趙衛(wèi)東，劉海濤

（復旦大學 軟件學院，上海 200433）

0 引言

隨著企業(yè)競爭的日趨激烈，業(yè)務(wù)流程優(yōu)化得到很多企業(yè)的重視。企業(yè)信息系統(tǒng)積累了大量的業(yè)務(wù)流程運行數(shù)據(jù)，這些數(shù)據(jù)記錄了流程的執(zhí)行過程。傳統(tǒng)的流程優(yōu)化多是通過人工經(jīng)驗發(fā)現(xiàn)流程中的問題，對流程數(shù)據(jù)的利用不足。流程挖掘（process mining）通過分析流程日志中的任務(wù)、參與者和時間等數(shù)據(jù)，重現(xiàn)業(yè)務(wù)流程的真實過程，為管理者提供流程運行的知識［1］。流程挖掘結(jié)合工作流管理和數(shù)據(jù)挖掘等相關(guān)技術(shù)，從控制流、組織結(jié)構(gòu)、資源和性能等多個視圖提取流程運行的知識，利用這些知識可以發(fā)現(xiàn)業(yè)務(wù)執(zhí)行與企業(yè)戰(zhàn)略目標的偏差、流程瓶頸、組織之間的低效率協(xié)作、流程資源的不合理分配等問題，從而對業(yè)務(wù)流程進行優(yōu)化。

流程挖掘源于軟件工程領(lǐng)域，目的是解決因主觀因素導致的流程設(shè)計問題。根據(jù)分析視角的不同，流程挖掘可以分為控制流視圖、組織視圖和實例視圖等［2］。早期的流程挖掘研究側(cè)重于控制流的發(fā)現(xiàn)，通過分析流程中活動的執(zhí)行順序，以Petri網(wǎng)等形式表示流程模型。近年來，從組織視圖的角度挖掘流程參與者之間的社會網(wǎng)絡(luò)、角色和資源間協(xié)作關(guān)系的研究得到了重視。隨著研究的不斷深入，流程挖掘的視角增添了流程性能、時間、數(shù)據(jù)和復雜度等新的維度，在流程模型重建、組織視圖分析、資源優(yōu)化和流程決策支持等方面取得了許多成果［3］。在此基礎(chǔ)上，學術(shù)界和企業(yè)界探討了使用流程挖掘?qū)I(yè)務(wù)流程進行優(yōu)化的方法?；诹鞒掏诰虻牧鞒虄?yōu)化在醫(yī)療、政府、金融、軟件、物流和電信等領(lǐng)域都得到了初步應用［4-10］。本文對流程挖掘在流程優(yōu)化相關(guān)的分析方法進行系統(tǒng)的梳理，以便為流程優(yōu)化研究提供新的思路。圖1所示為流程挖掘在流程優(yōu)化中應用的基本思路。

目前，從分析的角度來看，流程挖掘在流程優(yōu)化中的應用可分為基于控制流的優(yōu)化、基于組織視圖的優(yōu)化、基于資源視圖的優(yōu)化和基于性能的優(yōu)化等。基于控制流分析的流程優(yōu)化工作開展得較早，可用于優(yōu)化流程結(jié)構(gòu)、檢測流程異常等。常用的方法是流程一致性檢查（conformance check），將挖掘得到的流程模型與流程的最初設(shè)計對比，發(fā)現(xiàn)流程執(zhí)行過程中的異常，為流程優(yōu)化提供參考。分析流程模型的結(jié)構(gòu)復雜性，發(fā)現(xiàn)流程中低效率的復雜結(jié)構(gòu)，通過優(yōu)化流程結(jié)構(gòu)降低流程的復雜性，是傳統(tǒng)經(jīng)驗式流程優(yōu)化方法的重要補充。

基于組織視圖的流程優(yōu)化通過發(fā)現(xiàn)流程中組織間的最佳協(xié)作方式、角色之間的層級關(guān)系等信息，優(yōu)化組織結(jié)構(gòu)、促進資源高效協(xié)作。其中社會網(wǎng)絡(luò)分析（Social Network Analysis，SNA）關(guān)注資源之間的協(xié)作關(guān)系，構(gòu)建社交網(wǎng)絡(luò)圖譜，分析流程參與者之間的交互模式，促進資源之間的協(xié)作。根據(jù)組織、資源之間的協(xié)作關(guān)系優(yōu)化組織結(jié)構(gòu)，提高組織結(jié)構(gòu)與業(yè)務(wù)流程的適應性，也是流程優(yōu)化的一種思路。一些學者還研究了跨組織流程挖掘，通過發(fā)現(xiàn)行業(yè)最佳實踐促進跨組織協(xié)作。

基于資源視圖的優(yōu)化通過挖掘資源低效率的原因，優(yōu)化資源分配規(guī)則，提高資源利用率。決策樹、關(guān)聯(lián)規(guī)則挖掘等數(shù)據(jù)挖掘算法常被用來從流程日志中提取資源分配規(guī)則。在此基礎(chǔ)上，根據(jù)分配規(guī)則實現(xiàn)流程運行過程中的資源自動化分配，提升資源的分配效率。此外，結(jié)合資源的行為特征，改進資源的分配規(guī)則，提升資源的工作效率，也是流程優(yōu)化的一種思路。

