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。

创建流程应用程序时，可以选择“发现流程模型”作为“Process mining 类型”。查看创建新应用程序向导以了解更多信息。

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：总结性挖掘器首先构建“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，Insensitive Miner 会将流程分为两个部分，以便运算符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 AWS 中，Insensitive Miner 将剪切内容中的拆分应用于事件日志，将两半的活动分成不同的事件子日志。然后，算法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内容的过程。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截取。

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“直接遵循”流程模型*。*

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

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 A 中每个其他活动的分数都很高。由于我们始终以 E 结尾，因此每项活动到 E 的分数都很高。

序列分数	A	B	C	D	E
A	-	0.88	0.88	0.92	0.95
B	0	-	0.22	0	0.88
C	0	0	-	0	0.88
D	0	0	0	-	0.92
E	0	0	0	0	0

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。