本发明属于流程挖掘，涉及基于流程日志的商砼站信息管理系统业务逻辑分析方法。
背景技术：
1、商砼站，又称商品混凝土搅拌站，是专门从事商品混凝土生产和供应的设施。商砼站信息管理系统是混凝土生产企业规范业务流程、记录业务数据、降低管理与生产成本的有效手段，目前，大部分混凝土生产企业都采用商砼站信息管理系统对生产业务流程进行管理。然而，由于需求分析不清晰、软件结构设计不合理，商砼站信息管理系统可能会出现业务逻辑与实际生产业务流程不符的问题。该问题的出现会导致业务数据记录不正确，例如有些业务数据会重复记录，有些业务数据会缺失，这不仅没能发挥商砼站信息管理系统的优势，还因业务数据错误导致工作人员对业务状态的错误分析，甚至影响了企业实际生产业务流程的正常进行。因此，如何对商砼站信息管理系统的业务逻辑进行快速、正确的分析非常重要。
技术实现思路
1、本发明的目的是提供基于流程日志的商砼站信息管理系统业务逻辑分析方法，解决传统商砼站信息管理系统业务逻辑分析不准确导致生产业务不能正常进行的问题。
2、本发明所采用的技术方案是，基于流程日志的商砼站信息管理系统业务逻辑分析方法，导出商砼站信息管理系统流程日志；利用凝聚式层次聚类算法对流程日志进行轨迹聚类，获得n*个轨迹簇c；运用模型聚类算法对每一个轨迹簇进行聚类，获得新的n个轨迹簇d；选出每个轨迹簇的超级轨迹，获得n个超级轨迹；运用模型聚类算法对n个超级轨迹进行聚类，获得k个超级轨迹聚类簇；根据k个超级轨迹聚类簇获得k个同质日志；利用hm算法对同质日志进行模型挖掘，获得对应的petri网业务逻辑模型；根据petri网业务逻辑模型获得商砼站信息管理系统业务逻辑关系。
3、本发明的特点还在于，
4、本发明基于流程日志的商砼站信息管理系统业务逻辑分析方法，具体操作步骤如下：
5、步骤1，从商砼站信息管理系统中提取所需的流程日志，并将其转换为可扩展事件流xes的记录格式；
6、步骤2，利用凝聚式层次聚类算法对流程日志进行轨迹聚类，获得n*个轨迹簇c；
7、步骤3，根据步骤2获得的聚类结果，运用模型聚类算法actitrac对每一个轨迹簇进行聚类，获得n个轨迹簇d；
8、步骤4，根据步骤3的轨迹簇聚类结果，选出每个轨迹簇的轨迹代表，选轨迹代表的原则是轨迹重复次数最多的1条轨迹作为本类别的代表，当重复次数最多的轨迹不止1条时，选择轨迹序号最小的轨迹作为代表，这种轨迹代表称作超级轨迹，由此获得n个超级轨迹；
9、步骤5，由n个超级轨迹组成超级轨迹集合，并利用模型聚类算法actitrac对超级轨迹集合进行聚类，获得k个超级轨迹聚类簇，k≤n；
10、步骤6，将超级轨迹所代表的原有轨迹簇d中的轨迹添加到超级轨迹所在的聚类簇，从而获得k个轨迹簇，将同类别的轨迹进行合并，形成同质日志，由此获得k个同质日志；
11、步骤7，利用启发式流程发现算法hm对同质日志进行业务逻辑模型挖掘，获得与同质日志对应的petri网业务逻辑模型；
12、步骤8，利用petri网的运行原理对petri网业务逻辑模型进行分析，从而获得商砼站信息管理系统业务逻辑关系，为检验商砼站信息管理系统业务逻辑是否正确提供科学依据。
13、步骤2具体如下：