基于性能的優(yōu)化通過分析流程中的時間、成本等關(guān)鍵績效指標，發(fā)現(xiàn)流程中效率低下的環(huán)節(jié)，從提升流程績效的角度對業(yè)務(wù)流程進行優(yōu)化。流程執(zhí)行周期一般用來度量流程的執(zhí)行效率。服務(wù)等待時間常被用來發(fā)現(xiàn)系統(tǒng)瓶頸，進而通過增強節(jié)點的服務(wù)能力等方式消除瓶頸，提升效率。除了上述方法外，一些學者從流程數(shù)據(jù)的角度研究了流程優(yōu)化的方法。利用分類、關(guān)聯(lián)分析等數(shù)據(jù)挖掘算法分析活動相關(guān)數(shù)據(jù)中的隱含規(guī)律，再利用這些規(guī)律對流程進行改進。例如，使用決策點挖掘分析客戶特征與流程路由概率的關(guān)系，通過改變決策點位置等方式提高流程效率。

流程挖掘為流程優(yōu)化提供了新思路和新方法，對該領(lǐng)域的方法和應用進行系統(tǒng)的總結(jié)和分析，對于指導流程優(yōu)化實踐和研究都有著重要意義。本文綜合目前流程挖掘應用的成果，系統(tǒng)討論了流程挖掘在業(yè)務(wù)流程優(yōu)化中的分析方法。從改善流程結(jié)構(gòu)、提升組織效率、優(yōu)化資源配置和檢測流程異常等方面綜述了典型的相關(guān)研究成果。最后分析了流程挖掘在業(yè)務(wù)流程優(yōu)化中亟待深入研究的問題。

1 改善流程結(jié)構(gòu)

流程模型的結(jié)構(gòu)決定流程活動的執(zhí)行順序，直接影響了流程的質(zhì)量和效率。但由于流程設(shè)計初期對實際需求考慮不周全，使流程中產(chǎn)生性能瓶頸等問題，這些問題降低了流程模型的可讀性和流程執(zhí)行效率。利用流程挖掘發(fā)現(xiàn)這些低效率的環(huán)節(jié)，根據(jù)業(yè)務(wù)的實際需要進行簡化和改造，可以降低流程模型的復雜度。另一方面，流程日志中隱藏著參與者的行為模式，使用關(guān)聯(lián)分析等算法發(fā)現(xiàn)這些規(guī)律，可以有針對性地對流程結(jié)構(gòu)進行調(diào)整。

1.1 瓶頸分析

瓶頸節(jié)點較長的執(zhí)行或等待時間影響整體的流程執(zhí)行時間。利用流程挖掘發(fā)現(xiàn)系統(tǒng)中的瓶頸環(huán)節(jié)，可以有針對性地增強瓶頸點的服務(wù)能力，合理分配瓶頸點的工作負擔，優(yōu)化流程結(jié)構(gòu)，提升系統(tǒng)性能。流程瓶頸發(fā)現(xiàn)可分為基于服務(wù)等待時間的方法和基于SNA 的方法。

基于服務(wù)等待時間的方法從瓶頸產(chǎn)生的結(jié)果出發(fā)，將等待時間較長的節(jié)點確認為潛在瓶頸點。服務(wù)等待時間可由任務(wù)的到達時間與活動開始時間的間隔得出。文獻［11］以荷蘭某油氣公司為例，從時間維度分析了影響業(yè)務(wù)性能的瓶頸點。該公司原來的業(yè)務(wù)存在效率低下、執(zhí)行總時間長等問題，流程調(diào)整使用開源流程挖掘工具ProM 的性能分析插件分析了各個節(jié)點的執(zhí)行頻度，計算可能產(chǎn)生瓶頸的執(zhí)行較頻繁節(jié)點的平均等待時間，發(fā)現(xiàn)了因節(jié)點服務(wù)人員不足產(chǎn)生的瓶頸。文獻［11］使用流程仿真工具分析了瓶頸節(jié)點在流程中的位置、服務(wù)的重要性等因素對流程執(zhí)行總時間的影響，針對瓶頸點的影響，采用增強瓶頸節(jié)點服務(wù)能力的方式進行緩解，通過仿真驗證了消除瓶頸可大大提升流程的執(zhí)行效率。

頻繁參與任務(wù)轉(zhuǎn)交的流程資源容易因工作負荷過大產(chǎn)生系統(tǒng)瓶頸。文獻［12］以工作移交（handover of work）度量構(gòu)建了員工間的社會關(guān)系網(wǎng)絡(luò)，并將中間中心性（betweenness centrality）高的節(jié)點確認為潛在瓶頸點。在基于工作移交的社交網(wǎng)絡(luò)中，中間中心性高的角色在業(yè)務(wù)流程處理中負責較多的任務(wù)傳遞，可能因資源數(shù)量不足造成系統(tǒng)瓶頸。

基于服務(wù)等待時間的瓶頸點發(fā)現(xiàn)原理簡單、應用廣泛，但該方法要求流程日志準確記錄活動到達時間和活動開始時間，這在某些信息系統(tǒng)中有一定難度。使用SNA 分析參與者在流程協(xié)作中的重要程度，探索識別關(guān)鍵角色是否出現(xiàn)服務(wù)瓶頸，調(diào)整任務(wù)負擔、消除瓶頸等問題的方法，還有待進一步研究。

