业务流程隐变迁的拟间接依赖挖掘方法

隐变迁存在于业务流程中,但在日志中未被记录,挖掘隐变迁能够还原模型并提高流程的运行效率。已有方法都是基于日志间直接依赖关系挖掘隐变迁,未考虑其间接依赖关系,具有一定的局限性。提出基于拟间接依赖关系挖掘隐变迁的方法,根据事件日志中活动间的轮廓关系构建初始模型,通过拟间接依赖关系表找出日志序列之间的约束体。利用整数线性规划方法,查找符合要求的拟间接关系变迁对,从而挖掘出拟间接关系变迁对中存在的隐变迁。将隐变迁融合到初始模型中,得到含有隐变迁的目标模型。通过具体的实例分析验证了该方法的有效性。     

基于接口变迁的交互流程模型挖掘方法

流程模型挖掘是基于系统运行记录下的事件日志来还原特征对应流程模型的技术。目前已有的挖掘方法多是基于由系统分解出的不同模块之间交互频繁且模块包含特征较少的场景。在挖掘包含较多特征、交互不频繁的流程模型方面,目前的方法存在一定的局限性。鉴于此,文中提出了基于接口变迁的交互流程模型挖掘方法。首先,利用现有的挖掘方法来挖掘模块内部的特征序,确定初始模块网;其次,遍历事件日志以查找疑似接口变迁;然后,通过挖掘特征网来确定接口变迁,并对接口变迁增加接口库所;最后,基于开放Petri网,利用合成网的观点将交互模块合成为一个完善的流程模型Petri网。通过实例分析,验证了该挖掘方法的有效性。     

一种基于禁忌搜索算法的流程挖掘方法

为了满足高效率的自动化生产需要,支持流程控制的工作流管理系统 的应用越来越广泛。流程挖掘可以使用事件日志等历史数据生成抽象流程模型,为工作流系统的部署提供有利条件。首先总结归纳了一种较通用的基于启发式优化算法的流程挖掘框架;然后依照该流程挖掘框架将禁忌搜索算法用于流程挖掘领域,针对禁忌搜索中程序初始化、邻域构建方法和禁忌表构造等几个关键问题进行了详细阐述和论证;最后将算法实现为ProM的插件并进行了对比实验。实验验证了该流程挖掘框架的正确性,表明了禁忌搜索流程挖掘方法对不同流程结构具有良好支持,对数据噪声具有较强的鲁棒性和更少的时间消耗。     

基于流程挖掘的临床路径设计

针对临床路径的科学制定问题,提出诊疗流程挖掘模型。与传统的人工定制临床路径不同,该模型能从大量优选案例中自动识 别出最优的诊疗流程。剖宫产手术日的流程挖掘实例验证了该模型的实用效果,应用结果表明,该模型能为临床路径制定提供有效的决策 支持。     

基于搜索树的业务流程Petri网模型抽象化简方法

由于大型复杂的业务流程模型不便于用户形成快速的梗概理解,因此模型的抽象化简方法研究至关重要.已有的模型抽象化简方法大都考虑模型的控制流,很少考虑模型的交互语义,并且对于模型的待抽象区域定位模糊.本文利用Petri网的行为关系理论,结合深度优先搜索的思想,提出了基于搜索树的业务流程模型抽象化简方法.通过定义工作流网的3种块结构和边界库所的概念,得到网系统的变迁关联搜索树,进而利用变迁关联搜索树来识别模型中待抽象的区域,从而实现模型的抽象化简.最后,通过一个具体的实例来验证所提出方法的有效性和可行性.本文的主要贡献是:在同时考虑模型行为交互语义和控制流依赖关系的基础上,提出块结构的抽象化简方法和块结构的识别定位方法,算法的时间复杂度控制在多项式难度.     

跨组织业务流程模型挖掘与质量评估

跨组织业务流程需要多个组织相互配合,协同工作来完成一项由单个组织无法完成的任务.由于跨组织业务流程的复杂性与分布性,其建模与分析过程是一项耗时且容易出错的任务,要求建模人员拥有丰富的经验和行业知识.流程挖掘通过分析业务信息系统执行过程中产生的日志为模型构建提供了一种自动化方法.然而,传统的流程挖掘技术仅支持单个组织的日志挖掘,无法有效地处理跨组织业务流程挖掘问题.本文针对此问题提出一种跨组织业务流程模型挖掘方法.首先扩展已有的流程挖掘方法来进行单个组织的业务流程模型挖掘;其次,定义组织间三种典型的协同模式,并提出相应算法以挖掘组织间的协同模式;再将各个组织的流程模型和协同模式集成,得到全局跨组织业务流程模型;最后采用传统的质量评估指标和提出的协同模式拟合度来量化发现的跨组织业务流程模型质量,通过四个不同的跨组织业务流程案例与已有挖掘方法进行比较,验证本文提出挖掘方法的有效性和可用性.     