14、步骤2.1，获得轨迹集合，事件是流程日志的最小不可分单元用ei＝(t,τ,a,x1,…,xc)来表示，其中i为流程日志中事件出现的顺序号，t为事件所属轨迹的标识，τ为事件发生的时间戳，a为事件的标签，x1,…,xc代表事件的其他附加属性；流程日志被定义为一系列事件的集合，用l＝<e1,…,em>表示,其中，m为流程日志的总事件数；事件所属轨迹用t＝<e1,…,ek>表示，其中k为该轨迹所包含的事件数,k≥3；轨迹集合用trace＝<t1,t2,…,td>表示，其中d为轨迹总数；按照以下方式从流程日志事件中提取符合具体要求的轨迹集合trace＝<t1,t2,…,td>，具体轨迹分别为t1＝<e1,…,ek>，t2＝<e2,…,ek+1>，…，td＝<ed,…,em>，其中d＝m-k+1；
15、步骤2.2，构建轨迹相似性矩阵，轨迹相似性矩阵用x表示，反映出轨迹集合trace中两两轨迹之间的相似度；轨迹相似性矩阵的第i行第j列的相似系数xij可以通过公式计算获得，其中|ti∩tj|表示轨迹集合trace的第i条轨迹与第j条轨迹交集的元素个数，|ti|表示轨迹集合trace的第i条轨迹的元素个数，|tj|表示轨迹集合trace的第j条轨迹的元素个数，xij表示轨迹i与轨迹j的相似度；
16、步骤2.3，轨迹聚类，利用凝聚式层次聚类算法根据轨迹相似性矩阵x进行轨迹聚类，具体实现方式为：首先利用matlab的linkage(x,′average′)函数获得轨迹相似性矩阵x的层次聚类树zs，即zs＝linkage(x,′average′)，其中x为轨迹相似性矩阵，average表示创建层次聚类树的方式采用平均距离；然后通过指定聚类数n*，利用matlab的cluster(zs,′maxclust′,n*)函数从层次聚类树zs中获得每条轨迹的类别分配结果ts，类别数为n*，即ts＝cluster(zs,′maxclust′,n*)，其中，maxclust表示聚类方式采用最大聚类数；最后由类别分配结果ts便可获得n*个轨迹簇c＝<c1,c2,…,cn*>。
17、步骤3具体如下：
18、步骤3.1，对模型聚类算法参数初始化，设置模型聚类算法的模型簇数量为nbclus、模型簇的最小规模为mcs、模型簇的目标适应度为tf、频率窗口长度为0以及弱关联轨迹处理方式为false；
19、弱关联轨迹是指在模型聚类过程中不满足目标适应度tf的轨迹，其处理方式有两种：a)将弱关联轨迹聚类为一类，对应的参数设置为true；b)弱关联轨迹归类到其目标适应度大的模型簇中，对应的参数设置为false。本发明选择第二种处理方式；
20、步骤3.2，运用模型聚类算法actitrac对轨迹簇ci进行模型聚类，执行完后轨迹簇ci获得nbclus个轨迹簇，其中i为轨迹簇c的簇序号，当i从1到n*取值，可获得n个轨迹簇d＝<d1,d2,…,dn>，其中n＝nbclus×n*。
21、步骤4具体如下：
22、步骤4.1，构建轨迹簇di的键值对集合dki，dki的表示形式为：dki＝<[key1:value1],…,[keyidx:valueidx],…,[keyidxmax:valueidxmax]>，其中，i为轨迹簇d的簇序号，取值范围从1到n，idx为键值对集合dki的顺序号，idxmax为键值对集合dki的元素数量，key为键值对集合dki的键，用来表示轨迹，value为键值对集合dki的值，用来表示轨迹重复的次数；
23、具体实现过程为：
24、1)设置dki为空集，轨迹簇di的轨迹序号初始值h＝1，键值对集合dki的初值idxmax＝0，idx＝0；
25、2)如果轨迹簇di中的第h条轨迹不在dki中，则dki增加一个键值对元素[keyidx:valueidx]，其中idx＝idx+1，keyidx＝th，valueidx＝1，