1.2 循環(huán)結(jié)構(gòu)分析

為滿足企業(yè)內(nèi)部控制，流程中通常存在復核、審批等環(huán)節(jié)，業(yè)務(wù)申請經(jīng)相關(guān)負責人審查后退回業(yè)務(wù)人員，形成循環(huán)結(jié)構(gòu)。但由于對業(yè)務(wù)理解不到位、審批負責人的拖延等原因，會使流程中產(chǎn)生低效率、冗余的循環(huán)結(jié)構(gòu)，導致業(yè)務(wù)項目反復轉(zhuǎn)交卻得不到及時有效的處理。通過流程挖掘分析任務(wù)轉(zhuǎn)包（當任務(wù)由員工i轉(zhuǎn)交給員工j，j完成后返回給i，i與j便構(gòu)成轉(zhuǎn)包關(guān)系，在流程結(jié)構(gòu)上表現(xiàn)為循環(huán)結(jié)構(gòu)）情況，識別冗余循環(huán)結(jié)構(gòu)，可以采用消除或改善循環(huán)結(jié)構(gòu)等方法對流程進行精簡優(yōu)化。

文獻［5］使用SNA 分析了某公共服務(wù)部門發(fā)票處理流程中低效率的循環(huán)結(jié)構(gòu)，該部門負責市政建設(shè)工程的轉(zhuǎn)包和支付，由于流程結(jié)構(gòu)復雜，存在發(fā)票配送延遲問題。文獻［5］利用啟發(fā)式算法挖掘了流程模型，發(fā)現(xiàn)業(yè)務(wù)中存在許多事先未知的循環(huán)結(jié)構(gòu)，17%的發(fā)票處理都要經(jīng)過至少一個循環(huán)過程，嚴重延遲了合同款的及時支付。針對該問題，使用轉(zhuǎn)包度量分析了員工之間的協(xié)作關(guān)系。轉(zhuǎn)包關(guān)系度量了任務(wù)在不同員工之間的移交和復核的情況，轉(zhuǎn)包次數(shù)過多意味著流程結(jié)構(gòu)中存在低效率的循環(huán)結(jié)構(gòu)。分析發(fā)現(xiàn)，特定員工間存在頻繁的任務(wù)轉(zhuǎn)包情況。通過與業(yè)務(wù)人員討論，得知相關(guān)負責主管不經(jīng)常在單位辦公，造成審批工作的延期處理，系統(tǒng)自動將流程狀態(tài)回溯到前一階段，從而形成低效率的循環(huán)結(jié)構(gòu)。針對這種結(jié)果，可以采用權(quán)力下放等途徑減少不必要的審批工作，消除冗余的循環(huán)結(jié)構(gòu)，降低流程復雜性。

一些業(yè)務(wù)流程中的循環(huán)結(jié)構(gòu)是不可避免的。針對這種情況，可以通過優(yōu)化循環(huán)結(jié)構(gòu)、提升循環(huán)結(jié)構(gòu)的效率等途徑改善業(yè)務(wù)流程。文獻［13］通過調(diào)整關(guān)鍵活動的位置優(yōu)化循環(huán)結(jié)構(gòu)。利用啟發(fā)式算法分析了某公司的晶片掃描器測試流程，結(jié)果表明，在任何測試階段，當發(fā)現(xiàn)測試失敗時，測試任務(wù)都要回滾到開始階段重新進行測試，從而形成循環(huán)結(jié)構(gòu)，大量的循環(huán)結(jié)構(gòu)導致測試周期遠遠超出規(guī)定時間。針對這種問題，分析了各個階段出現(xiàn)測試失敗的概率，通過將出錯率高的關(guān)鍵活動放置在測試初期作為標準測試任務(wù)，使循環(huán)結(jié)構(gòu)出現(xiàn)在流程的早期，減少了測試回溯引起的反復測試，大幅度縮減了測試流程的時間和成本。

1.3 決策點分析

決策點對應流程的選擇判斷節(jié)點，根據(jù)決策點的結(jié)果選擇不同的流程執(zhí)行路徑。決策點的選擇對流程結(jié)構(gòu)有很大的影響。決策點挖掘（decision mining）使用決策樹等分類算法分析決策屬性與結(jié)果之間的關(guān)系，從而發(fā)現(xiàn)流程的決策規(guī)則，通過調(diào)整決策點的位置優(yōu)化流程結(jié)構(gòu)。

文獻［14］研究了決策點位置調(diào)整對流程效率的影響，使用C4.5決策樹算法分析了決策點的相關(guān)屬性和決策執(zhí)行結(jié)果之間的聯(lián)系，根據(jù)執(zhí)行結(jié)果和后續(xù)活動之間的依賴關(guān)系得到各個決策點的決策效率，識別出決策效率低的冗余決策點。通過將決策效率高的決策點放置在流程初期，同時刪除冗余決策點，可以簡化流程結(jié)構(gòu)。

決策點位置的調(diào)整對審查活動較多的業(yè)務(wù)流程有很好的效果。例如，在保險理賠、信用卡申請等業(yè)務(wù)中，將那些對申請人資格要求高的決策點放在早期進行，可以盡早排除不合格的申請，提高業(yè)務(wù)流程的執(zhí)行效率。

1.4 頻繁模式發(fā)現(xiàn)

流程中的頻繁模式蘊含著流程活動的規(guī)律、流程參與者的行為模式等重要信息。使用流程挖掘可以發(fā)現(xiàn)頻繁路徑以及資源之間的頻繁模式，利用這些規(guī)律做流程路徑預測或資源推薦。基于頻繁模式的流程優(yōu)化的常用方法包括頻繁路徑挖掘、關(guān)聯(lián)規(guī)則挖掘和決策樹挖掘等。

