本發(fā)明屬于業(yè)務(wù)過程領(lǐng)域，具體為業(yè)務(wù)過程日志的最小修復(fù)，即給定業(yè)務(wù)過程的模型和對應(yīng)的帶有丟失事件的業(yè)務(wù)過程日志，得到業(yè)務(wù)過程日志的最小修復(fù)的技術(shù)。

背景技術(shù)：

20世紀(jì)90年代早期，美國企業(yè)為尋回它們在上一個(gè)十年間丟掉的競爭力，廣泛開展了稱為“再造工程”(Reengineering)的企業(yè)改造活動(dòng)。再造工程的倡導(dǎo)者們明確地對亞當(dāng)·斯密的勞動(dòng)分工論做出了反思，并提出了以過程為中心這一新的組織原則。再造工程的實(shí)踐和思想在短短幾年傳遍全世界，“業(yè)務(wù)過程”這一概念被明確地界定和廣泛地接受，以業(yè)務(wù)過程為中心已經(jīng)取代了“職能分工”，成為管理的首要原則。在新的業(yè)務(wù)過程理念基礎(chǔ)上，進(jìn)一步形成了“以過程為中心”的理念，以此打破傳統(tǒng)組織常見的部門隔閡、僵化遲鈍等弊端。而圍繞著過程所建立的組織，具有更高的敏捷性、效率和效益。傳統(tǒng)的辦公自動(dòng)化系統(tǒng)、科學(xué)工作流到最近的Web服務(wù)和在線事務(wù)處理，這些都屬于業(yè)務(wù)過程領(lǐng)域。

為了支持管理決策，業(yè)務(wù)過程日志記錄了過程實(shí)例的執(zhí)行，通過分析過程日志數(shù)據(jù)可以了解業(yè)務(wù)過程的執(zhí)行，實(shí)現(xiàn)業(yè)務(wù)過程的管理、改進(jìn)、再造。

然而，由于手動(dòng)記錄時(shí)忘記提交，或者系統(tǒng)宕機(jī)，異構(gòu)執(zhí)行環(huán)境的事件日志混雜等一系列原因都會(huì)導(dǎo)致業(yè)務(wù)過程實(shí)例執(zhí)行記錄的丟失。丟失事件是拉低事件日志質(zhì)量的重要原因。不修復(fù)這些丟失的事件，基于這些丟失事件的日志進(jìn)行的應(yīng)用和挖掘是不可信的。事件日志的質(zhì)量嚴(yán)重影響了商業(yè)智能功能的分析結(jié)果，復(fù)雜的事件挖掘，信源分析，過程挖掘。因此，修復(fù)丟失的事件變得尤為重要。

de Leoni等人提出了一種先進(jìn)的基于對齊的一致性檢驗(yàn)技術(shù)，這項(xiàng)技術(shù)旨在將序列中的事件與過程規(guī)約中的事件進(jìn)行對齊來計(jì)算日志和業(yè)務(wù)過程的一致性程度。A.Rogge-Solti1等人基于對齊的思想并結(jié)合了隨機(jī)Petri nets，貝葉斯網(wǎng)絡(luò)提出了對該方法的改進(jìn)，使改方法能應(yīng)用于日志修復(fù)。該方法應(yīng)用路徑概率來確定最有可能的丟失事件，并應(yīng)用貝葉斯網(wǎng)絡(luò)來計(jì)算各個(gè)插入事件的最大概率的時(shí)間戳。但該方法由于枚舉搜索了過程規(guī)約上的所有完備發(fā)生序列而缺乏效率。為了解決效率問題，Wang等人提出了gap和fill概念，并提出了基于分支框架的 修復(fù)算法。該方法將過程規(guī)約同態(tài)映射為一個(gè)不包含OR-join的分支網(wǎng)絡(luò)，并且利用索引和減枝技術(shù)有效的減少了搜索空間，提高了修復(fù)效率。但實(shí)現(xiàn)較為復(fù)雜且效率存在提升空間。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提出一種修復(fù)丟失事件的業(yè)務(wù)過程日志的方法。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種啟發(fā)式過程日志修復(fù)方法,以Petri net描述的過程規(guī)約和帶有丟失事件的業(yè)務(wù)過程日志為輸入，以相應(yīng)的修復(fù)日志為輸出結(jié)果。步驟如下：

