการวัดผลที่ช่วยตรวจสอบความสอดคล้อง ไม่ใช่แผนภาพของบริษัท และไม่ใช่แพลตฟอร์มข้อมูลในตัวเอง แต่เป็นการเชื่อมโยงสิ่งเหล่านี้เข้าด้วยกันในกระบวนการเดียว.
คุณไม่จำเป็นต้องสร้างทั้งหมดในโครงการเดียว แต่ค่อย ๆ พัฒนาเป็นระดับ ได้แก่ จัดทำเอกสาร วัดผล ทดสอบ และใช้งานจริง โดยแต่ละระดับตอบคำถามต่างกัน ทุกอย่างที่กล่าวถึงในหน้านี้คือสิ่งที่ ProcessMind ทำกับระเบียนกระบวนการเดียวกัน ได้แก่ การสร้างแบบจำลอง ข้อมูลเหตุการณ์และ process mining การจำลอง แดชบอร์ด และ Process Health.
องค์ประกอบของ digital twin ขององค์กร
มีองค์ประกอบ 3 อย่าง และจะทำงานได้ก็ต่อเมื่อเชื่อมโยงกัน:
- โมเดลกระบวนการ แสดงว่างานควรดำเนินไปอย่างไร ทั้งกิจกรรม ลำดับ บทบาท ระบบ และกฎเกณฑ์ คุณอาจมีข้อมูลบางส่วนอยู่ในแผนภาพ หน้า wiki และเอกสารมาตรฐาน แต่กระจัดกระจายและล้าสมัย
- ข้อมูลการทำงานจริง แสดงสิ่งที่เกิดขึ้นจริงจากระบบที่บันทึกงาน เช่น ERP, CRM, ITSM และ WMS ทั้งเคส กิจกรรม และเวลา โดยไม่ต้องให้ใครมานั่งทบทวนว่าแต่ละสัปดาห์ทำอะไรไปบ้าง
- การวัดผล เชื่อมโมเดลกับข้อมูลเข้าด้วยกัน คะแนนสุขภาพ variants และ conformance ช่วยให้เห็นว่าการทำงานจริงต่างจากโมเดลตรงไหน ส่วนการจำลองแสดงผลของการเปลี่ยนแปลงก่อนลงมือ.
มีเพียงโมเดลก็เท่ากับมีเอกสาร เมื่อเพิ่มข้อมูล คุณจะใช้ process mining เพื่อดูสิ่งที่เกิดขึ้นจริงได้ และเมื่อเพิ่มการวัดผลกับความสามารถในการทดสอบการเปลี่ยนแปลง คุณก็จะได้ digital twin.
นี่คือคำตอบของคำถามว่า digital twin ต่างจาก process mining อย่างไร: process mining แสดงสิ่งที่เกิดขึ้น ส่วน digital twin เกิดขึ้นเมื่อเชื่อมหลักฐานนั้นเข้ากับโมเดลและวิธีทดสอบการเปลี่ยนแปลง process mining เพียงอย่างเดียวตอบคำถามแรกได้ดี แต่ไม่ได้ไปไกลกว่านั้น.
มีความเข้าใจผิดอยู่ 2 เรื่องที่ควรแยกให้ชัด digital twin ยังใช้จำลองสินทรัพย์ทางกายภาพ เช่น เครื่องจักร โดยอาศัยค่าจากเซ็นเซอร์ ซึ่งเป็นคนละรูปแบบ ดูรายละเอียดได้ที่ digital twin คืออะไร ส่วนในงานพัฒนาซอฟต์แวร์ DTO หมายถึง data transfer object ซึ่งไม่เกี่ยวกับหน้านี้ Gartner นำความหมายของคำนี้ในบริบทองค์กรมาใช้กับสถาปัตยกรรมองค์กร โดยเน้นเรื่องการเคลื่อนผ่านของงานระหว่างกระบวนการ ทีม และระบบ ไม่ใช่เครื่องจักร.
คำที่ใช้เรียกแตกต่างกันพอ ๆ กับคำจำกัดความ ทั้ง organization digital twin, DTO digital twin, enterprise digital twin และ organizational digital twin ล้วนปรากฏในเอกสารของผู้ขาย ให้มองว่าเป็นสิ่งเดียวกัน และพิจารณาคำกล่าวอ้างจากการเชื่อมโยงโมเดลกับข้อมูลและการวัดผล ไม่ใช่จากชื่อเรียก.