流程頻繁路徑挖掘從全局角度出發(fā)，重點優(yōu)化業(yè)務(wù)流程中的關(guān)鍵路徑。通過分析流程日志中活動的執(zhí)行順序，使用Markov鏈、頻度／依賴關(guān)系等方法發(fā)現(xiàn)流程執(zhí)行頻率較高的路徑，然后提升這些關(guān)鍵路徑上節(jié)點的服務(wù)能力，從而優(yōu)化流程結(jié)構(gòu)。文獻［15］分析了某在線旅游訂票網(wǎng)站用戶點擊流的頻繁路徑，該網(wǎng)站提供旅游、餐飲等在線預定服務(wù)，存在轉(zhuǎn)化率低的問題。使用k-means聚類方法對用戶瀏覽的網(wǎng)頁進行分類，將Web會話映射為不同的流程活動，得到用戶的購物流程日志。分析活動間頻度／依賴關(guān)系較高的路徑，發(fā)現(xiàn)購買流程的頻繁路徑為“查看詳情→購買→支付”，較少經(jīng)過搜索和對比操作，這與該網(wǎng)站重點優(yōu)化搜索服務(wù)的策略不符。通過分析用戶的購買習慣，重點改善購買流程中“關(guān)鍵路徑”網(wǎng)頁的設(shè)計，優(yōu)化購物流程，最終將網(wǎng)站轉(zhuǎn)化率從2%提升到46%。

相對于頻繁路徑挖掘，關(guān)聯(lián)規(guī)則挖掘則是從數(shù)據(jù)流的角度關(guān)注具體的用戶特征與流程活動之間的聯(lián)系。例如，分析發(fā)現(xiàn)用戶特征與流程活動之間的聯(lián)系，可以利用這些關(guān)聯(lián)關(guān)系調(diào)整流程結(jié)構(gòu)，為用戶提供個性化的服務(wù)。文獻［16］使用Apriori算法研究醫(yī)療流程中的患病關(guān)聯(lián)情況和醫(yī)治活動關(guān)聯(lián)規(guī)則，揭示了醫(yī)護流程中的頻繁模式，為業(yè)務(wù)人員提供了參考。例如根據(jù)醫(yī)治活動關(guān)聯(lián)規(guī)則，置信度高的醫(yī)治活動同時出現(xiàn)的可能性較大。針對這種情況，醫(yī)院可以調(diào)整醫(yī)療流程，提高診斷和治療的效率。同時，置信度高的不同疾病通常為并發(fā)癥，應該采用關(guān)聯(lián)病情檢查等方法優(yōu)化診斷流程，為病人提供更優(yōu)質(zhì)的服務(wù)。決策樹也是一種常見的頻繁模式挖掘算法。文獻［6］使用分類和回歸樹（Classifiation and Regression Tree，CART）算法分析了信用卡申請流程中的低效率審批與客戶特征之間的聯(lián)系，為優(yōu)化流程結(jié)構(gòu)提供了參考。通過分析申請流程各個活動的執(zhí)行時間，發(fā)現(xiàn)一些用戶申請書送回的等待時間過長，通常超過業(yè)務(wù)期限（31d），導致申請自動取消，而一般用戶在23d內(nèi)都會得到及時回復。針對這種問題，分析了申請人特征、等待時間與申請通過率之間的關(guān)系，根據(jù)分類樹的分類屬性和葉子節(jié)點的概率分布，業(yè)務(wù)人員預測客戶的申請書送回時間，從而提高了信用卡申請審批流程的效率。

2 提升組織效率

組織視圖挖掘關(guān)注流程中的組織結(jié)構(gòu)、角色和資源之間的關(guān)系，利用組織結(jié)構(gòu)挖掘、角色識別、社會網(wǎng)絡(luò)分析等方法，理解組織內(nèi)和組織之間信息流通、工作協(xié)同的方式。通過促進資源協(xié)作、調(diào)整組織結(jié)構(gòu)等方式提升流程效率。

2.1 促進資源協(xié)作

業(yè)務(wù)流程的執(zhí)行通常需要流程參與者之間緊密合作。分析參與者之間的協(xié)作關(guān)系有助于發(fā)現(xiàn)流程中的低效率協(xié)作和資源之間的協(xié)作模式，促進資源協(xié)作，提升流程效率。組織視圖挖掘得到流程參與者之間的協(xié)作關(guān)系，為管理者優(yōu)化資源組合、促進資源協(xié)作提供參考［12］。

文獻［4］使用SNA 分析了癌癥患者就診流程中醫(yī)院各科室之間的協(xié)作關(guān)系，發(fā)現(xiàn)了一些有趣的協(xié)作模式。文獻使用工作移交度量評估各科室之間的協(xié)作緊密度，并使用社交網(wǎng)絡(luò)圖表示協(xié)作關(guān)系。在社交網(wǎng)絡(luò)中節(jié)點代表部門，部門之間的緊密程度用節(jié)點間弧的粗細顯示。例如，臨床化學實驗室與其他科室協(xié)作緊密，而產(chǎn)科與其他科室協(xié)作很少。意外的是營養(yǎng)科與其他科室協(xié)作也比較強，可能是因為接受化療的病人一般會咨詢營養(yǎng)師飲食問題。根據(jù)這一信息，醫(yī)院可以在病人就診時提供相關(guān)的飲食建議，從而減少病人在部門之間不必要的活動。此外，放射科與常規(guī)檢查科的頻繁交互顯示了病人“去放射科就診→在常規(guī)科接受病情檢查”的序列模式，這些協(xié)作模式為流程優(yōu)化提供了契機。例如，根據(jù)部門之間的頻繁交互整合相關(guān)的診斷活動，簡化醫(yī)療流程。