(1)輸入以Petri net格式表示的業(yè)務(wù)過程及對應(yīng)的帶有丟失事件的日志文件。判斷業(yè)務(wù)過程中是否包含循環(huán)，然后將業(yè)務(wù)過程分解為不包含選擇結(jié)構(gòu)的子過程，并計(jì)算每個(gè)子過程，得出每個(gè)子過程的結(jié)構(gòu)信息；

(2)運(yùn)用啟發(fā)式規(guī)則確定帶有丟失事件的日志文件對應(yīng)的能產(chǎn)生最小修復(fù)的子過程；

(3)運(yùn)用軌跡重現(xiàn)技術(shù)得到日志的最小修復(fù)。

本發(fā)明與現(xiàn)有技術(shù)相比，有顯著優(yōu)點(diǎn)為：本發(fā)明提出的方法將業(yè)務(wù)過程分解，運(yùn)用啟發(fā)式規(guī)則確定丟失事件日志對應(yīng)的子過程，運(yùn)用軌跡重現(xiàn)得到對應(yīng)的最小修復(fù)。并將一致性檢驗(yàn)與日志修復(fù)結(jié)合為一步，與其他方法相比，該方法實(shí)現(xiàn)簡單并提高了修復(fù)效率。

附圖說明

圖1為本發(fā)明的流程圖。

圖2為back transition和exit transition以及S1和S2結(jié)構(gòu)示意圖。

圖3為本發(fā)明Casual net實(shí)例。

圖4為本發(fā)明為帶選擇的Petri net實(shí)例及其分解后的子過程。

圖5為本發(fā)明為帶循環(huán)的Petri net實(shí)例。

具體實(shí)施方式

本發(fā)明一種啟發(fā)式過程日志修復(fù)方法，以Petri net描述的過程規(guī)約和帶有丟失事件的業(yè)務(wù)過程日志輸入，以相應(yīng)的修復(fù)日志為輸出結(jié)果，具體流程如附圖1所示。

其具體實(shí)現(xiàn)如下：

1.輸入以Petri net格式表示的業(yè)務(wù)過程及對應(yīng)的帶有丟失事件的日志文件。判斷業(yè)務(wù)過程中是否包含循環(huán)，然后將業(yè)務(wù)過程分解為不包含選擇結(jié)構(gòu)的子過程，并計(jì)算每個(gè)子過程，得出每個(gè)子過程的結(jié)構(gòu)信息；

業(yè)務(wù)過程以及子過程為一個(gè)以(P，T，F(xiàn))表示的三元組，其中P為庫所的有限集，T為變遷的有限集，為有向邊。

其中主路徑為Petri net表示的有向圖中從source place出發(fā)到sink place結(jié)束的最短路徑，循環(huán)體為該有向圖中的環(huán)路，S₁為循環(huán)體與主路徑的交集，S₂為循環(huán)體與主路徑的差集，back transition為循環(huán)體S₂結(jié)構(gòu)中偏離主路徑的第一個(gè)變遷，exit transition為在主路徑上跳出循環(huán)體S₁結(jié)構(gòu)的第一個(gè)變遷，如圖2所示。

其具體步驟為：

1.1對業(yè)務(wù)過程S＝(P，T，F(xiàn))從source place開始作深度優(yōu)先遍歷，并將遍歷中遇到的變遷加入到ArrayList集合path中，繼續(xù)深度優(yōu)先遍歷，如果遍歷到一個(gè)存在于path中的回退變遷，則s中存在循環(huán)，否則不存在；

1.2定義子過程集petriNets，若S沒有選擇結(jié)構(gòu)，則petriNets等于S；否則將S分解為不包含選擇結(jié)構(gòu)的子過程，petriNets為S分解后的子過程集；

1.3對每個(gè)子過程運(yùn)用步驟1.1的方法判斷其是否包含循環(huán)；如果某個(gè)子過程中有循環(huán)，則計(jì)算出其所有S₁、S₂、back transition和exit transition結(jié)構(gòu)，一一對應(yīng)放入集合S₁s、S₂s、backs和exits中。

