基于Petri網(wǎng)基本結(jié)構(gòu)的過(guò)程模型修復(fù)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于Petri網(wǎng)基本結(jié)構(gòu)的過(guò)程模型修復(fù)方法。
【背景技術(shù)】
[0002] 過(guò)程挖掘是在1998年由R. Agrawal等人提出的。目前國(guó)際上比較認(rèn)可的過(guò)程挖 掘定義為"過(guò)程挖掘是指那些從實(shí)際執(zhí)行集合中提取出結(jié)構(gòu)化過(guò)程描述的方法"。
[0003] 在過(guò)去的十年里，事件數(shù)據(jù)越來(lái)越容易獲得，過(guò)程挖掘技術(shù)正在趨于成熟。過(guò)程挖 掘也成為了業(yè)務(wù)過(guò)程管理（BPM)研究的熱門課題之一。下面利用BPM生命周期來(lái)定位過(guò)程 挖掘。BPM生命周期說(shuō)明了一個(gè)業(yè)務(wù)過(guò)程的7個(gè)階段，分別是（重）設(shè)計(jì)、分析、實(shí)現(xiàn)、（重） 配置、執(zhí)行、調(diào)整和診斷。（重）設(shè)計(jì)階段，將會(huì)創(chuàng)建一個(gè)新的過(guò)程模型或者修改一個(gè)已經(jīng) 存在的過(guò)程模型。分析階段對(duì)候選模型和其它可選模型進(jìn)行分析。在此之后，模型在實(shí)現(xiàn) 階段得以實(shí)現(xiàn)。一個(gè)已存在的系統(tǒng)將會(huì)在（重）配置階段得以重新配置。在執(zhí)行階段，設(shè) 計(jì)好的過(guò)程模型將會(huì)被執(zhí)行和監(jiān)測(cè)。在調(diào)整階段，過(guò)程不會(huì)被重新設(shè)計(jì)，也不會(huì)生成新的軟 件。在診斷階段，被執(zhí)行的過(guò)程得到分析，此階段的輸出可能會(huì)觸發(fā)一次新的（再）設(shè)計(jì)階 段。過(guò)程模型在（重）設(shè)計(jì)、配置和實(shí)現(xiàn)階段扮演主導(dǎo)角色，而數(shù)據(jù)在實(shí)現(xiàn)、執(zhí)行和診斷階 段扮演主導(dǎo)角色。過(guò)程挖掘提供了一種真正"閉合"BPM生命周期的可能性。
[0004] 從過(guò)程挖掘的定義中可以看出過(guò)程挖掘的目的是從日志數(shù)據(jù)中抽取信息，并且建 立清晰的過(guò)程模型，同時(shí)要保證構(gòu)建的過(guò)程模型與實(shí)際的執(zhí)行過(guò)程保持一致。過(guò)程挖掘的 起點(diǎn)是事件日志。所有的過(guò)程挖掘技術(shù)均假設(shè)能夠連續(xù)地記錄事件，每個(gè)事件代表一個(gè)活 動(dòng)，而且每個(gè)事件和一個(gè)特定的案例相關(guān)。另外，事件日志可能存儲(chǔ)了關(guān)于事件的額外信 息。
[0005] 事件日志可以被用于三種類型的過(guò)程挖掘場(chǎng)景。第一類過(guò)程挖掘場(chǎng)景是"過(guò)程 發(fā)現(xiàn)"，即根據(jù)一個(gè)事件日志生成一個(gè)模型，并不使用任何先驗(yàn)信息，其主要內(nèi)容是過(guò)程挖 掘算法的研究。第二類過(guò)程挖掘場(chǎng)景是"一致性檢測(cè)"，將一個(gè)已知的過(guò)程模型與這個(gè)模型 的事件日志進(jìn)行對(duì)比，一致性檢測(cè)可以用來(lái)檢查記錄在日志中的實(shí)際情況是否符合這個(gè)模 型。第三種類型的過(guò)程挖掘場(chǎng)景是"過(guò)程增強(qiáng)"，其理念是利用實(shí)際過(guò)程產(chǎn)生的事件日志來(lái) 擴(kuò)展或改進(jìn)一個(gè)已存在的過(guò)程，與一致性檢測(cè)不同，第三種過(guò)程挖掘場(chǎng)景的目的在于改進(jìn) 和擴(kuò)展已知模型。