ระดับการพัฒนาทั้งสี่ขั้น
- มีเอกสารกำกับ กระบวนการต่างๆ อยู่ในรูปแบบโมเดลภายในสถาปัตยกรรมที่เชื่อมโยงกัน ทั้งแค็ตตาล็อก ห่วงโซ่คุณค่า ลำดับงาน บทบาท และเอกสารประกอบกิจกรรม
- มีข้อมูลวัดผล ข้อมูลเหตุการณ์จากระบบช่วยให้เห็นการทำงานจริง ทั้งกระบวนการที่ค้นพบ รูปแบบที่แตกต่าง การปฏิบัติตามข้อกำหนด และแดชบอร์ด คุณจึงเห็นได้ว่างานจริงแตกต่างจากโมเดลตรงไหน
- ผ่านการทดสอบ โมเดลมีข้อมูลปริมาณงานและระยะเวลา การจำลองกระบวนการจึงช่วยเปรียบเทียบการเปลี่ยนแปลงที่เสนอไว้กับกระบวนการปัจจุบัน ก่อนตัดสินใจนำไปใช้
- อัปเดตอยู่เสมอ ข้อมูลใหม่เข้ามาอย่างต่อเนื่อง คะแนนสุขภาพกระบวนการและสรุปจาก AI ช่วยชี้ให้เห็นสิ่งที่เปลี่ยนไป พร้อมทบทวนโมเดลให้สอดคล้องกับการทำงานที่เปลี่ยนแปลง
โครงการดิจิทัลทวินส่วนใหญ่ที่ไปต่อไม่สำเร็จ มักเริ่มต้นอยู่ในระดับแรก แต่ตั้งเป้าหมายไว้ถึงระดับที่สี่
หลายบริษัทมองดิจิทัลทวินขององค์กรเป็นเป้าหมายสูงสุด แต่ไม่ควรพยายามทำให้สำเร็จในขั้นตอนเดียว ค่อย ๆ พัฒนาไปตามระดับความพร้อม เริ่มจากจัดทำเอกสารกระบวนการและเชื่อมโยงให้เป็นสถาปัตยกรรมเดียวกัน จากนั้นจึงเพิ่มข้อมูลเพื่อวัดผล และทำให้ข้อมูลอัปเดตอย่างต่อเนื่อง
สิ่งที่แพลตฟอร์มต้องมีในแต่ละระดับ
| องค์ประกอบ | สิ่งที่เพิ่มให้กับ digital twin | ใน ProcessMind |
|---|---|---|
| โมเดล | ขั้นตอน บทบาท ระบบ และกฎเกณฑ์ที่ตั้งใจไว้ | การสร้างแบบจำลอง BPMN พร้อม การสร้างกระบวนการด้วย AI จากคำอธิบายภาษาทั่วไป ซึ่งจัดเก็บไว้ในแค็ตตาล็อกกระบวนการเดียวกัน |
| ข้อมูล | สิ่งที่เกิดขึ้นจริงในแต่ละเคส | อัปโหลดชุดข้อมูลพร้อม คำแนะนำด้านข้อมูลจาก AI และตั้งเวลาอัปเดตข้อมูลได้ |
| การวิเคราะห์ | จุดที่การทำงานจริงต่างจากโมเดล และสุขภาพของกระบวนการ | process mining, กราฟกระบวนการ แดชบอร์ด รูปแบบการทำงาน conformance และ Process Health |
| การจำลองสถานการณ์ | ผลจากการเปลี่ยนแปลง | การจำลองสถานการณ์ โดยใช้พารามิเตอร์จากโมเดลหรือคำนวณจากข้อมูลของคุณเอง |
ใน ProcessMind กระบวนการหนึ่งรายการเก็บองค์ประกอบทั้งสี่ไว้ด้วยกัน ได้แก่ โมเดล ข้อมูล แดชบอร์ด และการจำลองสถานการณ์ digital twin ขององค์กรไม่ใช่เครื่องมือชิ้นที่ห้าที่ต้องซื้อเพิ่ม แต่เกิดขึ้นเมื่อองค์ประกอบทั้งสี่ใช้ข้อมูลชุดเดียวกัน
เริ่มจากพื้นฐาน: สร้างโมเดล เพิ่มข้อมูล แล้วปรับปรุง
การค่อย ๆ พัฒนาจากพื้นฐานทำได้ง่ายกว่าการวางแผนจากเป้าหมายปลายทาง ทุกขั้นตอนด้านล่างจบด้วยผลงานที่นำไปให้คนอื่นดูได้ และมีขอบเขตเล็กพอที่จะทำให้เสร็จภายในหนึ่งสัปดาห์.
