基于结构化工作流网的隐含任务挖掘方法

过程挖掘是一种客观、自动化的过程分析技术,它通过挖掘过程日志来得到业务过程的结构模型,是传统过程分析手段的重要补充。如何正确挖掘包含隐含任务的不完整过程日志,是过程挖掘需要解决的难题之一。现有的一些算法如基因算法、α#算法等解决了部分类型隐含任务的挖掘问题,但仍有许多类型的隐含任务无法被正确挖掘。针对这一问题,本文在α#算法的基础上提出了一种基于结构化工作流网的挖掘算法,该算法能够较为完整地挖掘各类包含隐含任务的结构化工作流网模型。通过理论分析和实验验证,该算法的正确性和有效性得到了证明。

工作流模型挖掘中改进的α算法

针对算法在挖掘短循环结构等方面的不足,提出了一种改进的算法。该算法先基于事件类型定义任务间序关系;然后依据这些关系逐渐缩小日志,推出序关系矩阵。最后据此矩阵借助形式化步骤生成工作流网。用一个案例解释了算法的执行过程并进行模拟实验,验证了该算法的可行性和有效性。实验结果表明,改进算法比算法在处理模型结构、重发现模型种类以及挖掘质量上更具优势。

复杂工作流模式的重构研究

通过分析在实际工作流中易出现的复杂模式,探究了以往文献中的重构算法不能处理这些模式的原因。通过对算法进行修正,使该算法能够对复杂模式进行有效处理。通过实验证明,改进后的算法仍能保持良好的性能,适用性较强。

含噪音处理的工作流挖掘算法在资源规划方面的应用

为了提升业务流程执行效率,提高流程建模的客观性,在考虑日志文件存在噪音的前提下,对结构化工作流模型的四种基本结构进行分析,研究从日志文件中挖掘出流程模型的结构化算法.从获取日志文件信息、提炼简单活动序列、挖掘结构化分支模型和合并最终模型四个部分进行描述,然后以Petri网的形式展现最终模型,最后进行资源负载分析,为决策者进行资源规划提供决策依据,有利于提高资源利用率和流程执行效率,进而提高企业效益.

时间约束工作流模型及其应用

工作流时间管理是工作流管理系统的一个关键部分,一个工作流程在定义、执行阶段明确计算出其所需消耗的时间以及各个步骤的可能启动时间对于安排时间和资源计划都是很有意义的.本文介绍了时间约束的工作流网及其层次扩展模型,分析目前工作流时间管理中存在的问题,提出时间约束工作流网在事务处理流程和项目管理二种不同应用环境中解决时间计算问题的思路.