基于Petri网的流程挖掘算法设计与应用

讨论了利用Petri网对应用系统日志进行建模和分析的方法,给出一个日志过滤、简化及转换模型的方法,提出了一个基于Petri网的专家挖掘算法,其中专家是指对某个业务流程特别熟练的人.以广州地铁法律咨询流程为例,介绍了该流程的建模和模型的简化算法.使用该算法可以有效的对操作人员进行评估和考核,有利于资源的合理配置.最后,以法律咨询流程日志为基础进行了实验,实验结果表明,算法认准率达90%以上,且通过模型简化可有效减低算法时间复杂度.     

流程挖掘在业务流程分发中的应用

对SOA中业务流程引擎按活动分解业务流程执行语言流程,针对此类活动封装到代理中时产生代理数量过多的情况,提出一个基于流程挖掘的智能流程分发方法,该方法能在3个方面提高系统的性能：改善业务流程在运行时的自适应性;根据检测相关性最强的活动封装到代理中选择最优代理;通过减少代理数量和改善代理信息的方式减少资源的使用。     

融合特征网与模块网的业务过程挖掘

过程挖掘目的是通过分析由信息系统记录的日志得出的过程模型,从而改善和维护业务流程。目前,许多业务流程都以模块化的方式进行交互。虽然很多过程挖掘算法已经被提出来,不过对于处理多模块还有一定的局限性。提出了基于特征网与模块网的挖掘算法,根据日志将特征分为不同模块;在此基础上,分别求出模块间特征交互的特征网与模块内的特征交互模块网;将两者根据提出的融合算法进行融合,得到完整的过程模型。通过一个用户网上购物的实例说明了该算法的可行性。     

基于拟间接依赖的流程挖掘优化分析

业务流程挖掘旨在从记录的事件日志中挖掘出满足人们需求的流程模型。以往的方法多是根据事件之间的直接依赖关系建立流程模型,具有一定的局限性,提出了基于拟间接依赖的流程挖掘优化分析方法。依据事件日志,以行为轮廓为基础,构建初始模型。在执行日志下,通过基于整数线性规划流程发现算法的基本约束体查找出具有拟间接依赖关系的变迁对,并对模型进行完善,挖掘出优化模型。通过具体的实例分析验证了该方法的有效性。     

以扩展分区为核心的流程网分析方法

业务流程网是一种用于业务流程建模的新工具。介绍了业务流程网基本概念后,提出一种用于业务流程网状态空间计算的新方法。该方法以自动机研究领域的分区方法为基础,为分区扩展成本信息,从而得到一种扩展分区,进而给出状态空间计算方法,最后证明了：对于有界的业务流程网来说,扩展分区的计算是可终止的,并且最小成本可达问题是可判定的。     

A Workflow Process Mining Algorithm Based on Synchro-Net

Sometimes historic information about workflow execution is needed to analyze business processes. Process mining aims at extracting information from event logs for capturing a business process in execution. In this paper a process mining algorithm is proposed based on Synchro-Net which is a synchronization-based model of workflow logic and workflow semantics. With this mining algorithm based on the model, problems such as invisible tasks and short-loops can be dealt with at ease. A process mining example is presented to illustrate the algorithm, and the evaluation is also given.     

基于Petri网工作流模型展开树的路径序列相似性算法

在实际的数据迁移项目中,为了解决数据映射的问题,需要确定两个工作流模型之间的相似度。从工作流模型的相似性方面进行分析阐述,提出了基于Petri网的工作流模型展开树的路径序列相似性算法,首先采用深度优先搜索算法和动态规划算法对模型进行搜索,其次通过提出的算法获取展开树的所有路径序列,最后利用编辑距离算法计算两个模型序列之间的两两相似度,进而完成模型相似性计算,相较于其他的主流相似度算法,主要优点在于可以精确计算得到模型部分结构和行为相似度,可以更好的确定流程间映射,从而找到数据映射的解决方法。实验结果表明：该方法较主流的基于模型结构和行为相似性算法,计算合理性和准确性有很大提升。     

基于Petri网的系统最小割集求解

针对以往用Petri网求系统最小割集广泛采用分析库所的方法,证明了通过分析模型的变迁能够减少运算量,提出了组成系统最小割集的变迁序列的组合算法,并通过状态方程求取最小割集,最后通过实例验证了算法的正确性和简便性.     

一种基于后缀树的Web访问模式挖掘算法

在Web使用挖掘中,分析用户的行为模式是一个关键的问题。文中提出了一种基于后缀树的最大频繁序列MFS(Maximal Frequent Sequences)的有效挖掘算法,该算法能够从增量数据中动态发现和输出MFS。