-
สร้างโมเดลกระบวนการเดียวก่อน ไม่ต้องสร้างทั้งองค์กร
เลือกกระบวนการที่เกี่ยวข้องกับการตัดสินใจ หากมีแผนภาพหรือเอกสารอยู่แล้ว ให้นำมาใช้ หากยังไม่มี ให้อธิบายเป็นประโยค แล้วให้ AI สร้างร่าง BPMN แรกเพื่อนำไปปรับปรุง เมื่อจบขั้นตอนนี้ คุณจะมีโมเดลที่ทีมอ่านและทบทวนแล้ว พร้อมระบุขั้นตอนที่มีเอกสารประกอบ -
เชื่อมกระบวนการเข้ากับสถาปัตยกรรม
กำหนดตำแหน่งของกระบวนการในภาพรวม ระบุว่าอยู่ใน value chain ใด ใครเป็นเจ้าของ และส่งต่องานให้กระบวนการใด โมเดลที่อยู่ลำพังเป็นเพียงภาพวาด แต่เมื่ออยู่ในสถาปัตยกรรมที่เชื่อมโยงกัน ก็จะเป็นระดับโครงสร้างของ digital twin และเป็นพื้นฐานให้พัฒนาขั้นต่อไป -
เพิ่มข้อมูลเหตุการณ์
อัปโหลดบันทึกของกระบวนการนั้น เริ่มต้นได้ด้วย case ID กิจกรรม และเวลา ข้อมูลไม่จำเป็นต้องครบถ้วน เพราะบันทึกจากระบบเดียวก็แสดงขั้นตอน การรอ และรูปแบบการทำงานของกิจกรรมที่ระบบนั้นบันทึกได้แล้ว คำแนะนำจาก AI สำหรับชุดข้อมูลจะช่วยระบุการจับคู่คอลัมน์และปัญหาคุณภาพก่อนเริ่มวิเคราะห์ -
ปรับปรุง แล้วทดสอบผลที่ได้
เลือกประเด็นที่มีปัญหามากที่สุด แล้วปรับหนึ่งอย่าง เช่น การส่งต่องาน การอนุมัติ หรือขั้นตอนที่ต้องทำซ้ำ แก้ไขในโมเดล แล้วจำลองสถานการณ์เพื่อเปรียบเทียบกับกระบวนการปัจจุบัน ใช้ผลเปรียบเทียบประกอบการตัดสินใจแทนการคาดเดา จากนั้นวัดผลอีกครั้งเพื่อปิดวงจรการปรับปรุง
คุณไม่จำเป็นต้องสร้างโมเดลทั้งองค์กรก่อนจึงจะเริ่มใช้แนวทางนี้ได้ กระบวนการสองรายการที่มีข้อมูลจริงมีประโยชน์กว่ากระบวนการยี่สิบรายการบนสไลด์ และการทำกระบวนการที่สองก็เร็วขึ้นมากเมื่อเทียบกับครั้งแรก หากต้องการอ่านรายละเอียดว่าการสร้างแบบจำลองและ process mining ช่วยเสริมกันอย่างไร อ่าน การสร้างแบบจำลองกระบวนการกับ process mining ช่วยเสริมกันอย่างไร.
เริ่มจากข้อมูลบางส่วน ไม่ต้องรอให้ข้อมูลสมบูรณ์แบบ
เพิ่มความครอบคลุมของข้อมูลไปทีละกระบวนการ เช่นเดียวกับการสร้างโมเดล มีสองปัจจัยที่ช่วยให้ทำได้จริง.
ข้อมูลบางส่วนก็ตอบคำถามได้ หาก log มาจากระบบเดียว คุณก็เห็นขั้นตอนการทำงาน เวลารอ และ variants ของขั้นตอนที่ระบบนั้นบันทึกได้แล้ว ส่วนขั้นตอนที่เกิดขึ้นในระบบอื่นจะยังไม่ปรากฏ แต่คุณรู้ได้ว่าขั้นตอนใดขาดหายไป เพราะโมเดลแสดงตำแหน่งของขั้นตอนเหล่านั้น.
โมเดลช่วยให้เข้าใจข้อมูลตามบริบท เครื่องมือ process mining ส่วนใหญ่เริ่มจาก log แล้วอนุมานกระบวนการจากข้อมูลนั้น สิ่งที่ log ไม่มีจึงมองไม่เห็น แต่เมื่อมีโมเดลก่อน ข้อมูลก็ไม่จำเป็นต้องแสดงกระบวนการทั้งหมดจึงจะมีประโยชน์ เพราะมีโครงสร้างรองรับอยู่แล้ว ตัวเลขแต่ละค่าผูกกับขั้นตอนที่มีชื่อชัดเจน และจุดที่ยังไม่มีข้อมูลก็ปรากฏเป็นขั้นตอนที่ขาดข้อมูล.