[0006] 隨著過(guò)程挖掘技術(shù)的升溫，國(guó)內(nèi)外的很多學(xué)者都致力于研究過(guò)程挖掘算法。過(guò)程 挖掘算法最早是由Cook和Wolf提出的，目標(biāo)是從軟件過(guò)程的事件日志中自動(dòng)發(fā)現(xiàn)過(guò)程模 型，并隨之做了大量的后繼工作。1998年，AGRAWAL使用基于有向圖的方法最早提出了業(yè)務(wù) 過(guò)程挖掘模型，此后又進(jìn)行了一系列擴(kuò)展性的研究。此后國(guó)內(nèi)外的學(xué)者陸陸續(xù)續(xù)地提出了 大量的數(shù)據(jù)挖掘算法。比如，Aalst提出的基于活動(dòng)順序關(guān)系產(chǎn)生的α算法以及聞立杰、 王建民提出的其衍生算法，基于語(yǔ)義技術(shù)提出的區(qū)域挖掘和ILP挖掘等等。本發(fā)明所使用 的過(guò)程挖掘方法是在2013年S. J. J Leemans提出的歸納挖掘。
[0007] 在一致性檢測(cè)和過(guò)程增強(qiáng)技術(shù)方面，目前最大的挑戰(zhàn)就是在過(guò)程模型上進(jìn)行重 演，來(lái)發(fā)現(xiàn)事件日志中觀察到的行為的最優(yōu)路徑。Arya Adriansyah提出了基于事件日志的 校準(zhǔn)方法，不僅能夠?qū)κ录罩具M(jìn)行重演，還能夠解決在重演過(guò)程中出現(xiàn)的諸如重復(fù)變迀， 不可見變迀，復(fù)雜的控制過(guò)和循環(huán)此類問(wèn)題。另外，對(duì)于過(guò)程模型中出現(xiàn)的偏差，校準(zhǔn)也能 夠發(fā)現(xiàn)偏差出現(xiàn)的地點(diǎn)，并提供偏差的診斷信息。進(jìn)一步地，通過(guò)對(duì)不同偏差賦予不同程度 的嚴(yán)重性，可以利用校準(zhǔn)來(lái)實(shí)現(xiàn)不同角度的分析。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于提出一種基于Petri網(wǎng)基本結(jié)構(gòu)的過(guò)程模型修復(fù)方法，其采用 如下方案：
[0009] 基于Petri網(wǎng)基本結(jié)構(gòu)的過(guò)程模型修復(fù)方法，包括如下步驟：
[0010] a利用歸納挖掘算法從事件日志中挖掘出對(duì)應(yīng)的過(guò)程模型
[0011] al過(guò)程樹
[0012] 定義過(guò)程樹
[0013] 設(shè)Σ是一個(gè)有限活動(dòng)集，?是給定的符號(hào)集，τ是隱式變迀；
[0014] (l)a e Σ U { τ }是一個(gè)過(guò)程樹；
[0015] (2)設(shè)M1，…，Mn均是過(guò)程樹，η>0,則? (Μ ^…，Mn)也是過(guò)程樹；
[0016] 對(duì)于操作符，有如下幾種：
[0017] 操作符X代表著選擇關(guān)系，該操作符對(duì)應(yīng)的子樹只有一個(gè)會(huì)發(fā)生；
[0018] 操作符一代表著順序關(guān)系，該操作符對(duì)應(yīng)的子樹會(huì)順序發(fā)生；
[0019] 操作符0代表著循環(huán)關(guān)系，M1代表循環(huán)體，M2，…，M n代表循環(huán)路徑，對(duì)于α，η多2 ;
[0020] 操作符Λ代表著并行關(guān)系；
[0021] 為描述過(guò)程樹的語(yǔ)義，對(duì)于過(guò)程樹定義一個(gè)循環(huán)單調(diào)函數(shù)；對(duì)于過(guò)程樹的操作符， 分別定義其結(jié)合函數(shù)? 1 :
[0022] Aaj = {< a 對(duì)于 a e Σ ;
[0023]
[0024] 對(duì)于操作符X，Xl(L/"._人）=U々； l<i </?.
