Une méthodologie de découverte et de diagnostic des processus métier basée sur les données de localisation intérieures : application à l’amélioration du parcours patients

A methodology for business process discovery and diagnosis based on indoor location data : Application to patient pathways improvement

• Auteur / Autrice : Sina Namaki Araghi
• Direction : Frédérick Bénaben, Franck Fontanili
• Type : Thèse de doctorat
• Discipline(s) : Génie Industriel et Informatique
• Date : Soutenance le 12/11/2019
• Etablissement(s) : Ecole nationale des Mines d'Albi-Carmaux
• Ecole(s) doctorale(s) : École doctorale Systèmes (Toulouse ; 1999-....)
• Partenaire(s) de recherche : Laboratoire : Centre de recherche Génie industriel (Albi) - Centre Génie Industriel / CGI
• Jury : Président / Présidente : Maria Di Mascolo
• Jury : Examinateurs / Examinatrices : Frédérick Bénaben, Franck Fontanili, Thomas Lux, François Charoy, Chihab Hanachi, Elyes Lamine, Màrio José Monteiro de Macedo
• Jury : Rapporteurs / Rapporteuses : Thomas Lux, François Charoy

Mots clés

Mots clés contrôlés

Hôpitaux

Systèmes de positionnement en intérieur

Parcours de soins coordonnés

Gestion d'entreprise

Mots clés libres

Process Mining

Systèmes de localisation en intérieur

Gestion des processus métiers

Diagnostic des processus métiers

Processus de soins

Process Mining

Indoor localization systems

Business Process Management

Business Process Diagnosis

Healthcare processes

Résumé

Dans chaque organisation, les processus métier sont aujourd’hui incontournables. Cette thèse vise à développer une méthode pour les améliorer. Dans le domaine de la santé, les organisations hospitalières déploient beaucoup d’efforts pour mettre leurs processus sous contrôle, notamment à cause de la très faible marge d’erreur admise. Les parcours des patients au sein des structures de santé constituent l’application qui a été choisie pour démontrer les apports de cette méthode. Elle a pour originalité d’exploiter les données de géolocalisation des patients à l’intérieur de ces structures. Baptisée DIAG, elle améliore les parcours de soins grâce à plusieurs sous-fonctions : (i) interpréter les données de géolocalisation pour la modélisation de processus, (ii) découvrir automatiquement les processus métier, (iii) évaluer la qualité et la performance des parcours et (iv) diagnostiquer automatiquement les problèmes de performance des processus. Cette thèse propose donc les contributions suivantes : la méthode DIAG elle-même qui, grâce à quatre différents états, extrait les informations des données de géolocalisation ; le méta-modèle DIAG qui a deux utilités : d’une part, interpréter les données de géolocalisation et donc passer des données brutes aux informations utilisables, et, d’autre part contribuer à vérifier l’alignement des données avec le domaine grâce à deux méthodes de diagnostic décrites plus bas ; deux algorithmes de découverte de processus qui utilisent la stabilité statistique des logs d’évènements ; une nouvelle approche de process mining utilisant SPC (Statistical Process Control) pour l’amélioration ; l’algorithme proDIST qui mesure les distances entre les modèles de processus ; deux méthodes de diagnostic automatique de processus pour détecter les causes des déviations structurelles dans des cas individuels et pour des processus communs. Le contexte de cette thèse confirme la nécessité de proposer de telles solutions. Une étude de cas dans le cadre de ce travail de recherche illustre l’applicabilité de la méthodologie DIAG et des fonctions et méthodes mentionnées.

Business processes are everywhere and, as such, we must acknowledge them. Among all of them, hospital processes are of vital importance. Healthcare organizations invest huge amount of efforts into keeping these processes under control, as the allowed margin of error is so slight. This research work seeks to develop a methodology to endorse improvement of patient pathways inside healthcare organizations. It does so by using the indoor location data of patients. This methodology is called DIAG (Data state, Information state, Awareness, Governance). It is constructed of several different functions. The most important ones are as follows: (i) location data interpreting, (ii) automatic discovery of business process models, (iii) business process analyzing for evaluating the performance and quality of processes, and finally, (iv) automatic diagnosing of business processes. Along the former functions, the contribution of this thesis are: The DIAG methodology which, through four different states, extracts knowledge from location data; the DIAG meta-model which supports both the interpretation of location data (from raw data to usable information) and the alignment of the domain knowledge (which are used for the diagnosing methods); two process discovery algorithms which explore statistical stability in event logs, application of Statistical Process Control (SPC) for the “enhancement notation” of Process Mining; the ProDIST algorithm for measuring the distance between process models; two automatic process diagnosing methods to detect causes of structural deviations in individual cases and common processes. The state of the art in this dissertation endorses the necessity for proposing such solutions. A case study within this research work illustrates the applicability of the DIAG methodology and its mentioned functions and methods.