[发明专利]一种基于异构流程数据的优质流程树模型生成方法和系统

说明书

本发明公开了一种基于异构流程数据的优质流程树模型生成方法和系统，所述流程树模型生成方法包括以下步骤：步骤一：子流程数据生成，步骤二：子流程模型生成，步骤三：对优质子流程模型进行筛选，步骤四：抽取流程树中流程组件及流程组件特殊度设定，步骤五：基于优质流程组件拼接完整流程，最终建立全新的流程树，所述优质流程树模型生成系统，包括：子流程数据生成引擎，子流程模型生成引擎，优质子流程筛选引擎，抽取流程树中流程组件及流程组件的特殊度引擎，基于优质流程组件拼接完整流程的引擎。该基于异构流程数据的优质流程树模型生成方法和系统，面向流程数据中有多类型形式的流程数据，可以挖掘出优质的模型。

技术领域

本发明涉及流程树模型生成技术领域，具体为一种基于异构流程数据的优质流程树模型生成方法和系统。

背景技术

流程挖掘：英文名Process Mining，是一种通过IT系统中的任务日志，建立一个基于真实数据的流程模型，提高商业流程透明度的，为商业决断者提供帮助的技术。在真实的制造业业务中，同样的流程在不同的部门(或子公司)展现的完全不一样；

如说明书俯图2和图3中用现有的流程挖掘算法，包括alpha算法，归纳挖掘算法，决策树挖掘算法(在当前主流流程挖掘工具ProM6.5中提供的算法)，不能在不同类型流程的数据中建立有效的业务流程模型，流程数据中有多类型形式的流程数据；传统流程挖掘算法在多类型形式的流程数据上的流程模型效果很差(即在行业公认上指标：适应性，泛化性，简易性和精确性上表现的不好)；传统流程挖掘算法可以有效的为单一类型形式的数据中建立流程模型，但不能够对所有流程进行组合建立；

因此，我们提出一种基于异构流程数据的优质流程树模型生成方法和系统，以便于解决上述中提出的问题。

发明内容

本发明的目的在于提供一种基于异构流程数据的优质流程树模型生成方法和系统，以解决上述背景技术提出的目前传统流程挖掘算法在多类型形式的流程数据上的流程模型效果很差；传统流程挖掘算法可以有效的为单一类型形式的数据中建立流程模型的问题。

为实现上述目的，本发明提供如下技术方案：一种基于异构流程数据的优质流程树模型生成方法，所述流程树模型生成方法包括以下步骤：

步骤一：子流程数据生成，通过向子流程数据生成引擎输入多类型流程的全量数据，在全量的流程数据上的基础上，利用聚类算法，以挖掘并输出n个子流程的日志数据；

步骤二：子流程模型生成，为每个子流程数据上生成一个单一的子流程模型；

步骤三：对优质子流程模型进行筛选，过滤出优质的子流程模型；

步骤四：抽取流程树中流程组件及流程组件特殊度设定，将流程模型转成流程树的格式，抽取流程树中的节点关系，且每种关系构成一个流程组件，对流程组件的特殊度进行设定；

步骤五：基于优质流程组件拼接完整流程，选择最小化的目标函数的流程组件进行流程树的建立，将所有抽取出来的流程组件进行迭代组合，最终建立全新的流程树。

优选的，所述步骤一中聚类算法为Kmeans均值偏移聚类算法和DBSCAN聚类算法的一种。

优选的，所述步骤二中子流程模型生成具体方法为：将步骤一种n个子流程的日志数据输入子流程模型生成引擎，通过流程挖掘算法挖掘建立模型，输出m个子流程模型。

优选的，所述步骤三中对优质子流程模型进行筛选过程中，首先输入m个流程模型和每个流程模型的计算指标以及对计算指标的人工设定的阈值，通过计算得分，输出x个优质的子流程模型，其中计算得分高于人工设定的阈值则认为是优质的子流程模型。

优选的，所述流程模型的计算指标包括：适应性，泛化性，简易性，精准性。

优选的，所述步骤四中节点关系包括顺序组合、独占组合、重复环、并行组合四种节点关系。