随着计算机技术的快速发展,业务流程管理系统也被广泛的应用。业务流程是为了执行任务而进行的一系列结构化活动,集成了广泛的数据源、应用程序、IT系统,并管理企业信息。业务流程管理系统执行产生大量的数据,日志可能包含许多事件,每个事件包含不同的属性,因此检查与分析不同业务流程的各种执行是一项冗长乏味的任务。流程挖掘是专门用于业务流程执行的后验分析的研究领域,流程挖掘允许分析人员利用业务流程的历史执行日志,以获得关于这些流程的实际性能的见解。Petri网作为现代业务流程建模与分析的重要工具之一,用它不仅能简单明确的表示系统的结构,也能更准确的模拟系统的运行过程。本文以Petri网的相关知识与理论性质为基础,对业务流程异常行为提取与分析进行研究。业务流程的活动之间存在着复杂的依赖关系,运行时会产生不符合依赖关系的行为,既流程异常。企业对业务流程中的异常行为感兴趣,因为这些异常可能是识别低效的员工或欺诈活动的指标,检测潜在的业务流程异常行为可以极大地帮助业务分析人员识别和理解流程错误的原因,从而提高企业的经济效益。目前针对业务流程异常分析的方法有很多,研究人员在业务流程异常分析方面也做了许多工作。检测流程运行时行为中的异常是至关重要的:它们一方面可能反映安全漏洞和欺诈性行为,另一方面可能反映由于例如异常条件而需要的偏差。本文从控制流与数据流结合的角度,提出了一种新的方法对业务流程中的异常进行分析。本文的主要贡献如下:(1)基于Petri网的建模的适用性,针对通信光缆施工中库存管理存在的问题,对企业实施ERP中业务流程进行了改善。结合现实工作中遇到的实际问题,找出模型的漏洞,在保证日常项目管理不受到影响的情况下,通过增加相关控制结构对其优化,成功避免了因材料不足而耽误通信光缆施工的情况,实现了建模系统的优化。业务流程管理的核心之一是业务流程模型的优化,将影响企业的管理效益与经济效益。实验结果表明优化模型合理有界且安全。(2)事件日志是流程挖掘的起点,目前流程挖掘领域专注于挖掘日志中的频繁行为,但日志中非频繁的行为也可能对业务流程的行为管理有着重要的意义,目前的流程挖掘方法是将日志中非频繁行为忽略。为了将非频繁行为从事件日志中提取出来,并对其进行修复,本文提出了一种事件数据修复方法:首先利用系统中的事件日志生成日志自动机,然后对日志中低频行为进行提取,并且删除日志中不频繁行为,得到无异常自动机,然后日志自动机对事件日志进行过滤,然后通过覆盖概率公式对过滤后的日志进行修复,最后通过一个案例说明修复后的日志与过程模型的拟合度更高。(3)若仅从控制流角度分析业务流程中的异常,则将会有许多类型的异常无法被识别,本文提出了一种控制流和数据视角相结合的异常检测方法:将系角色与控制流相结合,训练出一个带有角色的概率自动机。通过将进行异常检测的案例映射到角色概率自动机上,可以检测出从控制流角度无法判断的异常行为,并且通过计算当前检测流程迹的发生概率,可定位其异常行为,从而可以推断发生异常的原因。如果案例无法映射到角色概率自动机上,又或者概率小于给定的阈值,则将该案例标记为异常。图[16]表[9]参[85]