社交團體（community）發(fā)現(xiàn)也是常用的協(xié)作關(guān)系分析方法。文獻［17］擴展了SNA 的研究，討論了挖掘流程日志發(fā)現(xiàn)社交團體的方法，利用參與者一起工作的次數(shù)計算資源之間的協(xié)作程度，利用共同實例度量構(gòu)建了社交網(wǎng)絡(luò)，使用層次聚類算法，根據(jù)參與者之間的協(xié)作程度進行聚類。在聚類過程中，文獻［17］使用了模塊化的概念，使挖掘得到的社交團體內(nèi)部協(xié)作緊密，而團體之間的協(xié)作關(guān)系松散。每次迭代都計算結(jié)果的模塊化程度，最后將模塊化最高的聚類作為團體劃分結(jié)果。該文獻使用社交團體發(fā)現(xiàn)分析了某醫(yī)療流程中醫(yī)生間的團體協(xié)作關(guān)系。在社交圖譜中，同一團體的醫(yī)生用一種顏色的圓點表示，圓點之間的連線顯示了醫(yī)生、團體之間的協(xié)作程度。結(jié)果顯示：急救科的醫(yī)生合作緊密，而且與其他部門都有協(xié)作關(guān)系，在社交圖譜中處于中心地位。根據(jù)這種情況，醫(yī)院可以適當增加對急救科的資源分配，避免因人員不足影響流程的效率。此外，骨科、婦科的醫(yī)生在社交團體中處于相對孤立的狀態(tài)，與急救科存在較少的交互，且內(nèi)部協(xié)作不夠緊密。針對內(nèi)部關(guān)系松散的團體，醫(yī)院可以通過強化合作意識促進資源之間的有效合作，提高業(yè)務(wù)處理的效率。

2.2 調(diào)整組織結(jié)構(gòu)

組織視圖挖掘不僅可以從流程日志中獲取資源之間的協(xié)作關(guān)系，還可以挖掘組織結(jié)構(gòu)、個人與組織的協(xié)作關(guān)系，從而優(yōu)化組織結(jié)構(gòu)和團隊組合形式。組織結(jié)構(gòu)優(yōu)化的整體思路是調(diào)整組織結(jié)構(gòu)，以適應業(yè)務(wù)需求、促進資源之間的協(xié)作。

利用組織視圖挖掘發(fā)現(xiàn)員工之間的協(xié)作關(guān)系和員工在流程中的重要性，可以相應調(diào)整組織結(jié)構(gòu)，更好地適應業(yè)務(wù)流程的需要。文獻［18］分析了某航空設(shè)計院知識維護流程中的組織結(jié)構(gòu)，討論了使用組織視圖挖掘優(yōu)化組織結(jié)構(gòu)的方法。在知識維護流程中，為保證知識的質(zhì)量，當新知識加入知識庫時需要依次經(jīng)過提交、檢查、專家檢查和批準等步驟。每前進一個階段，都需要具備更專業(yè)知識的員工進行檢查。該文獻使用聚類算法分析了知識維護業(yè)務(wù)中員工之間的知識層次結(jié)構(gòu)。當工作由i轉(zhuǎn)交給j時，表明j和i具有相同領(lǐng)域的知識且j的知識層次高于i。在轉(zhuǎn)交矩陣生成的社會網(wǎng)絡(luò)中，入度為0的節(jié)點的知識層次最低，出度為0的節(jié)點的知識層次最高，具有相同前驅(qū)和后繼節(jié)點的節(jié)點處于同一領(lǐng)域的同一知識層次。挖掘結(jié)果與單位的組織結(jié)構(gòu)對比存在較大差異，例如，一些單位的普通員工在知識層次結(jié)構(gòu)中具有較高的專業(yè)知識水平，員工之間的知識傳遞常常需要跨越組織單元的界限。針對這些問題，該文獻提出針對知識維護業(yè)務(wù)的組織結(jié)構(gòu)優(yōu)化，通過將同一知識領(lǐng)域的員工劃分在同一單元，同時增加在知識傳遞中重要環(huán)節(jié)的業(yè)務(wù)人員數(shù)量，改善組織結(jié)構(gòu)，以適應知識維護業(yè)務(wù)流程，加速組織內(nèi)部知識的共享。

文獻［19］提出基于SNA 的員工自動組合方法，綜合考慮員工能力、社交關(guān)系中的地位等因素對資源組合的影響。該模型中的員工被分為不同團體，各個團體有相應的主題（topic），每個員工在團體中都有對應的社交角色，其中存在關(guān)鍵貢獻者、影響者和協(xié)調(diào)者三種特殊的社交角色：①關(guān)鍵貢獻者負責處理主要的流程任務(wù)，可以用度中心性度量；②影響者在團體中具有較高的領(lǐng)導能力，可以用特征向量中心性度量；③協(xié)調(diào)者負責團體之間的信息交互，可以用中間中心性度量。

文獻［20］提出基于員工能力和協(xié)作關(guān)系的社會計算單元（Social Computing Unit，SCU）。在SCU中，為完成相應的任務(wù)，員工根據(jù)專長、知識和協(xié)作關(guān)系動態(tài)地組合在一起，構(gòu)成靈活、高效的組織結(jié)構(gòu)。該文獻以旅游業(yè)的IT 事故處理流程為例，說明了創(chuàng)建動態(tài)靈活SCU 的過程。當新任務(wù)到達時，根據(jù)任務(wù)主題挑選主題相關(guān)的團體，然后根據(jù)任務(wù)量在該團體中選擇相應數(shù)量的影響者和貢獻者，若有多個團體參與則添加相關(guān)的協(xié)調(diào)者。該文獻還提供了創(chuàng)建高效的動態(tài)協(xié)作團隊SCU 的方法，為優(yōu)化組織結(jié)構(gòu)提供了新思路。

