基于多维度的事件日志决策规则挖掘优化研究

摘要

随着移动互联网的发展和工业技术的革新，工业4.0时代将很快到来。越来越多的企业已采用ERP、CRM、MIS等信息管理系统来支持企业的管理运作，然而由于这类系统在运行过程中产生大量工作流日志文件，使工业生产中的数据事件的记录和分析变得随处可见，系统间处理的过程详细信息也同样保存在事件日志中。为了挖掘出企业系统所产生的事件日志中有价值的信息，过程挖掘应运而生。过程挖掘通过分析企业系统所产生的事件日志，提取事件日志中的信息，重现业务流程的真实执行过程，并利用所发现的知识对流程模型进行优化和重构。
　　本文在研究过程挖掘的经典算法基础上，针对传统决策规则挖掘算法指出了其中的不足之处:一是传统算法在生成过程模型时使用的是α算法，但该过程模型生成算法在处理事件日志中的隐藏活动和重复活动等复杂结构活动时存在一定的不足;二是传统算法在考虑数据活动属性时只考虑了活动的案例维度属性，而对一些其余重要维度属性，如时间维度属性和组织维度属性则并没有考虑到算法中，这样使得分析出来的决策规则分类缺乏一定的准确性。整体而言，基于传统决策规则算法挖掘事件之间的关系存在着一定的局限性。
　　针对上述问题，本文提出了一种基于多维度的事件日志决策规则挖掘优化方案，改善了传统决策规则挖掘算法在挖掘事件关系上的局限性，在决策规则挖掘前，先在算法中添加对隐藏活动和重复活动的识别方法，提取出更加精确的过程模型，从而确定事件日志中的决策点集合信息;然后对事件日志进行结点分析，通过利用时间戳信息得到事件日志的时间维度属性，同时分析出整个日志的资源社会关系网，通过预先分析出来的资源路径分布概率，把活动的时间维度和组织维度属性列入到决策参考中，总体上对传统决策规则挖掘算法在挖掘事件关系上起到了优化作用。本文通过理论分析及模拟实验实现了该优化方案，以客观的事件日志作为数据源，在ProM平台下进行了实验，并对该优化方案的实验结果进行了详细的阐述。

目录

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．2 研究现状

1．3 本论文的主要工作

1．4 论文结构安排

第2章 过程挖掘相关理论

2．1 过程挖掘的定义

2．1．1 BPM生命周期

2．1．2 过程挖掘的应用场景

2．2 过程建模与分析

2．2．1 Petri网

2．2．2 工作流网

2．2．3 模型基本路由结构

2．3 多维度挖掘

2．3．1 案例维度

2．3．2 时间维度

2．3．3 组织维度

2．4 过程挖掘算法分析

2．5 过程挖掘工具

2．6 本章小结

第3章 事件日志的决策规则挖掘优化方案

3．1 决策规则挖掘

3．1．1 决策规则挖掘总体流程

3．1．2 决策规则算法原理及分析

3．1．3 决策规则挖掘算法的实现

3．1．4 决策规则挖掘的不足

3．2 事件日志多维度分析

3．2．1 时间戳分析

3．2．2 社会网分析

3．3 事件日志复杂活动处理

3．3．1 α#算法

3．3．2 α*-算法

3．4 决策规则挖掘优化方案

3．4．1 优化方案思想

3．4．2 优化方案实现过程

3．5 本章小结

第4章 优化方案实验及结果分析

4．1 实验描述

4．1．1 实验数据介绍

4．1．2 实验平台介绍

4．2 实验过程分析

4．3 实验结果比较

4．3．1 过程模型的比较

4．3．2 决策规则的比较

4．4 本章小结

第5章 结论与展望

5．1 总结

5．2 展望

致谢

参考文献

附录1 攻读硕士学位期间发表的论文