事件日志可以用于记录过程感知信息系统中的任务执行信息。根据任务执行信息中的执行时刻信息可以推导出任务之间的逻辑关系。然而,由于系统设计缺陷或者人为因素干扰,一方面事件日志中的时刻信息可能无法获取,另一方面事件日志可能记录了错误的、不可靠的任务时刻信息,例如说没有记录可供参考的时刻信息或者是没有记录实际的执行时刻。上述这类由于缺少可靠时刻信息而造成事件活动次序丢失的情况被称为日志乱序问题。日志乱序问题将会影响诸如溯源分析、数据模式分析、一致性检测分析等一系列数据分析工作的进行。对于乱序日志修复问题,学术界已经提出了一种基于A*的、通过将日志与模型进行对齐并,进而枚举所有可能方案并最终得到最佳修复的修复方法。虽然这种修复方法可以处理多种日志问题,例如事件缺失、事件冗余、日志乱序等等,但是这种修复方法在修复效率方面表现较差、有待提高。本文针对日志乱序问题展开研究,并提出了一种高效的乱序日志修复方法,即Etremo(efficient recovery of missing order)方法。本文的主要工作有:·本文首先对乱序日志的修复问题进行了形式化定义,并证明了对乱序日志进行修复的问题是NP-hard问题;·本文通过使用展开技术简化了对过程模型的行为分析,并提出了针对在因果网模型和不带循环的分支网模型上的启发式过滤规则和高效的修复方法,能够处理包括不可见任务、非自由选择结构等的复杂网模型;·本文通过使用完全前缀展开技术对包含循环结构的复杂网模型进行简化处理,并提出了针对带循环网模型的候选集过滤规则和高效回溯的修复方法,能够处理包含循环嵌套等结构的复杂网模型;·设计实验基于企业实际模型和人工合成模型在性能、可扩展性、处理复杂网结构等方面与现有的通过对齐方式进行修复的Alignment算法进行了性能对比试验,验证了Etremo 算法的高效性。