Process mining — een toepassing op de eerste hulp

Process mining is een krachtige tool die bedrijven in staat stelt diepgaand inzicht te verkrijgen in hun interne processen. Niet alleen om processen beter te begrijpen, maar ook om knelpunten te identificeren en te optimaliseren. In deze blog belichten we de toegevoegde waarde van process mining aan de hand van een illustratief voorbeeld: de toepassing op de eerste hulp van een ziekenhuis. Liever de technische beschrijving en de code? Lees dan onze implementatie-post.

Let op: in dit voorbeeld werken we met fictieve data om de werking van process mining te demonstreren. Zowel de data als de casus zijn fictief en vormen een vereenvoudigde weergave van de realiteit. De data komt uit de patients eventlog van BUPAR.

De casus

Diederick is het hoofd van de Eerste Hulp in een ziekenhuis. Hij heeft budget gekregen om de eerste hulp te verbeteren, maar weet niet hoe hij dit moet aanpakken. Hij hoort dat patiënten klagen over lange wachttijden, maar de oorzaak is onduidelijk.

Analyse met process mining

Hoe kunnen we Diederick helpen om de meest effectieve investering te doen om de wachttijden te verminderen? Dit is een perfect scenario voor process mining.

Wat heb je nodig

Om process mining succesvol toe te passen, moeten activiteiten zorgvuldig worden geregistreerd:

• de start- en eindtijd van de activiteiten
• de naam of unieke code van de activiteiten
• de unieke code van de patiënten
• de unieke code van de verantwoordelijke arts of afdeling (optioneel)

Process map — frequentie

Diederick wil weten welke stappen worden ondernomen wanneer een patiënt op de eerste hulp belandt. Is er sprake van standaardroutes? Zijn er onverwachte uitzonderingen? Een process map visualiseert het aantal patiënten per handeling en de opeenvolging van handelingen — helderheid over de gebruikelijke gang van zaken en variaties.

Uit de map valt direct veel te halen. Iedere patiënt wordt geregistreerd en beoordeeld. Na de beoordeling krijgt een patiënt ofwel een bloedtest plus behandeling A, ofwel behandeling B. Wat Diederick opvalt: ongeveer evenveel mensen krijgen behandeling A als B — anders dan verwacht. Behandeling B zou alleen ingezet moeten worden wanneer strikt noodzakelijk; het is aanzienlijk duurder en kost meer tijd. Na overleg ontdekt hij dat de afdeling van Behandeling A onderbezet is, terwijl het op afdeling B doorgaans rustiger is. Collega’s hebben daarom patiënten over beide afdelingen verdeeld om de wachttijd te beperken.

Process map — performance

Nu Diederick volgorde en frequentie kent, is hij benieuwd naar welke activiteiten de meeste tijd kosten en waar mensen lang op moeten wachten. Een process map met gemiddelde duur per activiteit geeft het antwoord.

Triage neemt het meeste tijd in beslag — in lijn met verwachting. Maar wat opvalt: behandeling A duurt net iets langer dan behandeling B, terwijl normaal gesproken B langer duurt. De collega’s geven aan dat de medische apparatuur op afdeling A verouderd is — dat resulteert in vertraging.

Trace explorer

Een andere methode om inzicht te krijgen is een trace explorer. Elk blokje in de visualisatie staat voor een specifieke activiteit; de volgorde geeft de opeenvolging weer. Een specifieke reeks heet een ‘trace’. Aan de rechterkant: hoe vaak een trace voorkomt. Opvallend: de activiteiten worden niet altijd afgesloten met een check-out — tegen Diederick’s verwachting in.

Na onderzoek blijkt: patiënten die niet uitcheckten, hadden haast en wilden niet wachten op vervolgstappen omdat ze de wachttijd te lang vonden. Nog meer motivatie om de wachttijden te verbeteren.

Conformance checking

In een proces zitten regels die gevolgd moeten worden, en waarvan maar met een bepaald percentage afgeweken mag worden. Een paar voorbeelden:

• Voor behandeling B moet altijd een bloedtest worden gedaan — klopt voor 100% van de patiënten.
• Het hele proces moet altijd afgerond worden met een checkout — klopt voor 98,6% van de patiënten.
• Behandeling A of B vindt altijd maar 1 keer plaats — klopt voor 100%.

Conclusie

Op basis van de resultaten besluit Diederick te investeren in nieuwe medische apparatuur, en te onderzoeken welke collega’s van afdeling B taken op afdeling A kunnen overnemen. Het resultaat: de wachttijd neemt aanzienlijk af, en patiënten krijgen nu de behandeling die ze daadwerkelijk nodig hebben (behandeling A in plaats van B). Tevredenheid bij patiënten, werknemers, en Diederick zelf.

De casus is fictief en de realiteit kent vaak complexere processen. Maar het voorbeeld illustreert hoe process mining helpt bij het identificeren van processen en knelpunten — en hoe die informatie processen verbetert, met daarmee klanttevredenheid en mogelijk de uitkomst van behandelingen. In dit geval een ziekenhuis, maar process mining is overal toepasbaar waar bedrijfsprocessen draaien.

Overige toepassingen

Process mining helpt ook bij vragen als:

• Heeft het proces dat de patiënt doorloopt effect op klanttevredenheid?
• Heeft het proces effect op de uitkomst van de behandeling?
• Kunnen we de uitkomst voorspellen op basis van het doorlopen proces?

---

Wil je de technische implementatie zien? Lees onze implementatie-post. Of neem direct contact op om de mogelijkheden voor jullie organisatie te bespreken.