2.3 促進跨組織協(xié)作

目前組織之間協(xié)作的研究成果較少，但該問題對于發(fā)現(xiàn)企業(yè)協(xié)作存在的問題、加強跨組織合作具有重要的作用。一些學者研究了跨組織流程挖掘在流程優(yōu)化中的應用［21-23］，但由于挖掘組織之間的協(xié)作流程模型存在數(shù)據(jù)安全、數(shù)據(jù)整合和協(xié)作模式等問題，這方面的應用還處于探索階段。根據(jù)業(yè)務(wù)分配和合作形式的不同，組織間的協(xié)作可分為流程協(xié)作和知識協(xié)作。

（1）流程協(xié)作

在跨組織流程協(xié)作中，業(yè)務(wù)流程被分割為不同的任務(wù)塊，組織之間通過分工協(xié)作共同完成業(yè)務(wù)流程。流程數(shù)據(jù)分散在不同組織的信息系統(tǒng)中，流程挖掘存在日志合并、模型匯總等難題。針對這種模式，目前的主要優(yōu)化方法有基于合作協(xié)議的一致性檢查方法和基于合作模型的優(yōu)化方法。

基于合作協(xié)議的一致性檢查方法通過對比流程執(zhí)行情況與服務(wù)協(xié)議，發(fā)現(xiàn)業(yè)務(wù)執(zhí)行中的問題，通過改進服務(wù)層協(xié)議（Service Level Agreement，SLA）、加強監(jiān)管等方式提升組織之間協(xié)作的質(zhì)量。文獻［22］從流程一致性檢查的角度，使用SLA 評估了服務(wù)供應商的服務(wù)質(zhì)量，分析了某IT 服務(wù)外包公司的服務(wù)流程日志，挖掘了流程模型，從流程性能的角度分析了組織協(xié)作中的問題。分析服務(wù)的響應時間和客戶滿意度等度量后發(fā)現(xiàn)：外包公司將提升客戶響應速度作為服務(wù)的主要目標，忽視了解決問題的質(zhì)量，導致用戶滿意度不高，而問題的根源在于SLA 過于強調(diào)縮短服務(wù)時間，忽視了服務(wù)質(zhì)量對客戶滿意度的影響。從而調(diào)整SLA 的關(guān)鍵指標，強調(diào)服務(wù)質(zhì)量和客戶滿意度，優(yōu)化服務(wù)流程。一致性檢查為發(fā)現(xiàn)組織間協(xié)作的缺陷提供了客觀的依據(jù)，有助于促進組織間改進合作方式，提高合作效率。

相對于上述流程日志集中存在于單個系統(tǒng)中的研究，挖掘分布于各個組織內(nèi)部的流程模型對流程優(yōu)化更有意義。文獻［23］提出基于企業(yè)間合作模式的流程優(yōu)化方法，分析了組織之間協(xié)作的任務(wù)同步、信息交換、資源共享和抽象過程協(xié)同四種模式，綜合考慮了流程中的信息交流和資源分配，提出擴展的資源信息工作流模型：首先挖掘各個組織內(nèi)部的流程模型，隨后根據(jù)不同的協(xié)作模式將各組織內(nèi)部的流程模型進行整合，得到跨組織流程模型。以某醫(yī)院醫(yī)護流程中接待室、外科、X-射線科、藥房、心血管科等部門之間的協(xié)作流程為例，通過挖掘各部門的服務(wù)流程，分析部門之間的協(xié)作關(guān)系。例如，外科和心血管科在處方、就診咨詢等活動中需要共同參與，存在任務(wù)同步協(xié)作。而X-射線科在圖像檢查等活動中為外科提供信息，形成了信息交換協(xié)作。結(jié)合流程模型和協(xié)作關(guān)系，挖掘到整個醫(yī)療流程模型，為醫(yī)院管理人員提供了部門之間協(xié)作的全景視圖。根據(jù)協(xié)作模式，管理人員可以通過合理安排醫(yī)療設(shè)備和醫(yī)護人員的調(diào)度等方式解決業(yè)務(wù)沖突，提升醫(yī)療流程的效率。

（2）知識協(xié)作

組織間協(xié)作的另一種模式是通過共享經(jīng)驗、知識進行協(xié)作。目前主要的優(yōu)化方法是基于行業(yè)對比發(fā)現(xiàn)最佳實踐，即使用流程挖掘與業(yè)界其他單位的業(yè)務(wù)流程進行對比，發(fā)現(xiàn)自身流程中的缺陷并加以改進，同時借鑒行業(yè)的最佳實踐為流程優(yōu)化提供參考。

文獻［24］分析了意大利兩家醫(yī)院對中風患者的不同醫(yī)治流程，通過對比為優(yōu)化服務(wù)質(zhì)量提供參考，并使用啟發(fā)式算法分別挖掘了醫(yī)治流程模型。通過對比兩家醫(yī)院在中風不同階段（急性階段和亞急性階段）使用的診斷流程，發(fā)現(xiàn)兩家醫(yī)院采用了不同的治療策略。一家醫(yī)院通常較早地實施降壓治療；另一家醫(yī)院則相對謹慎，實施了神經(jīng)檢查等醫(yī)療保護措施，而且早期采用推薦的物理療法。通過分析不同醫(yī)院對同一疾病治療流程的差異，有助于發(fā)現(xiàn)業(yè)界的高質(zhì)量療法，為醫(yī)生改進診斷流程提供參考。

