业务流程系统变元片段的日志检测与挖掘方法研究

Change elements are always and inevitably introduced in the evolution of business process systems, and the existing researches diagnose whether changes occur mainly through the comparisons between reference model and actual logs of the system. However, once reference model of the system remains unknown, the previous presented methods are not work, so it is a valuable research perspective that how.to detect changes only through logs of systems. Started from the limitations of the state-of-art researches about process variants detection and mining methods, this proposal aims at investigating the detection, mining methods and strategies of process variants by region log mining, in order to achieve the basic goals that some given classes of process variants are detectable and mined. Firstly, under the conditions of complete logs and incomplete logs respectively, process variants mining methods are studied by logs behavior changes. Based on them, the analysis and investigation of process variants detection methods and detectable conditions are then conducted, in order to achieve the goal that several classes of process variants are detectable. Secondly, the researches on process variants mining methods are carried out, in order to realize the region process mining of varianble fragments under singular- and multiple-composed logs . The structural and behavioral characteristics are further investigated for the subclass of variable fragments, such that all these kinds of variant fragments can be detected through log mining, and consequently the objective of variant fragments mining is to be reached. Finally, transaction based business systems are studied, by applying the detection and mining methods for process variant fragments presented, the obtained theoretical results provide theoretical supports for the structure design and the structure optimization analysis in business system.

业务流程系统在演进过程中不可避免地会引入变化因素，现有研究主要通过对比系统参考模型和实际日志来诊断变化是否发生，而当系统参考模型未知时，如何通过系统日志来检测变化是一项有价值的研究内容。本项目从已有研究对系统变元检测与挖掘方法存在的问题入手，利用日志的块挖掘来研究系统变元的检测与挖掘方法及策略，以实现系统变元片段的日志检测判定与挖掘。首先，在完全日志和不完全日志条件下，研究变元片段的过程挖掘方法，并以此为基础，开展变元片段的日志检测方法、可检测判定条件的分析和研究，实现几类变元片段可检测的目标。其次，开展变元片段的挖掘方法的研究，实现变元片段在单体日志和多体日志条件下的块挖掘，并对满足行为可检测的变元片段特征进行分析，探讨这类变元片段的结构和行为特征，实现变元片段日志可挖掘的目标。最后，将所研究变元片段的检测和挖掘方法应用于电子交易业务系统，为业务流程系统的设计和优化提供理论支撑。

业务流程系统在演进过程不可避免地会引入变化因素，本项目从日志角度出发，在系统参考模型未知的情况下，利用行为轮廓的相关理论，定位日志中的活动直接依赖和间接依赖关系，从而达到实现系统变元片段的检测与挖掘。得到的主要研究结论如下：.第一，分别从完备日志和不完备日志的角度出发，提出挖掘日志中的变化片段的相关算法，其中，不完备日志在本项目的研究过程中，将其定义为包含了流程系统所有的直接跟随关系。实验结果表明，基于不完备日志可以挖掘日志中插入/删除变化、移动变化等特征；.第二，基于日志的变化挖掘，可以通过区分变体簇的特征来进行实现，利用日志的进程树模型，结合活动间的行为关系，挖掘流程变体。这种方法已经通过实验验证在准确性和精准性上优于基于CNN的迹聚类方法；.第三，通过考察变元片段的相似性，提出了基于日志的、以及结合模型与日志的流程性相似性评价方法，结果表明综合性的流程相似性的归一化折损累积增益NDCG指标要优于现有方法。特别地，在流程簇的相似性分析中，还针对含有隐变迁的流程系统进行了相似性分析，进一步拓展了已有相似性研究的深度；.第四，结合深度学习模型，分别提出基于BERT和弱行为轮廓的模型BERT4Log的低质量事件日志修复、结合迹行为特征的卷积神经网络模型修复迹中的缺失活动的自编码模型，对日志变元片段的检测与修复方法进行实验分析，提出的基于行为关系的深度学习模型具有更好的预测准确度。.通过项目的开展，针对基于日志的系统变元检测与定位方法、挖掘与修复方法、修复与预测方法以及流程变体簇的相似性评价等研究内容，都得到了一些比较完善的研究结论；除了理论研究方面，本项目还积极将理论研究成果应用到工业互联网的相关系统中，目前已经实现将相关方法和算法应用于智慧矿山的数字孪生系统中，特别是井下机车调度系统的在线实时异常监控与检测、作业剩余执行时间的预测等方面。.