基于工作流网的成批处理工作流模型挖掘方法

• 论文 •

基于工作流网的成批处理工作流模型挖掘方法

文一凭，陈志刚，陈铁民

1.中南大学信息科学与工程学院,湖南长沙410083；2.湖南科技大学知识处理与网络化制造湖南省普通高校重点实验室,湖南湘潭411201；3.湖南移动永州分公司,湖南永州425000

出版日期:2012-08-15 发布日期:2012-08-25

Mining method for batch processing workflow model based on WF-net

WEN Yi-ping, CHEN Zhi-gang, CHEN Tie-min

1.School of Information Science and Engineering, Central South University, Changsha 410083, China;2.Key Laboratory of Knowledge Processing and Networked Manufacture, Hunan University of Science and Technology, Xiangtan 411201, China;3.Hunan Mobile Communication Company, Yongzhou 425000, China

Online:2012-08-15 Published:2012-08-25

摘要/Abstract

摘要： 针对现有过程挖掘技术在解决成批处理工作流模型挖掘问题上存在的不足，研究了相应的过程挖掘方法。利用系统事件日志中活动实例的输入输出、开始与结束时间等数据，通过引入成批处理特征等概念来发现成批处理区及隐含的事件记录，并结合现有过程挖掘方法来挖掘成批处理工作流模型。该方法充分利用现有过程挖掘方法的优越性能，解决了支持成批处理工作流系统中的模型自动构建问题。通过仿真实验验证了该方法的有效性。

关键词: 成批处理工作流, 过程挖掘, 活动实例, 工作流网

Abstract: Aiming at the disadvantage of current process mining technology on batch processing workflow models, the corresponding process mining method was researched. Through activity instances'data in event log such as input/output and starting/ending time, the batch processing area and hidden event records were found by introducing the concept of batch processing features. Combined with existing process mining method, the batch processing workflow model was mined. The superior performance of existing process mining method was used by proposed method to solve the model construction problem in batch processing workflow system. The effectiveness of method was verified by simulation experiment.

Key words: batch processing workflow, process mining, activity instances, workflow nets

中图分类号:

TP311

文一凭,，陈志刚+，陈铁民. 基于工作流网的成批处理工作流模型挖掘方法[J]. .

WEN Yi-ping,, CHEN Zhi-gang+, CHEN Tie-min. Mining method for batch processing workflow model based on WF-net[J]. .

[1]	鲁法明,崔明浩,包云霞,曾庆田,段华. 基于程序运行轨迹Petri网模型挖掘的死锁检测方法[J]. 计算机集成制造系统, 2021, 27(9): 2611-2624.
[2]	王丽丽,方贤文. 基于行为距离的带隐变迁过程模型挖掘方法[J]. 计算机集成制造系统, 2021, 27(9): 2670-2679.
[3]	汤雅惠,李彤,朱锐,南峰涛,付会林. 基于执行者过程树的双维度遗传过程挖掘方法[J]. 计算机集成制造系统, 2021, 27(9): 2680-2690.
[4]	方欢,李东月,孙书亚,方贤文. 基于直接后继关系对齐的过程符合性检测[J]. 计算机集成制造系统, 2020, 26(6): 1473-1482.
[5]	林雷蕾,杨良,闻立杰,周华,王建民. 基于信息熵的无标日志划分评价方法[J]. 计算机集成制造系统, 2020, 26(6): 1483-1491.
[6]	汤雅惠,朱锐,李彤,南峰涛,郑明,马自飞. 基于轨迹聚类种群的遗传过程混成挖掘算法[J]. 计算机集成制造系统, 2020, 26(6): 1510-1524.
[7]	刘聪,程龙,曾庆田,闻立杰,欧阳春. 基于Petri网的分层业务过程挖掘方法[J]. 计算机集成制造系统, 2020, 26(6): 1525-1537.
[8]	李鹏飞,鲁法明,包云霞,曾庆田,朱冠烨. 基于医疗过程挖掘与患者体征的药物推荐方法[J]. 计算机集成制造系统, 2020, 26(6): 1668-1678.
[9]	胡小强,吴翾,闻立杰,王建民. 基于Spark的并行分布式过程挖掘算法[J]. 计算机集成制造系统, 2019, 25(第4): 791-797.
[10]	田银花,杜玉越,韩咚,刘伟. 基于Petri网的事件日志与过程模型对齐方法[J]. 计算机集成制造系统, 2019, 25(第4): 809-829.
[11]	郑灿彬,吴翾,闻立杰,王建民. 从事件日志中发现过程模型的渐变漂移[J]. 计算机集成制造系统, 2019, 25(第4): 830-836.
[12]	林雷蕾,闻立杰,周华,裴继升,代飞,郑灿彬. 基于日志完备性的过程漂移检测方法[J]. 计算机集成制造系统, 2019, 25(第4): 873-881.
[13]	方欢,段瑞,詹悦. 基于后继关系的行为块过程挖掘方法[J]. 计算机集成制造系统, 2019, 25(第4): 901-908.
[14]	黄俊捷,金涛,王建民. 基于遗传算法的临床路径本地化研究[J]. 计算机集成制造系统, 2019, 25(第4): 1001-1009.
[15]	李睿易,鲁法明,包云霞,曾庆田,朱冠烨. 基于药物疗效日志的临床路径挖掘方法[J]. 计算机集成制造系统, 2019, 25(第4): 1017-1025.