2.運(yùn)用啟發(fā)式規(guī)則確定帶有丟失事件的日志文件對應(yīng)的能產(chǎn)生最小修復(fù)的子過程。步驟如下：

2.1對σ中的每個(gè)事件，計(jì)算它在σ中的發(fā)生次數(shù)，并以事件名和對應(yīng)的次數(shù)為格式放入一個(gè)HashMap eventFreq中。

2.2根據(jù)步驟1.1，如果S中沒有循環(huán)則遍歷petriNets應(yīng)用準(zhǔn)則1得到對應(yīng)的子過程Ss，如果S中有循環(huán)則遍歷petriNets運(yùn)用準(zhǔn)則2得到對應(yīng)的子過程Ss。

準(zhǔn)則1：

給定一個(gè)不帶循環(huán)的業(yè)務(wù)過程S＝(P，T，F(xiàn))，子網(wǎng)Ss＝(P_s，T_s，F(xiàn)_s)能得到不完整的事件序列σ的最小修復(fù)σ'，如果它滿足以下條件

(1)S(σ)代表σ中所包含的事件集。

(2)沒有另外的causal net S_s'＝(P_s'，T_s'，F(xiàn)_s')滿足條件(1)并且|T_s'|<|T_s|。

準(zhǔn)則2

給定一個(gè)帶循環(huán)的業(yè)務(wù)過程S，分解后的子過程Ss＝(P_s，T_s，F(xiàn)_s)能得到不完整的事件序列σ的最小修復(fù)σ'，如果它滿足以下條件

(1)S(σ)代表σ中所包含的事件集。

(2)如果σ中的任意事件e的發(fā)生次數(shù)不超過一次并且σ不包含Ss的S₂中的變遷對應(yīng)的事件，則刪除Ss的S₂結(jié)構(gòu)；

(3)沒有其他子過程滿足條件(1)和(2)并且滿足|T_s'|<|T_s|。

3.運(yùn)用軌跡重現(xiàn)技術(shù)得到日志的最小修復(fù)。

具體步驟如下：

3.1對應(yīng)過程中沒有循環(huán)的或者子過程中本來有循環(huán)但被刪除所有S₂結(jié)構(gòu)的子過程運(yùn)用算法1得到日志的最小修復(fù)；

3.2對于子過程中有循環(huán)的運(yùn)用算法2得到日志的最小修復(fù)。

步驟3.2：如果back transition不丟失的話，情況3.2用算法1也能得到最小的修復(fù)，由于實(shí)際情況中back transition也會(huì)丟失。所以我們必須計(jì)算back transition的丟失數(shù)目missingNo。back transition的missingNo為S₁中變遷的最大的發(fā)生次數(shù)K₁，減去S₂中的變遷發(fā)生的最大次數(shù)K₂，再減去1。即為K₁-K₂-1。然后運(yùn)用算法2得到對應(yīng)的最小修復(fù)。

算法1:SequenceRecovery(σ，S)

輸入：待修復(fù)的日志中事件序列σ和過程規(guī)約S

輸出：修復(fù)后的事件序列σ

1.σ′←null

2.M_c←M₀

3.i←1

4.while i＜|σ|do

5.i←i+1

6.σ′←Append(σ′,σ[i])

7.M_c[t＞M_c′

8.σ′←Append(σ′,t)

9.M_c←M_c′

10.Find P∈T^*:M_c[P＞M_f

11.σ′←Append(σ′,p)

12.return σ′

具體可分為如下步驟

1.1初始化修復(fù)后的事件序列σ'為null，當(dāng)前標(biāo)識(shí)M_c為初始標(biāo)識(shí)M₀，計(jì)數(shù)器i為1；

1.2當(dāng)i小于σ的總長時(shí)，判斷σ中第i個(gè)事件σ[i]是否是使能的，如果是，則將其放到σ'后，否則執(zhí)行下一步；

1.3在此過程中任意找一個(gè)使能的變遷t，它能使當(dāng)前標(biāo)識(shí)M_c變?yōu)镸_c'。觸發(fā)它，并把它加入σ'后，當(dāng)前標(biāo)識(shí)M_c變?yōu)镸_c'；