Aalst教授在上述研究的基礎(chǔ)上還提出了云計算時代利用集體智慧、借鑒行業(yè)最佳實踐的優(yōu)化方法［25］。Aalst研究了荷蘭4個市政部門建筑執(zhí)照審批流程的處理情況，發(fā)現(xiàn)這些部門使用相同的流程管理系統(tǒng)，卻具有不同的辦公效率。針對這種問題，通過發(fā)現(xiàn)最佳實踐提高流程效率。討論了流程模型質(zhì)量、流程效率、流程日志與模型間的適應度，實際業(yè)務(wù)流程與流程模型間的適應度等評估模型質(zhì)量和適應度的相關(guān)度量，通過挖掘4個部門的流程日志得到流程模型，計算上述度量得到相似度矩陣。對比與自身流程日志適應度較高的流程模型，可以發(fā)現(xiàn)適合業(yè)務(wù)特征的高質(zhì)量流程模型；對比與自身模型適應度高的流程日志，可以發(fā)現(xiàn)與自身流程模型相似的業(yè)界最佳實踐。

總之，目前基于跨組織流程挖掘的流程優(yōu)化研究還沒有系統(tǒng)的研究方法。

3 優(yōu)化資源配置

資源分配在業(yè)務(wù)流程管理中有重要的作用，合理的資源分配可以保證為每項活動分配合適的資源，充分發(fā)揮資源的利用率。使用流程挖掘分析流程中的資源分配規(guī)則可以發(fā)現(xiàn)分配中的問題并進行優(yōu)化，同時利用資源分配中的規(guī)律實現(xiàn)資源的自動化分配。另一方面，分析資源的行為特征，調(diào)整資源分配方式，可以提高資源的工作效率，實現(xiàn)資源的優(yōu)化配置。

3.1 挖掘資源分配規(guī)則

資源分配有推模式和拉模式兩種基本模式，這兩種模式比較簡單，沒有考慮對流程性能的影響，在處理資源短缺、資源超載、資源不確定等復雜問題時無法得到最優(yōu)解。因此，需要挖掘更加全面的資源分配規(guī)則，為資源優(yōu)化提供基礎(chǔ)。

文獻［26］提出使用決策樹挖掘任務(wù)分配規(guī)則，將活動參與者和活動類型作為輸入，將參與者是否參與活動作為分類結(jié)果，得到員工的任務(wù)指派規(guī)則，然后使用流程模型作為先驗經(jīng)驗，挖掘了基于角色的資源分配規(guī)則，但未考慮角色之間的重疊關(guān)系等問題。在此基礎(chǔ)上，文獻［27］擴展了基于決策樹的員工指派規(guī)則，并在ProM 中以Staff Assignment Miner插件的形式實現(xiàn)了支持業(yè)務(wù)流程生命周期的資源分配管理和優(yōu)化。利用流程挖掘得到的資源分配模型與業(yè)務(wù)規(guī)則進行對比，發(fā)現(xiàn)資源分配中的問題并加以改進。在流程執(zhí)行過程中，通過不斷挖掘分配規(guī)則進行優(yōu)化，實現(xiàn)流程生命周期的資源分配優(yōu)化。

文獻［28］在以上研究的基礎(chǔ)上，從資源關(guān)聯(lián)性的角度挖掘資源分配規(guī)則，使用關(guān)聯(lián)規(guī)則分析了某醫(yī)院CT 檢查流程中的資源分配規(guī)則，把參與者、活動的開始和結(jié)束時間作為約束條件，只考慮具有順序關(guān)聯(lián)的活動，從而改進了Apriori算法的挖掘效率。挖掘得到的資源分配規(guī)則可分為資源依賴規(guī)則和資源指派規(guī)則兩類。前者表示資源之間參與不同活動的關(guān)聯(lián)關(guān)系。例如，資源r1參與“診斷報告”活動后，經(jīng)常由主管r6進行“診斷核對”活動。后者表示資源的角色與活動類型的對應關(guān)系，從質(zhì)量、效率、規(guī)則精細度等方面驗證了關(guān)聯(lián)規(guī)則挖掘的有效性，并發(fā)現(xiàn)了有趣的資源分配規(guī)則。例如，病情為“一般”的病人接受“顱腦掃描”診斷時，通常由員工r4和r5完成，因為他們處理該活動更有經(jīng)驗，而且在時間有限的情況下，活動經(jīng)常由經(jīng)驗豐富的員工處理。這些流程運行中的資源分配模式為管理者優(yōu)化資源配置、提高流程效率提供了有價值的參考。

3.2 合理分配資源

資源分配規(guī)則挖掘研究強調(diào)分配規(guī)則的發(fā)現(xiàn)，并未考慮在運行過程中對資源的優(yōu)化配置。恰當?shù)馁Y源分配可以充分發(fā)揮資源的工作效率，提升流程的運行效率。目前，優(yōu)化資源分配的工作包括基于資源分配問題發(fā)現(xiàn)的優(yōu)化、基于分配規(guī)則挖掘的自動化分配和基于資源行為分析的合理分配等。

