process-mining
latest
false
重要 :
请注意,此内容已使用机器翻译进行了部分本地化。 新发布内容的本地化可能需要 1-2 周的时间才能完成。
UiPath logo, featuring letters U and I in white

Process Mining

上次更新日期 2025年9月18日

发现流程模型

简介

发现流程可以更好地了解流程结构。高级流程挖掘技术称为概率 Intractive Miner (PIM),可以通过分析整个事件日志自动识别并行发生、决策的一部分或更复杂循环的一部分的活动。考虑到可以执行任务的不同方式及其发生频率,这为流程在实践中的实际展开方式创建了灵活且真实的表示。在复杂的环境中,这种方式特别有用,因为在这些环境中,流程并不总是以严格定义的方式遵循。

You can select Discover process model as the Process mining type when creating a process app. Check out Create new app wizard for more information.

算法

PIM 算法的工作原理是,以递归方式将事件日志中的活动集划分为更小的子集,直到只留下单个活动。然后,它每次都会尝试找到这些子集之间的最佳拟合关系。这些定义流程的结构和行为的关系称为流程语义。

PIM 在以下递归阶段工作:

  1. 直接关注流程模型: Intractive Miner 首先构建一个“直接关注” 流程模型,该模型显示了活动在事件日志中的相互关注情况。
  2. 剪切检测:在剪切检测步骤中,In汇总的 Miner 会将流程分为两部分,以便操作员可以描述这些部分之间的关系。该运算符用于表示剪切两部分之间的“序列”、“互斥选择”、“并行”或“循环”关系。
  3. 日志拆分:在此步骤中,In金额级 Miner 将剪切中的拆分应用于事件日志,将上下半部分的活动分为不同的事件子日志。然后,算法会根据这些子日志创建新的“直接关注”流程模型,并以递归方式重复检测和拆分剪切片段的过程。但是,在继续递归之前,算法会检查一些基本用例。例如,如果子日志仅包含一个活动,则递归将停止,因为无法发现进一步的剪切。

剪切检测

“剪切检测”步骤是“概率概括 Miner”的核心。PIM 为每对活动计算 0 到 1 之间的行为分数,表明它们之间行为的强度。这些分数源自“直接关注”流程模型数据中的频率。PIM 区分顺序、互斥选择、并行和循环行为。

接下来,PIM 计算剪切检测的概率。这些概率基于半场之间活动对分数的平均值。PIM 不会直接考虑每个可能的拆分并选取最佳选项,而是会直接识别概率最高的剪切。

示例

请考虑以下事件日志及其附带的“直接关注”流程模型

<A, D, E>12 <A, B, C, E>5 <A, C, B, E>3



PIM 为每对活动计算以下序列行为分数。由于我们始终从 A 开始,因此从 A 到其他所有活动的分数都很高。由于我们始终以 E 结尾,因此每项活动在 E 之前的分数都很高。

序列分数

ABCDE
A-0.880.880.920.95
B0-0.2200.88
C00-00.88
D000-0.92
E00000
在下一个阶段,PIM 断定两个序列拆分(A | B,C,D,E)和(A,B,C,D | E)的概率相等,并选择其中一个拆分。拆分将应用于事件日志,创建两个较小的事件日志,以递归方式分析两个日志的拆分情况。最后,PIM 识别 B 和 C 之间的并列关系,以及与 D 的选择关系。下图显示了获得的结果。


  • 简介
  • 算法
  • 剪切检测
  • 示例

此页面有帮助吗?

获取您需要的帮助
了解 RPA - 自动化课程
UiPath Community 论坛
Uipath Logo
信任与安全
© 2005-2025 UiPath。保留所有权利。