1.4當(dāng)i大于σ的總長時(shí)，找到一個(gè)事件序列P(T的集合)使得當(dāng)前標(biāo)識(shí)M_c能到達(dá)最終標(biāo)識(shí)M_f，并把它加入σ'后，并返回σ'；

算法2：SequenceRecovery+(σ，SP)

Input:

outPut:

1.σ′←null

2.M_c←M₀

3.i←1

4.while i＜|σ|do

5.if M_c[_σ[i]＞M_c′

6.i←i+1

7.σ′←Append(σ′,σ[i])

8.elseifte∈T_e:Mc[t_b＞M_c′ and M_c[t_eM_c″then

9.t_b.missingNo←t_b.missingNo-1

10.if tb.missingNo≥0then

11.σ′←Append(σ′,t_b)

12.M_c←M_c′

13.else

14.σ′←Append(σ′,t_e)

15.M_c←M_c″

16.M_c[t＞M_c′

17σ′←Append(σ′,t)

18.M_c←M_c′

19.Find P∈T^*:M_c[P＞M_f

20.σ′←Append(σ′,p)

21.return σ′

具體可分為如下步驟：

2.1初始化修復(fù)后的事件序列σ'為null，當(dāng)前標(biāo)識(shí)M_c為初始標(biāo)識(shí)M₀，計(jì)數(shù)器i為1；

2.2當(dāng)i小于σ的總長時(shí)，判斷σ中第i個(gè)事件σ[i]是否是使能的，如果是，則將其放到σ'后，否則執(zhí)行下一步；

2.3遍歷backs和exits集合判斷是否存在第j個(gè)back[j]tb和exits[j]te使能，tb能使當(dāng)前標(biāo)識(shí)M_c變?yōu)镸_c'，te能使當(dāng)前標(biāo)識(shí)M_c變?yōu)镸_c”。判斷tb的丟失數(shù)目；如果tb的丟失數(shù)目大于1，則選擇觸發(fā)tb，把它加入到σ'后，置標(biāo)識(shí)M_c變?yōu)镸_c'。否則選擇觸發(fā)te，把它加入到σ'后，當(dāng)前標(biāo)識(shí)M_c變?yōu)镸_c”；

2.4在此過程中任意找一個(gè)使能的變遷t，它能使當(dāng)前標(biāo)識(shí)M_c變?yōu)镸_c'。觸發(fā)它，并把它加入σ'后，當(dāng)前標(biāo)識(shí)M_c變?yōu)镸_c'；

2.5當(dāng)i大于σ的總長時(shí)，找到一個(gè)事件序列P(T的集合)使得當(dāng)前標(biāo)識(shí)M_c能到達(dá)最終標(biāo)識(shí)M_f，并把它加入σ'后，并返回σ'；下面結(jié)合實(shí)例對本發(fā)明做進(jìn)一步說明：

本發(fā)明的實(shí)例來源于一個(gè)Dongfang Boiler(東方鍋爐)公司。為了更具一般性，分別選取一個(gè)Casual net，一個(gè)帶選擇的，一個(gè)帶循環(huán)的來說明。如圖3，4(a)，5所示。

1.考慮圖3所示的過程規(guī)約S的一個(gè)帶有丟失事件日志對應(yīng)的不完整序列 σ＝[trans_2，trans_3，trans_0]。

1.1由于S是Casual net，所以深度優(yōu)先遍歷不存在回退變遷，沒有選擇結(jié)構(gòu)，其分解后為其自身，即petriNets等于S；

1.2由于S沒有循環(huán)，所以遍歷petriNets運(yùn)用準(zhǔn)則1得到S_s等于S，所以σ對應(yīng)的過程為S；

1.3根據(jù)算法1得到最小恢復(fù)序列σ'：

1.3.1i＝1<|σ|＝3，σ[1]＝trans_2使能

1.3.2i＝2，σ'＝[trans_2]同樣σ[2]＝trans_3使能

1.3.3i＝3，σ'＝[trans_2，trans_3]。接下來σ[3]＝trans_0不是使能的，在變遷集中找一個(gè)使能的trans_1發(fā)生σ'＝[trans_2，trans_3，trans_1]?，F(xiàn)在σ[3]＝trans_0使能。

