基于Petri网的物流派送模型修复分析

方贤文,杨慧慧,邵叱风

(安徽理工大学数学与大数据学院，安徽 淮南 232001)

流程挖掘是一门介于计算智能和数据挖掘以及过程建模和分析之间的新兴研究学科，流程挖掘的起点是事件日志，所有流程挖掘技术都假设有可能顺序地记录事件，使每个事件指向一个活动，并与特定的案例(即流程实例)相关。流程挖掘主要包括三个领域：流程发现、一致性检查和流程增强。最近新兴的模型修复领域，也算是流程增强的一种。本文的研究侧重于一致性检查与模型修复。

一致性检查是将现有流程模型与同一流程的事件日志进行比较。一致性检查可以用来检查记录在日志中的事实是否符合模型。文献[5]中针对声明性模型提出了一种新的一致性检查方法，文中采用了基于对齐的方法，以便能够处理声明式模型固有的灵活性带来的巨大搜索空间。文献[6]中提出了一种检验序列图与状态图一致性的方法。在比较过程模型和事件日志有不同的质量维度，例如适应度、简单性、精度和泛化。而在本文中，我们关注于适应度:一个具有良好适应性的模型允许在事件日志中看到的大多数行为。如果日志中的所有轨迹都能被模型从头到尾重复播放，那么模型就具有完美的适用性。

模型修复主要针对事件日志与原始模型不符合的部分进行修复，最大程度地与原始模型保持相似。文献[9]将一致性检查的信息用于模型修复，识别流程模型中已删除活动的结构、附加活动和邻接活动之间的关系以及流程模型中的不一致子流程，基于文中所提出的技术实现模型修复。……