26、idxmax＝idxmax+1；如果轨迹簇di中的第h条轨迹已在dki中，则找到键keyidx＝th的键值对元素，并使该键的值valueidx＝valueidx+1；
27、3)如果轨迹簇di中的轨迹序号h<|di|(|di|表示轨迹簇di的轨迹数量)，则轨迹序号加1，即h＝h+1，并重复第2)步，如果轨迹序号h≥|di|，则执行结束，获得键值对集合dki：
28、dki＝<[key1:value1],…,[keuidxmax:valueidxmax]>，
29、令轨迹簇d的簇序号i从1到n取值，获得d1,…,dn对应的键值对集合
30、dk1,…,dkn。
31、步骤4.2，在键值对集合dki中选择键值value最大的轨迹作为超级轨迹，如果键值value最大的轨迹不止1个，则选择轨迹序号最小的轨迹作为超级轨迹；令轨迹簇d的簇序号i从1到n取值，从键值对集合dk1到dkn中获得n个超级轨迹tsp，分别为
32、步骤5具体按照以下步骤实施：
33、步骤5.1，由步骤4获得的超级轨迹tsp组合成超级轨迹集合，用表示；
34、步骤5.2，运用模型聚类算法actitrac对超级轨迹集合进行模型聚类，获得k个超级轨迹聚类簇cs＝{cs1,…,csk}；模型聚类算法actitrac的参数设置分别为模型簇数量为k、模型簇的最小规模为mcssp、模型簇的目标适应度为tfsp、频率窗口长度为0以及关联轨迹处理方式为false。
35、步骤6具体按照以下步骤实施：
36、步骤6.1，将超级轨迹tsp所代表的原有轨迹簇d的轨迹添加到超级轨迹所在的超级轨迹聚类簇中，得到k个新的轨迹簇css＝<css1,…,cssk>。
37、步骤6.2，将轨迹簇cssi的轨迹进行合并，形成同质日志gi，i值的范围为1到k，由此获得k个同质日志。
38、本发明的有益效果是：本发明基于流程日志的商砼站信息管理系统业务逻辑分析方法，只需要导入一组流程日志，即可快速、准确地建立与系统相关的petri网业务逻辑模型，借助petri网的运行机制比较容易获得由petri网业务逻辑模型所描述的业务逻辑关系，通过对这些业务逻辑关系的分析即可判断商砼站信息管理系统的业务逻辑是否正确。本发明能为商砼站信息管理系统的进一步优化提供有力支持。
1.基于流程日志的商砼站信息管理系统业务逻辑分析方法，其特征在于，导出商砼站信息管理系统流程日志；利用凝聚式层次聚类算法对流程日志进行轨迹聚类，获得n*个轨迹簇c；运用模型聚类算法对每一个轨迹簇进行聚类，获得新的n个轨迹簇d；选出每个轨迹簇的超级轨迹，获得n个超级轨迹；运用模型聚类算法对n个超级轨迹进行聚类，获得k个超级轨迹聚类簇；根据k个超级轨迹聚类簇获得k个同质日志；利用hm算法对同质日志进行模型挖掘，获得对应的petri网业务逻辑模型；根据petri网业务逻辑模型获得商砼站信息管理系统业务逻辑关系。
2.根据权利要求1所述的基于流程日志的商砼站信息管理系统业务逻辑分析方法，其特征在于，
3.根据权利要求2所述的基于流程日志的商砼站信息管理系统业务逻辑分析方法，其特征在于，步骤2具体如下：
4.根据权利要求3所述的基于流程日志的商砼站信息管理系统业务逻辑分析方法，其特征在于，步骤3具体如下：
5.根据权利要求4所述的基于流程日志的商砼站信息管理系统业务逻辑分析方法，其特征在于，步骤4具体如下：
6.根据权利要求5所述的基于流程日志的商砼站信息管理系统业务逻辑分析方法，其特征在于，步骤5具体按照以下步骤实施：
7.根据权利要求6所述的基于流程日志的商砼站信息管理系统业务逻辑分析方法，其特征在于，步骤6具体按照以下步骤实施：
