工作流挖掘:一种新型工作流自动化建模方法

为解决传统工作流建模方式主观性强、效率低以及成本高等问题,出现一种从工作流日志中自动化推导工作流模型的建模方法,又称工作流挖掘。这种新方法在国际上还处于研究初级阶段,但已引起广泛关注。该文对当前主要研究学者的工作及挖掘算法进行总结,介绍了两种不同类型挖掘算法的具体建模过程,并对其性能进行比较分析,用实例进行解释说明。

基于过程日志的业务过程自动化建模方法设计

提出了一种基于马尔可夫转移矩阵的过程挖掘方法。在该方法中,业务过程被看作是一条有限齐次的马尔可夫链。基于日志建立转移矩阵,定义基本过程逻辑关系的挖掘规则,并据此规则设计了挖掘算法。此外,将过程形式化表示算法的设计从过程挖掘算法中分离出来,可以满足同一过程的不同形式化表示的需要,具体给出了基于工作流网的过程形式化表示算法。

城市给水系统灾害恢复力的地震鲁棒性分析

基于灾害恢复力的概念和评价属性,以城市给水系统地震损失模型为研究路径,运用基于蒙特卡洛仿真的GIRAFFE模型,通过升级输水干道评价了城市给水系统在M6.5和M7.0两个震级下的技术鲁棒性和组织鲁棒性。结果表明,升级输水干道对系统的技术鲁棒性和组织鲁棒性效果明显,且随着震级的提高而越发显著。此外,输水干道的重要程度与震级强度无关,但随着震后时间的推移,其重要性取决于输水管道所处的系统位置,即在震后0时,处于系统枢纽位置的管道相对重要;在震后24h,靠近供水源的管道则相对重要。

基于模糊聚类与GIS的配送中心选址研究

随着物流产业的发展,配送中心选址(RDC)问题已经成为物流产业中一个重要的研究课题。本文先用模糊聚类法把要分类的目标顾客按照一定的标准进行分类,然后在每一类中用基于地理信息系统(GIS)的选址技术进行具体的选址,这样可以大大降低计算量,提高选址精度,而且在聚类的时候可以考虑更多的定性因素,得到不同规模的聚类方案,给决策者更多的选择空间。

一种基于序列比对的业务过程定量化分析方法

时间、成本、产量、资源利用率及等待队列长度等是常见的企业业务过程性能分析指标.它们为识别关键流程,分析过程瓶颈,及验证模型可行性等提供了重要的数据支持.然而在业务的实际执行过程中,过程实例往往不能完全按照企业预定义模型执行,即二者间存在差异.这种差异不仅会降低过程执行效率,且也将影响企业生产效益.而在目前的过程分析方法中缺乏用于计算这种差异的指标及分析方式.对此,基于生物信息学中的序列比对思想,提出一种用于衡量及分析此差异的技术及研究框架,即过程评价技术,并定义偏差度作为量化指标;同时,针对不同使用条件设计四种偏差度计算方法,并进一步给出基于偏差度的业务过程分析方式.