[发明专利]一种基于可达标识的过程模型修复方法

摘要

本发明公开了一种基于可达标识的过程模型修复方法，该过程模型修复方法首先对校准提出了扩展，加入了Petri网的可达标识，提出了扩展校准的概念，并对试图通过扩展校准来识别可能出现的各类扩展动作。最优扩展校准则能为各类偏差的修复提供支持。通过对扩展日志动作和扩展模型动作分别进行分析，本发明分别提出了算法对这两类偏差进行了修复。通过某医院胸外科的事件日志对这一方法进行仿真实验发现，本发明方法在精确度和泛化度上均有提升。相较于现有方法，本发明方法在各个维度上均有着较好的表现。

主权项

1.一种基于可达标识的过程模型修复方法，其特征在于，包括如下步骤：a参数定义定义迹和事件日志设是活动集，迹σ∈A*是活动队列，而事件日志L则是迹的多重集合，即定义Petri网四元组PN＝(P,T；F,M)称为一个Petri网PN，当且仅当：(1)N＝(P,T；F)为一个网，其中，P是一个有限库所集，T是一个有限变迁集，是一个有限弧集；(2)M:P→N称为网PN的一个标识，其中mi为初始标识，mf为终止标识；(3)PN具有下面的变迁发生规则：(a)对于变迁t∈T，如果则称变迁t在标识M下使能，记为M[t>；(b)若M[t>，则在标识M下，变迁t可以发生，从标识M引发变迁t得到一个新的标识M′，记为M[t>M′，且对在Petri网定义中，·t表示t的输入集，t·表示t的输出集，M(p)表示在库所p处的标识，M′(p)表示引发变迁t后在库所p处的标识；定义校准γ∈(A》×T》)*是迹σ和模型PN之间的校准，当且仅当：(1)π1(γ)↓A＝σ，即迹中的移动序列产生了这条迹；(2)即模型中的移动序列产生一个完全发生序列；其中，π1(γ)↓A表示校准中第一个元素，π2(γ)↓T表示校准中第二个元素；校准中存在三类动作：同步动作、日志动作和模型动作；其中，同步动作指在迹和模型中均会发生的动作，日志动作指在日志中发生但模型中不发生的动作，模型动作则是指在模型中发生但在日志中不发生的动作；定义最优校准函数lc:A》×T》→IR是校准的可能性代价函数，迹σ和模型PN之间的校准γ∈Γσ,PN是一个最优校准当且仅当任意校准γ’∈Γσ,PN:Σ(a,t)∈γlc((a,t))≤Σ(a’,t’)∈γ’lc((a’,t’))；其中，Γσ,PN是迹σ和模型PN之间所有校准的集合；其中，Γσ,PN,lc是可能性代价函数为lc的情况下迹σ和模型PN之间的最优校准集，Σ(a,t)∈γlc((a,t))表示校准γ的可能性代价值，Σ(a’,t’)∈γ’lc((a’,t’))表示校准γ’的可能性代价值；b扩展校准定义扩展移动队列β∈(A》×T》×M)*是迹σ和模型PN之间的扩展移动队列，当且仅当：(1)π1(β)↓A≤σ，即扩展移动队列在迹中的移动均是迹σ的前缀；(2)存在一个完全发生序列有即扩展移动队列在模型中的移动是完全发生序列的前缀；其中，表示完全发生序列，T*表示在变迁集T下的有限队列；(3)mi[π2(β)↓T>m，即扩展移动队列在模型中的移动m∈R(mi)；对于扩展移动队列中的三元组(a,t,m)∈β，分别有以下扩展动作：(1)若a∈A且t＝>>，则称之为扩展日志动作；(2)若a＝>>且t∈T，则称之为扩展模型动作；(3)若a∈A且t∈T，则称之为扩展同步动作；(4)其他类型称之为非法扩展动作；通过扩展移动队列的定义进一步给出扩展校准的定义：定义扩展校准扩展校准β是迹σ和模型PN之间的扩展移动队列，当且仅当：(1)π1(β)↓A＝σ，即扩展移动队列在迹中的移动是这条迹σ；(2)即扩展移动队列在模型中的移动是一条完全发生序列；(3)mi[π2(β)↓T>mf，即扩展移动队列在模型中的移动发生后，最终会到达终止标识，其中，Bσ,PN是迹σ和模型PN之间所有扩展校准的集合；其中，π1(β)↓A表示校准中第一个元素在活动集A上的映射，π2(β)↓T表示校准中第二个元素在变迁集T中的映射；定义最优扩展校准迹σ和模型PN之间的扩展校准β∈Bσ,PN是一个最优扩展校准当且仅当任意的扩展校准β’∈Bσ,PN:Σ(a,t,m)∈βlc((a,t))≤Σ(a’,t’，m’)∈β’lc((a’,t’))；其中，Bσ,PN,lc是可能性代价函数为lc的情况下迹σ和模型PN之间的最优扩展校准集；c偏差修复定义扩展事件日志和扩展迹集对于事件日志L，fitness(L,PN)＝1，事件日志L’是扩展事件日志当且仅当：(1)L’∩L＝L；(2)(3)0收集指定库所处日志动作，其步骤如下：Step1:输入最优扩展校准集BL,PN,lc和指定库所p，遍历整个最优扩展校准集BL,PN,lc；遍历最优扩展校准集中的校准βi，并在遍历过程中执行以下操作：1)若存在β_i[j..k]∈β_i，对于有m_l(p)＝1，andπ₂(β_i[l])＝>>，则L←L∪γ_i[j..k]；其中，βi[j..k]表示βi中的部分元素，j、k用于确定范围；βi[l]表示βi的一个元素，ml(p)表示标识ml在库所p处的值；2)若不存在符合1)的扩展序列，则跳转至Step1；Step2：遍历完最优扩展校准集BL,PN,lc中所有的校准，输出日志动作偏差集MLS；对扩展日志的日志动作进行修复，其具体步骤如下：Step1：输入日志动作偏差集MLS和指定库所p，利用InductiveMiner算法挖掘日志动作偏差集MLS，置PN’←InductiveMiner(MLS)；Step2：对于所有属于mi’的后集的变迁t，执行以下操作：1)：将弧(p,t)加入到原有模型PN的弧集F中；2)：将弧(mi’,t)从挖掘模型PN’的弧集F’中删除；Step3：对于所有属于mf’的前集的变迁t，执行以下操作：1)：将弧(t,p)加入到原有模型PN的弧集F中；2)：将弧(t,mf’)从挖掘模型PN’的弧集F’中删除；Step4：删除挖掘模型PN’的库所集P’中的初始库所mi’和终止库所mf’，并将库所集P’所有元素添加到原有模型PN的库所集P中；Step5：将库所集T’所有元素添加到原有模型PN的库所集T中；Step6：将库所集F’所有元素添加到原有模型PN的库所集F中；Step7：输出模型PN；c.2对扩展日志的模型动作进行修复，其具体步骤如下：Step1：输入校准β和模型动作出现的位置i，在原有模型PN的变迁集中添加不可见变迁τ；Step2：对于所有属于π2(β[i])的前集的库所p，执行以下操作：1)：将库所p加入到原有模型PN的库所集P中；2)：将弧(p,τ)加入到原有模型PN的弧集F中；Step3：对于所有属于π2(β[i])的后集的库所p，执行以下操作：1)：将库所p加入到原有模型PN的库所集P中；2)：将弧(τ,p)加入到原有模型PN的弧集F中；Step4：输出模型PN。