นี่เป็นอีกเหตุผลที่ไม่ควรรอให้ข้อมูลครบถ้วน โครงการเก้าเดือนเพื่อรวบรวม log ที่สมบูรณ์แบบอาจเสร็จในวันที่กระบวนการเปลี่ยนไปแล้ว และการวิเคราะห์ครั้งแรกก็จะอธิบายประวัติของโครงการ แทนที่จะอธิบายงานที่ทำอยู่ เริ่มให้เร็วและได้คำตอบที่ใกล้เคียงความจริงก็มีประโยชน์กว่า โดยเลือกหนึ่งกระบวนการ หนึ่งระบบ ข้อมูลเหตุการณ์สามเดือน และมีผู้ตัดสินใจร่วมวง.
จากนั้นเพิ่มความครอบคลุมไปพร้อมกับสถาปัตยกรรม กระบวนการถัดไปที่จัดทำเอกสารจะมี log ของตัวเอง และขอบเขตของ digital twin ก็จะขยายตามแค็ตตาล็อกกระบวนการ ไม่ใช่ตามโครงการข้อมูล.
สุขภาพกระบวนการ: วิธีวัดผล digital twin
ดิจิทัลทวินที่ไม่มีคะแนนก็เหมือนโครงการที่ไม่มีข้อมูลย้อนกลับ สุขภาพกระบวนการช่วยเชื่อมโมเดลกับข้อมูล ให้คุณเห็นจุดที่ควรปรับปรุงได้ทุกสัปดาห์ ส่วนกรอบการประเมินCURESอธิบายว่าการวัดผลทั้งห้ามิติครอบคลุมเรื่องใดบ้าง.
เรื่องที่คุณตัดสินใจได้ด้วยดิจิทัลทวิน
อนุมัติหรือปฏิเสธการเปลี่ยนแปลง สร้างแบบจำลองกระบวนการที่เสนอ โดยกำหนดปริมาณงานและระยะเวลาให้สมจริง แล้วเปรียบเทียบแต่ละทางเลือก ผลการจำลองดิจิทัลทวินขึ้นอยู่กับสมมติฐานเหล่านี้ จึงควรพิจารณาและถกให้ชัดเจน การจำลองไม่ได้ทำนายอนาคต แต่ช่วยให้เห็นเหตุผลเบื้องหลังการตัดสินใจ.
ตัดสินใจว่าจะทุ่มเทกับการปรับปรุงจุดใด แผนภาพบอกได้ว่ามีขั้นตอนอนุมัติ ส่วนข้อมูลการทำงานจริงบอกได้ว่าแต่ละเคสต้องรอขั้นตอนนี้นานแค่ไหน เมื่อนำข้อมูลทั้งสองมาดูร่วมกัน คุณจะตัดสินใจได้ว่าควรให้ความสำคัญกับจุดนี้หรือไม่ และบทความวิธีวิเคราะห์กระบวนการของคุณอธิบายตั้งแต่การดูแผนภาพไปจนถึงการค้นพบประเด็นสำคัญ.
ตรวจสอบว่าโมเดลยังตรงกับวิธีทำงานจริงหรือไม่ เปรียบเทียบโมเดลกับข้อมูลการทำงานล่าสุดเพื่อดูว่าทั้งสองเริ่มไม่ตรงกันตรงไหน หากพบความแตกต่าง ก็ถึงเวลาทบทวนโมเดล ไม่ใช่เชื่อว่าเอกสารที่ทำเสร็จแล้วจะถูกต้องตลอดไป.