1.3.4i＝4，σ'＝[trans_2，trans_3，trans_1，trans_0]，i>3退出循環(huán)。返回σ'＝[trans_2，trans_3，trans_1，trans_0]。

2.考慮圖4(a)的過程規(guī)約S的兩個(gè)不完整的序列σ1＝[trans_4，trans_3，tran_2，trans_1]和σ2＝[trans_0，trans_2，trans_1]。

2.1對S深度優(yōu)先遍歷不存在回退變遷，所以沒有循環(huán)，將其分解。分解后的子過程為S_a，S_b如圖4(b)，(c)所示，由于S不包含循環(huán)，所以子過程S_a和S_b也不包含循環(huán)；

2.2對于σ₁＝[trans_4，trans_3，tran_2，trans_1]，按啟發(fā)式規(guī)則1得到包含σ₁中的所有事件名的對應(yīng)的變遷，且變遷數(shù)目最小的的子過程為S_a。對于σ2＝[trans_0，trans_2，trans_1]，按啟發(fā)式規(guī)則1得到它對應(yīng)的子過程為S_b；

2.3對σ₁和對應(yīng)的子過程S_a運(yùn)用算法1得到σ_1的最小修復(fù)σ₁'＝[trans_4，trans_3，tran_2，tran_5，trans_1]。對σ₂和對應(yīng)的子過程S_b運(yùn)用算法1得到σ₂的最小修復(fù)σ₂'＝[trans_4，trans_0，tran_2，tran_5，trans_1]。

3.考慮圖5的過程規(guī)約S的兩個(gè)不完整的序列σ₁＝[trans_4，trans_5，tran_2，trans_7]和σ₂＝[trans_4，trans_6，trans_5，trans_5，trans_8，trans_3，trans_6，trans_5，trans_7].

3.1對S深度優(yōu)先遍歷當(dāng)path＝[trans_4，trans_6，tran_5，trans_8，trans_3，trans_6]時(shí)trans_6為回退變遷，S中存在循環(huán)，對S進(jìn)行分解，由于S中沒有選擇結(jié)構(gòu)，所以分解后為自身。計(jì)算得它的back transition為trans_3，exit transition 為trans_2。S₁中的變遷為[trans_6，trans_5，trans_8]，S₂中的變遷為[trans_3]。

所以S₁s＝{[trans_6，trans_5，trans_8]}、S₂s＝{[trans_3]}、backs＝{trans_3}和exits＝{trans_2}。

3.2.1由于S中存在循環(huán)，對于σ₁每個(gè)事件的發(fā)生次數(shù)eventFreq為{trans_4＝1，trans_5＝1，trans_2＝1，trans_7＝1}，由于σ₁在S₁出發(fā)生的最大次數(shù)小于等于1并且不包含S₂結(jié)構(gòu)的變遷，所以刪除了所有S₂結(jié)構(gòu)的S為σ1對應(yīng)的子過程；

3.2.2對于σ₂每個(gè)事件的發(fā)生次數(shù)為{trans_4＝1，trans_6＝1，trans_5＝3，trans_8＝1，trans_3＝1，trans_6＝1，trans_7＝1}，由于σ₁在S₁出發(fā)生的最大次數(shù)大于1，所以S為σ₂對應(yīng)的子過程。

3.3.1對于σ₁和刪除了S2結(jié)構(gòu)的S運(yùn)用算法1得到最小修復(fù)為σ₁'＝[trans_4，trans_6，tran_5，trans_8，tran_2，trans_7]；

3.3.2對于σ₂，計(jì)算出back transition trans_3的丟失數(shù)目為3-1-1＝1，即trans_3在日志中丟失了一次。再運(yùn)用算法2得到最小修復(fù)σ₂'＝[trans_4，trans_6，tran_5，trans_8，trans_3，trans_6，tran_5，trans_8，trans_3，trans_6，tran_5，trans_8，tran_2，trans_7]。