流程挖掘研究及工作流模型的時間性能分析.pdf

1、隨著工作流技術的發(fā)展，工作流管理廣泛應用到企業(yè)信息系統(tǒng)中。在傳統(tǒng)的工作流生命周期中，通常由相關領域專家設計一個符合企業(yè)流程的工作流模型，然后配置相關應用系統(tǒng)，最后系統(tǒng)投入使用。但實際應用表明，流程設計者不能在工作流系統(tǒng)投入使用之前就設計出一個很完善的、固定不變的模型。另一方面，業(yè)務流程會隨著時間推移變更。相關領域專家希望從工作流系統(tǒng)真正運作情況中得到有用的信息，以進行工作流模型再造。現(xiàn)有很多應用系統(tǒng)均能提供日志，這些日志記錄了系統(tǒng)的運作

2、情況，為工作流模型再造提供了可能。流程挖掘抽取系統(tǒng)提供的日志信息，挖掘業(yè)務流程的真實運作模型。增量挖掘在日志信息的基礎上，結合已有舊模型信息，或領域專家的先驗知識，更全面地挖掘模型。此外，日志中還包含大量時間信息。通過對這些時間信息統(tǒng)計可以對模型作時間性能分析，得到模型最大運轉時間信息。這些從日志中學習到的信息可反饋給流程設計者，以更好地進行模型再造。 本文研究工作流模型再造階段的兩個問題：流程挖掘及工作流模型時間性能分析。在深

3、入研究國內(nèi)外相關工作的基礎上，本文的主要工作及貢獻如下： 1.現(xiàn)有研究已有多種挖掘算法，基于不同的方法體系，挖掘出符合特定條件的工作流模型，但這些算法對循環(huán)結構的支持存在缺陷。本文給出一種可學習循環(huán)結構的流程挖掘方法，該方法能處理復雜的循環(huán)結構。方法的解決思路不限于特定算法，也能適用于其余不支持循環(huán)結構的算法中。論文給予相關理論證明，并從算法復雜度、日志質(zhì)量對結果的影響及方法的適用范圍與推廣三方面作了詳細的理論探討。最后編寫實驗

4、驗證挖掘效果。實驗結果表明，與流程挖掘中最典型的α算法相比，該方法挖掘結果的準確度較高。 2.目前增量挖掘的研究不多。本文研究了在增量挖掘中完善操作與更新操作的細節(jié)，考慮到循環(huán)結構內(nèi)及循環(huán)結構外的任務的位置變化情況，提出了增量挖掘方法。與已有工作相比，該方法能支持循環(huán)結構的增量挖掘。此外本文提出的方法還能考慮到業(yè)務流程隨著時間推移，新任務出現(xiàn)及舊任務被取消的情況，結合已有模型及新增日志信息量，合理地處理流程變更中任務的交替。最后