[发明专利]一种基于过程模型修正的业务流程效率提升方法

说明书

本发明公开了一种基于过程模型修正的业务流程效率提升方法，该业务流程效率提升方法的大致过程如下：首先构造原流程模型的过程树，并基于过程树构造关系集，包括树关系、结点关系、首尾库所、分支集、选择活动集、首尾变迁和并发活动集等；然后通过分析关系集和最优校准中活动的关系，确定选择结构和并发结构的偏差位置；最后根据不同的偏差位置，基于逻辑Petri网提出分别针对选择结构和并发结构的模型修正方法。利用本发明方法修正后的流程模型精确度和简洁度更高，因而能够更好地描述活动之间的逻辑关系，从而使得修正后的流程模型能够重演更新后的实际业务流程，实际业务流程的效率明显提高。

技术领域

本发明涉及一种基于过程模型修正的业务流程效率提升方法。

背景技术

过程挖掘在数据挖掘和流程建模与分析之间架起了一座桥梁。过程挖掘是从实际业务流程系统的数据和资源中提取有效的信息，并根据需要的信息基于不同算法挖掘过程模型。目前，过程挖掘广泛应用于实际业务流程系统中流程的设计、分析、实现和调整。过程挖掘有三种类型的应用，分别是过程发现、一致性检测以及过程改进。

过程发现是将事件日志映射到过程模型的函数，过程模型例如是BPMN、YAWL、Petri网等。α算法用一个事件日志作为输入，根据活动序列寻找可能的因果依赖，并且输出一个带有初始标识的Petri网。启发式挖掘方法利用偏好表示和因果网的频率来建立模型。启发式挖掘算法的基本思想是不将不频繁路径包含在模型中。一致性检测用于将过程模型的行为与事件日志中记录的行为进行比较，寻找它们的共性和异构性，以确保信息系统与实际业务流程保持良好的一致性。经典的一致性检查包括托肯重演和校准。

此外，有的学者提出将系统和系统模型或日志投射到活动的子集中的方法来确定模型的性能，并且适用于日志-模型和模型-模型的一致性检测。可以根据数据的预期目的对偏差进行分析和分类，并提供了一种识别大范围偏差的算法。一致性检测还可用于改进业务流程、修正模型和评估流程发现算法。当过程模型和事件日志在流程上不匹配时，需要修正过程模型，这就是过程改进，其目的是使过程模型更好地反映实际的业务系统，提高模型的性能。

拟合度、简洁度、精确度和泛化度是模型性能的四种主要类型，这四种性能用于评估过程模型的质量。有学者提出了一种新的遗传过程挖掘算法，该算法使用树的表示方法来保证过程模型的可靠性。为了提高过程模型的质量，很多学者提出了多种过程改进方法。

Fahland方法使用校准将给定过程模型的运行与日志中的迹进行对齐。它挖掘可以重演非拟合子迹的子日志的循环结构。Goldratt方法和Knapsack方法改进了模型与事件日志的对应关系，加快了模型的修正速度。也有学者提出了将子过程挖掘作为选择结构分支的判断，而不是将子过程直接插入到原流程模型中。逻辑Petri网是带有抑制弧的Petri网的进一步抽象和扩展，它更简洁，并且能够描述复杂活动之间的大量逻辑关系。从业务流程操作和资源分析的角度，逻辑Petri网更好地分析批处理功能和业务过程系统活动使能的不确定性。有学者提出了一种向量匹配方法，并基于可达树和状态方程分析了逻辑Petri网的可达性、活性、保守性和可逆性。也有学者定义了活动的前驱和后继，并基于日志提出了扩展的顺序关系。

在一些实际的业务流程中，并发结构和选择结构同时存在，当实际业务流程发生改变后，其对应的原流程模型无法重演变化后的业务流程，因此需要修正。传统的基于Petri网的模型修正方法往往添加循环结构修正选择结构，通过添加大量不可见变迁跳过未使能的变迁，不能正确描述活动之间的逻辑关系；或者通过添加大量活动的自环提高模型的拟合度，忽略了模型的精确度和简洁度，无法确保修复后的模型具有较高的精确度和简洁度，从而不能正确反映和表达更新后的实际业务流程，导致更新后的实际业务流程效率明显降低。

发明内容

本发明的目的在于提出一种基于过程模型修正的业务流程效率提升方法，该方法利用过程模型修正方法修复原流程模型，使得修正后的原流程模型具有较高的精确度和简洁度，能够正确重演实际业务流程中所产生的新日志，从而提高实际业务流程的效率。