นำข้อมูลเข้าและรับข้อมูลเชิงลึกกลับมา
ดิจิทัลทวินจะเริ่มมีความหมายเมื่ออัปโหลดข้อมูลครั้งที่สองและสาม หลังจากเริ่มวิเคราะห์แล้ว สิ่งสำคัญคือการอัปเดตข้อมูลให้เป็นปัจจุบันและดูว่าผลบอกอะไร:
- อัปเดตข้อมูลวันละครั้งก็เพียงพอ ไม่จำเป็นต้องส่งบันทึกเหตุการณ์เข้าดิจิทัลทวินแบบต่อเนื่อง เพียงนำไฟล์ส่งออกชุดใหม่มาแทนชุดเดิมวันละครั้งหรือสัปดาห์ละครั้ง กระบวนการที่วิเคราะห์และแดชบอร์ดก็จะเป็นปัจจุบันพอให้ใช้ตัดสินใจได้ การตัดสินใจเรื่องกระบวนการไม่ได้เปลี่ยนทุกนาที และการอัปเดตที่มีคนทำจริงย่อมดีกว่าระบบส่งข้อมูลที่ไม่มีใครดูแล
- ให้ AI อ่านข้อมูลก่อนคุณ คำแนะนำข้อมูลจาก AIจะตรวจชุดข้อมูลและแนะนำการจับคู่คอลัมน์ พร้อมแจ้งปัญหาคุณภาพและระดับความมั่นใจ ช่วยตรวจพบคอลัมน์เวลาที่ผิดพลาดก่อนทำให้ผลวิเคราะห์คลาดเคลื่อน
- ให้ AI สรุปกระบวนการให้คุณ สรุปจาก AIจะแสดงคอขวด ปัญหาการปฏิบัติตามข้อกำหนด แนวโน้ม และสุขภาพกระบวนการบนพื้นที่ทำงาน นี่คือขั้นตอนที่ก่อนหน้านี้ต้องให้นักวิเคราะห์มาดูข้อมูลและประชุมกัน
- ถามคำถามเกี่ยวกับกระบวนการ ผู้ช่วย AIตอบคำถามเกี่ยวกับกระบวนการของคุณ พร้อมเสนอการเปลี่ยนแปลงให้คุณตรวจสอบและนำไปใช้ได้ในคลิกเดียว
- ให้ผู้ช่วย AI ทุกตัวใช้ดิจิทัลทวินได้ สำหรับแพ็กเกจ Enterprise เซิร์ฟเวอร์ MCPเปิดให้เข้าถึงกระบวนการและโมเดลในรูปแบบเครื่องมือ MCP มาตรฐาน ทำให้ Claude, ChatGPT, Copilot หรือเอเจนต์ที่คุณสร้างเองใช้ข้อมูลเดียวกันภายใต้การกำกับดูแลได้ ใช้มาตรฐานเปิดเพียงรูปแบบเดียวแทนการเชื่อมต่อเฉพาะ และผู้ใช้แต่ละคนยังเห็นเฉพาะข้อมูลที่ไลเซนส์ของตนอนุญาต
- ทดสอบการเปลี่ยนแปลงด้วยค่าพารามิเตอร์จริง การจำลองที่มี AI ช่วยสร้างค่าพารามิเตอร์การจำลองจากโมเดลของคุณ หรือคำนวณจากข้อมูลจริง ช่วยลดเวลาส่วนที่ใช้มากที่สุดในการตั้งค่าสถานการณ์สมมติ.
วงจรที่ทำให้ดิจิทัลทวินเป็นปัจจุบันนั้นสั้นมาก: ส่งออกข้อมูล อัปเดตผลวิเคราะห์ ดูสรุปกับคะแนนสุขภาพเพื่อให้รู้ว่าอะไรเปลี่ยนไป แล้วตัดสินใจ เมื่อวงจรนี้ทำงานได้โดยไม่ต้องตั้งโครงการขึ้นมารองรับ แสดงว่าคุณก้าวสู่ระดับที่ใช้งานต่อเนื่องแล้ว.
ควรเริ่มจากกระบวนการใด
เลือกกระบวนการที่เกี่ยวข้องกับการตัดสินใจ มีผลลัพธ์ที่วัดได้ และมีข้อมูลเหตุการณ์อยู่ในระบบอย่างน้อยหนึ่งระบบ ขั้นตอนอนุมัติหรือการส่งต่องานที่คนถกเถียงกันอยู่แล้วมักเป็นจุดเริ่มต้นที่ดี เพราะข้อถกเถียงนั้นคือคำถาม และบันทึกเหตุการณ์มีคำตอบอยู่.
ก่อนรับปากว่าจะทำอะไร ให้ตรวจสอบก่อนว่าข้อมูลเหตุการณ์มีขั้นตอนและช่วงเวลาที่คุณสนใจหรือไม่ ข้อมูลขั้นต่ำคือรหัสเคส กิจกรรม และเวลาของแต่ละเหตุการณ์ จากนั้นสร้างโมเดล โหลดข้อมูล แล้วดูว่าทั้งสองส่วนไม่ตรงกันตรงไหน หากโมเดลยังไม่ชัดเจน การทำแผนที่กระบวนการเป็นจุดเริ่มต้นที่ดี.
Where to Go From Here
คุณมีแนวทางและขั้นแรกแล้ว เลือกกระบวนการหนึ่งรายการ โหลดบันทึกข้อมูล แล้วดูว่าโมเดลกับข้อมูลไม่ตรงกันตรงไหน.
