工業(yè)過程模型挖掘及并行檢索研究
發(fā)布時(shí)間:2023-04-01 06:04
信息時(shí)代讓生產(chǎn)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(lǐng)域流水線的生產(chǎn)過程復(fù)雜且離散化,其生產(chǎn)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(biāo)就是從信息系統(tǒng)中可用事件日志的記錄里提取出有價(jià)值的客觀信息來發(fā)現(xiàn)真實(shí)過程,幫助企業(yè)改善生產(chǎn)過程、優(yōu)化管理流程,F(xiàn)有的模型挖掘算法多是針對完整事件日志數(shù)據(jù)進(jìn)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(chǔ)上致力于已生成的過程模型庫高效檢索技術(shù)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(shí)處理事件日志的非完備性和非頻繁軌跡問題,以及生產(chǎn)過程中產(chǎn)生的事件日志是否符合預(yù)先設(shè)定或者已經(jīng)構(gòu)建好的過程模型的問題,進(jìn)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(wù)對作為單一項(xiàng)集計(jì)算其支持度,用置信度來確定任務(wù)間的可靠性,從而挖掘出任務(wù)間的依賴關(guān)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(zhuǎn)化為Petri網(wǎng)表示。(2)根據(jù)構(gòu)建的過程模型建立...
【文章頁數(shù)】:94 頁
【學(xué)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(nèi)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(nèi)容和結(jié)構(gòu)安排
第二章 應(yīng)用需求及相關(guān)理論
2.1 過程挖掘的應(yīng)用需求
2.2 過程挖掘的相關(guān)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(wù)依賴因果關(guān)系度量
2.3 本章小結(jié)
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(guān)聯(lián)規(guī)則算法介紹
3.2.1 關(guān)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(guān)聯(lián)任務(wù)挖掘
3.3.1.1 生成任務(wù)對及其支持度
3.3.1.2 基于FP-growth算法的關(guān)聯(lián)任務(wù)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(zhuǎn)化算法
3.5 本章小結(jié)
第四章 過程模型檢索
4.1 提出問題
4.2 過程模型評價(jià)標(biāo)準(zhǔn)
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(shí)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(shí)現(xiàn)
4.5 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
5.1 實(shí)驗(yàn)環(huán)境
5.2 實(shí)驗(yàn)方案
5.3 實(shí)驗(yàn)場景
5.4 實(shí)驗(yàn)結(jié)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(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的論文
攻讀學(xué)位期間參加的科研項(xiàng)目
致謝
本文編號:3776583
【文章頁數(shù)】:94 頁
【學(xué)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(nèi)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(nèi)容和結(jié)構(gòu)安排
第二章 應(yīng)用需求及相關(guān)理論
2.1 過程挖掘的應(yīng)用需求
2.2 過程挖掘的相關(guān)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(wù)依賴因果關(guān)系度量
2.3 本章小結(jié)
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(guān)聯(lián)規(guī)則算法介紹
3.2.1 關(guān)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(guān)聯(lián)任務(wù)挖掘
3.3.1.1 生成任務(wù)對及其支持度
3.3.1.2 基于FP-growth算法的關(guān)聯(lián)任務(wù)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(zhuǎn)化算法
3.5 本章小結(jié)
第四章 過程模型檢索
4.1 提出問題
4.2 過程模型評價(jià)標(biāo)準(zhǔn)
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(shí)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(shí)現(xiàn)
4.5 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
5.1 實(shí)驗(yàn)環(huán)境
5.2 實(shí)驗(yàn)方案
5.3 實(shí)驗(yàn)場景
5.4 實(shí)驗(yàn)結(jié)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(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的論文
攻讀學(xué)位期間參加的科研項(xiàng)目
致謝
本文編號:3776583
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3776583.html
最近更新
教材專著