信息時代讓生產或者企業(yè)管理可以方便快捷的在互聯(lián)網(wǎng)上操作,特別是工業(yè)制造領域流水線的生產過程復雜且離散化,其生產記錄繁雜且數(shù)據(jù)量大,更是可以方便的存儲在信息系統(tǒng)。過程挖掘的目標就是從信息系統(tǒng)中可用事件日志的記錄里提取出有價值的客觀信息來發(fā)現(xiàn)真實過程,幫助企業(yè)改善生產過程、優(yōu)化管理流程。現(xiàn)有的模型挖掘算法多是針對完整事件日志數(shù)據(jù)進行的,對于包含噪聲的日志數(shù)據(jù)挖掘效果并不好。本課題將在研究過程模型挖掘算法的基礎上致力于已生成的過程模型庫高效檢索技術研究,屬于過程模型發(fā)現(xiàn)和合規(guī)性檢查研究范圍。本文針對大多數(shù)過程挖掘算法不能同時處理事件日志的非完備性和非頻繁軌跡問題,以及生產過程中產生的事件日志是否符合預先設定或者已經構建好的過程模型的問題,進行了以下研究:(1)本文針對不完備的事件日志以及日志中的非頻繁行為提出基于FP-growth算法的啟發(fā)式過程模型挖掘算法。該算法將日志中出現(xiàn)的任務對作為單一項集計算其支持度,用置信度來確定任務間的可靠性,從而挖掘出任務間的依賴關系,然后基于啟發(fā)式挖掘算法挖掘出過程模型。為了方便模型檢索將挖掘得到的過程模型轉化為Petri網(wǎng)表示。(2)根據(jù)構建的過程模型建立...

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 課題來源
    1.3 國內外研究現(xiàn)狀
        1.3.1 過程模型挖掘算法研究現(xiàn)狀
        1.3.2 過程模型檢測方法研究現(xiàn)狀
    1.4 論文的研究內容和結構安排
第二章 應用需求及相關理論
    2.1 過程挖掘的應用需求
    2.2 過程挖掘的相關理論
        2.2.1 事件日志
        2.2.2 Petri網(wǎng)
        2.2.3 因果網(wǎng)
        2.2.4 任務依賴因果關系度量
    2.3 本章小結
第三章 過程模型挖掘
    3.1 提出問題
        3.1.1 不完備事件日志
        3.1.2 非頻繁軌跡
    3.2 關聯(lián)規(guī)則算法介紹
        3.2.1 關聯(lián)規(guī)則
        3.2.2 Apriori算法
        3.2.3 FP-growth算法
    3.3 基于FP-growth算法的啟發(fā)式過程模型挖掘
        3.3.1 基于FP-growth算法的關聯(lián)任務挖掘
            3.3.1.1 生成任務對及其支持度
            3.3.1.2 基于FP-growth算法的關聯(lián)任務挖掘
        3.3.2 因果網(wǎng)(C-net)模型挖掘
    3.4 因果網(wǎng)向Petri網(wǎng)的轉化算法
    3.5 本章小結
第四章 過程模型檢索
    4.1 提出問題
    4.2 過程模型評價標準
    4.3 基于托肯重演的過程模型檢測算法
        4.3.1 算法思想
        4.3.2 算法實現(xiàn)
    4.4 基于行為軌跡一致性的并行檢索算法研究
        4.4.1 創(chuàng)建過程模型庫
        4.4.2 遺傳算法介紹
        4.4.3 過程模型并行檢索算法
            4.4.3.1 算法思想
            4.4.3.2 算法實現(xiàn)
    4.5 本章小結
第五章 實驗結果與分析
    5.1 實驗環(huán)境
    5.2 實驗方案
    5.3 實驗場景
    5.4 實驗結果與分析
        5.4.1 生成事件日志
        5.4.2 過程模型挖掘
        5.4.3 過程模型檢索
    5.5 本章小結
結論
參考文獻
攻讀學位期間發(fā)表的論文
攻讀學位期間參加的科研項目
致謝



本文編號：3776583