工业过程模型挖掘及并行检索研究

发布时间：2023-04-01 06:04

　　信息时代让生产或者企业管理可以方便快捷的在互联网上操作,特别是工业制造领域流水线的生产过程复杂且离散化,其生产记录繁杂且数据量大,更是可以方便的存储在信息系统。过程挖掘的目标就是从信息系统中可用事件日志的记录里提取出有价值的客观信息来发现真实过程,帮助企业改善生产过程、优化管理流程。现有的模型挖掘算法多是针对完整事件日志数据进行的,对于包含噪声的日志数据挖掘效果并不好。本课题将在研究过程模型挖掘算法的基础上致力于已生成的过程模型库高效检索技术研究,属于过程模型发现和合规性检查研究范围。本文针对大多数过程挖掘算法不能同时处理事件日志的非完备性和非频繁轨迹问题,以及生产过程中产生的事件日志是否符合预先设定或者已经构建好的过程模型的问题,进行了以下研究:(1)本文针对不完备的事件日志以及日志中的非频繁行为提出基于FP-growth算法的启发式过程模型挖掘算法。该算法将日志中出现的任务对作为单一项集计算其支持度,用置信度来确定任务间的可靠性,从而挖掘出任务间的依赖关系,然后基于启发式挖掘算法挖掘出过程模型。为了方便模型检索将挖掘得到的过程模型转化为Petri网表示。(2)根据构建的过程模型建立...

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 课题来源
    1.3 国内外研究现状
        1.3.1 过程模型挖掘算法研究现状
        1.3.2 过程模型检测方法研究现状
    1.4 论文的研究内容和结构安排
第二章 应用需求及相关理论
    2.1 过程挖掘的应用需求
    2.2 过程挖掘的相关理论
        2.2.1 事件日志
        2.2.2 Petri网
        2.2.3 因果网
        2.2.4 任务依赖因果关系度量
    2.3 本章小结
第三章 过程模型挖掘
    3.1 提出问题
        3.1.1 不完备事件日志
        3.1.2 非频繁轨迹
    3.2 关联规则算法介绍
        3.2.1 关联规则
        3.2.2 Apriori算法
        3.2.3 FP-growth算法
    3.3 基于FP-growth算法的启发式过程模型挖掘
        3.3.1 基于FP-growth算法的关联任务挖掘
            3.3.1.1 生成任务对及其支持度
            3.3.1.2 基于FP-growth算法的关联任务挖掘
        3.3.2 因果网(C-net)模型挖掘
    3.4 因果网向Petri网的转化算法
    3.5 本章小结
第四章 过程模型检索
    4.1 提出问题
    4.2 过程模型评价标准
    4.3 基于托肯重演的过程模型检测算法
        4.3.1 算法思想
        4.3.2 算法实现
    4.4 基于行为轨迹一致性的并行检索算法研究
        4.4.1 创建过程模型库
        4.4.2 遗传算法介绍
        4.4.3 过程模型并行检索算法
            4.4.3.1 算法思想
            4.4.3.2 算法实现
    4.5 本章小结
第五章 实验结果与分析
    5.1 实验环境
    5.2 实验方案
    5.3 实验场景
    5.4 实验结果与分析
        5.4.1 生成事件日志
        5.4.2 过程模型挖掘
        5.4.3 过程模型检索
    5.5 本章小结
结论
参考文献
攻读学位期间发表的论文
攻读学位期间参加的科研项目
致谢



本文编号：3776583