[0025] 對(duì)于操作符一，一 i(7w，…乂…Λ,| V/_e 1 . * . " : e Μ;
[0026] 對(duì)于操作符ο:，Ο Uh，…人〉-{巧.' r t :2 · .'的G Λ (G U A 卜
[0027] 為描述操作符Λ，引入符號(hào)集,.這個(gè)符號(hào)集代表著tl. . . 1的交錯(cuò)；[0028]
[0029]
[0030] Vi < n A m={i^)^{i) = t^kh
[0031] 其中，f是一個(gè)雙射函數(shù)，將t中每一個(gè)事件映射到^中的一個(gè)事件，t(i)代表著 t中第i個(gè)元素；使用這種符號(hào)定義，下面來(lái)定義操作符Λ :
[0032]
[0033] 母 ? MJ-PT； I ι-?? ?η h i _b. m ju 1，ιωμ=?)塊結(jié)構(gòu)的工作 流網(wǎng)中；
[0034] a2確定操作符和選擇切割
[0035] 四種操作符X，一，G，Λ每一種都有著典型的形式來(lái)進(jìn)行分割；事件日志會(huì)根據(jù) 選定的操作符進(jìn)行分割，被分割的事件日志會(huì)繼續(xù)遞歸進(jìn)行分割；
[0036] 定義選擇切割
[0037] 存在一個(gè)緊鄰圖G，對(duì)其進(jìn)行選擇切割，產(chǎn)生了不相交的集合X1，…，Ση，有：
[0038]
[0039] 定義順序切割
[0040] 存在一個(gè)緊鄰圖G，對(duì)其進(jìn)行順序切割，產(chǎn)生了不相交的集合X1，…，Ση，有：
[0041]
[0042]
[0043]
[0044]
[0045]
[0046] 定義并行切割
[0047] 存在一個(gè)緊鄰圖G，對(duì)其進(jìn)行并行切割，產(chǎn)生了不相交的集合X1，…，Ση，有：
[0048]
[0049]
[0050] 定義循壞切割
[0051] 存在一個(gè)緊鄰圖G，對(duì)其進(jìn)行選擇切割，產(chǎn)生了不相交的集合X1，…，Ση，有：
[0052] SiariiG) U End(G)CiIr,
[0053]
[0058] a3切割日志
[0059] 在確定操作符并選擇對(duì)應(yīng)的切割后，需要對(duì)事件日志進(jìn)行分離；不同的切割對(duì)應(yīng) 不同的切割函數(shù)，下面列出對(duì)應(yīng)的切割函數(shù)：
[0060] 定義順序切割函數(shù)
[0061 ] 輸入：事件日志L和順序切割集合（Σ i，…，Σ n);
[0062] 輸出：切割后的事件日志L1, · · ·，Ln;
[0063] 依次遍歷每一個(gè)順序切割集合，每一個(gè)集合會(huì)將原有的事件日志切割出與其對(duì)應(yīng) 的事件日志，有：
[0064]
[0065] 定義選擇切割函數(shù)
[0066] 輸入：事件日志L和選擇切割集合（Σ . . .，Σ J ;
[0067] 輸出：切割后的事件日志L1, · · ·，Ln;
[0068] 依次遍歷每一個(gè)選擇切割集合，每一個(gè)集合會(huì)將原有的事件日志切割出與其對(duì)應(yīng) 的事件日志，有：
[0069]
[0070] 定義并行切割函數(shù)
[0071] 輸入：事件日志L和并行切割集合G1，…，Ση);
[0072] 輸出：切割后的事件日志L1, · · ·，Ln;
[0073] 依次遍歷每一個(gè)并行切割集合，每一個(gè)集合會(huì)將原有的事件日志切割出與其對(duì)應(yīng) 的事件日志，有：
[0074]
[0075] 其中，11 .是一個(gè)映射函數(shù)，它將跡t投射到活動(dòng)X之中，這樣所有在11 .中存在的 事件均在事件X中；
[0076] 定義循環(huán)切割函數(shù)
[0077] 輸入：事件日志L和循環(huán)切割集合（X1，…，Ση);
[0078] 輸出：切割后的事件日志L1, · · ·，Ln;
[0079] 依次遍歷每一個(gè)循環(huán)切割集合，每一個(gè)集合會(huì)將原有的事件日志切割出與其對(duì)應(yīng) 的事件日志，有：
[0080]
[0081]
[0082]
[0083]
[0084] 在分別定義了各個(gè)切割的分離日志函數(shù)后，下面給出歸納挖掘的核心算法，其輸 入為事件日志，輸出為過(guò)程樹：
[0085] 定義歸納挖掘核心算法
[0086] 輸入：事件日志L ;
[0087] 輸出：過(guò)程樹；
[0088] 步驟1 :判斷并選擇最為重要且最大的切割方法；
[0089] 步驟2 :若選擇的切割方法為選擇切割，則調(diào)用選擇切割函數(shù)，得到切割后的事件 曰志L1, · · ·，Ln，并返回{(X，（0^0)，···，（Ln，0)))};
[0090] 步驟3 :若選擇的切割方法為順序切割，則調(diào)用順序切割函數(shù)，得到切割后的事件 日志L1, · · ·，Ln，并返回{(一，（0^0)，···，（Ln，0)))};
[0091] 步驟4 :若選擇的切割方法為并行切割，則調(diào)用并行切割函數(shù)，得到切割后的事件 曰志L1, · · ·，Ln，并返回{( Λ，（H···，（Ln，0)))};
[0092] 步驟5 :若選擇的切割方法為循環(huán)切割，則調(diào)用循環(huán)切割函數(shù)，得到切割后的事件 日志 L1, · · .,Ln，并返回{(認(rèn)(〇,0),…，(U〇)))};
[0093] 步驟6 :若事件日志為空集或事件日志只含有一個(gè)元素，返回
[0094] 通過(guò)上述歸納挖掘算法從事件日志中挖掘出對(duì)應(yīng)的過(guò)程樹，進(jìn)而得到相應(yīng)的過(guò)程 豐旲型；
[0095] b將擴(kuò)大的事件日志與挖掘得到的過(guò)程模型進(jìn)行校準(zhǔn)，發(fā)現(xiàn)過(guò)程模型中存在的偏 差
[0096] 定義移動(dòng)隊(duì)列
[0097] 設(shè)ZeW是活動(dòng)集，〇 e A*是基于活動(dòng)集A的跡，N = (P, T, F, a，IIii, mf)是基于活 動(dòng)集A的Petri網(wǎng)；跡σ和模型N之間的移動(dòng)隊(duì)列γ e (A>> X Τ? )*必須滿足：
[0098] π從丫）I σ，表示移動(dòng)隊(duì)列γ第一項(xiàng)在A上的投影，即跡中的移動(dòng)序列是跡 的前綴；
[0099] 存在一個(gè)完全發(fā)生隊(duì)6^*，有712(丫\7. Si?，即模型中的移動(dòng)序列是完全 發(fā)生序列的如綴；
[0100] 對(duì)于所有的移動(dòng)隊(duì)列里的二元組（a，t) e γ，規(guī)定如下幾種移動(dòng)：
[0101] 若a e A且t = > >，則稱之為日志動(dòng)作；
[0102] 若a = > >且t e T，則稱之為模型動(dòng)作；
[0103] 若a e A且t e T，則稱之為同步動(dòng)作；
[0104] 其他類型稱之為非法動(dòng)作；
[0105] 所有的日志動(dòng)作、模型動(dòng)作和同步動(dòng)作都是合法動(dòng)作；一個(gè)移動(dòng)隊(duì)列如果只包含 合法動(dòng)作，那么它就是合法移動(dòng)隊(duì)列；在移動(dòng)隊(duì)列定義的基礎(chǔ)上，對(duì)校準(zhǔn)進(jìn)行定義：
[0106] 定義校準(zhǔn)
[0107] 設(shè)如^是活云力集^巳八氺是基于活云力集八的跡^二也乃卩^^^^是基于 活動(dòng)集A的Petri網(wǎng)；跡。和模型N之間的校準(zhǔn)γ e (A>> XT?)*是滿足以下條件的 移動(dòng)隊(duì)列：
[0108] π從丫）I Α= σ，即跡中的移動(dòng)序列產(chǎn)生了這條跡；
[0109] //;,，即模型中的移動(dòng)序列產(chǎn)生一個(gè)完全發(fā)生序列；
[0110] 『d是跡〇和模型N之間所有校準(zhǔn)的集合；
[0111] 定義最優(yōu)校準(zhǔn)
[0112] 設(shè)JeW是活動(dòng)集，O e A*是基于活動(dòng)集A的跡，N = (P,