基于資源分配問題發(fā)現(xiàn)的優(yōu)化方法通過分析資源、工作負載和流程執(zhí)行速度之間的關(guān)系，利用流程資源的工作時間、閑置時間等資源效率指標，發(fā)現(xiàn)資源分配中存在的問題，從而有針對地進行優(yōu)化。文獻［29］使用流程挖掘分析了荷蘭某金融機構(gòu)貸款申請流程中的資源分配問題，分析資源在各個工作日中的表現(xiàn)，發(fā)現(xiàn)只有1／3的資源在每個工作日都參與了工作，企業(yè)存在員工冗余的問題。由于周末的任務(wù)堆積，周一通常需要較多的員工進行處理，企業(yè)可在周五加派資源數(shù)量，以緩解周一的工作壓力。該文獻對比了多任務(wù)分配和單任務(wù)分配兩種分配策略的效率。通過分析各項活動的平均處理時間和每個流程實例的平均周轉(zhuǎn)時間，發(fā)現(xiàn)在多任務(wù)分配中，由于資源同時處理多種業(yè)務(wù)活動，致使資源的業(yè)務(wù)處理效率低于單任務(wù)分配，不但造成資源浪費，而且影響了客戶滿意度。針對上述問題，可以通過利用冗余員工處理工作積壓，根據(jù)員工特長進行專業(yè)化分工等途徑，改進資源分配策略，提高資源利用率。

基于分配規(guī)則的資源自動化分配使用機器學習等方法發(fā)現(xiàn)資源分配的規(guī)則，在流程運行過程中根據(jù)這些規(guī)則進行自動化分配，從而解決因人工分配造成的資源分配錯誤、資源利用率低等問題［30］。文獻［31］提出基于機器學習的資源自動分配方法，將資源分配作為員工參與活動的分類問題，把流程日志作為訓練集進行監(jiān)督學習，生成相應的分類器，挖掘員工任務(wù)分配規(guī)則，重點挖掘了流程運行階段需要人工分配的活動資源分配規(guī)則。使用C4.5決策樹、樸素貝葉斯分類和支持向量機等分類算法，分別對企業(yè)的流程資源分配進行挖掘。實驗表明，自動化分配的準確率大于75%，但沒有考慮資源自身的特性對資源分配的影響。

基于資源行為的資源優(yōu)化考慮了資源的偏好、專業(yè)知識、協(xié)作方式等資源內(nèi)在行為對資源效率的影響，根據(jù)資源的獨特性進行合理分配。例如，文獻［6］使用多維分析討論了具有專業(yè)知識的員工在處理特定領(lǐng)域任務(wù)時的優(yōu)勢，從資源利用率的角度對比了專業(yè)分工和統(tǒng)一分配任務(wù)兩種不同分配方法的資源利用率，發(fā)現(xiàn)領(lǐng)域?qū)＜姨幚韺I(yè)任務(wù)的效率大于普通員工80%，而統(tǒng)一任務(wù)分配使他們忙于其他工作，大大削減了資源的價值，驗證了專業(yè)化分工在優(yōu)化資源配置、改善流程性能中的作用。

文獻［32］從促進資源協(xié)作的角度討論了優(yōu)化資源分配的方法，提出衡量資源之間協(xié)作程度的資源相容性概念，相容性越高，資源之間的合作效率越高。使用服務(wù)時間作為資源間協(xié)作水平的指標，資源之間共同處理業(yè)務(wù)所需的服務(wù)時間越短，協(xié)作就越緊密，相容性就越高。該文獻使用貪婪算法，以尋求最大系統(tǒng)相容性為目標，得出了最大化資源協(xié)作的分配方式，并以韓國某醫(yī)院的醫(yī)護流程為例，分析了員工間的合作關(guān)系，計算了員工間的相容性，并給出了優(yōu)化的員工組合。實驗模擬顯示新組合下特定任務(wù)的平均處理時間由原來的42.9 min降低為6 min，大大提升了流程的效率。

文獻［33］從社會學的角度考慮了工作負擔等外界環(huán)境對資源行為的影響。使用服務(wù)時間衡量資源效率，以單位時間內(nèi)的任務(wù)指派數(shù)量評估工作負擔，使用線性回歸分析了兩者之間的關(guān)系。該文獻使用某市政部門的建筑合同處理流程數(shù)據(jù)進行實驗，較高的相關(guān)系數(shù)和擬合系數(shù)驗證了資源工作量與流程績效之間的關(guān)系，即資源績效隨工作量的增加而增加，但達到一定程度后隨工作量的增加而降低，這種資源特性給資源分配提供了有益的知識。為提高資源利用率，需要調(diào)整任務(wù)到達率，合理分配資源的任務(wù)量，使資源發(fā)揮最大績效。

綜合考慮資源行為對資源分配的優(yōu)化具有重要意義，但由于構(gòu)建包含資源偏好、可用性、能力、協(xié)作等資源行為的資源模型難度較大，目前相關(guān)的研究工作還不充分［34］。

4 檢測流程異常

企業(yè)業(yè)務(wù)環(huán)境的日趨復雜、信息系統(tǒng)的日益分散給管理者洞悉流程執(zhí)行狀況增添了難度。使用流程挖掘分析流程的實際運行情況，通過與預定目標進行對比，可以及時發(fā)現(xiàn)流程執(zhí)行中的異常和低效率情況。異常檢測有助于流程管理者對流程進行實時監(jiān)控，確保業(yè)務(wù)流程的有序執(zhí)行。

4.1 基于業(yè)務(wù)規(guī)則的檢測

基于業(yè)務(wù)規(guī)則的檢測通過將挖掘得到的流程模型與業(yè)務(wù)規(guī)則進行對比，發(fā)現(xiàn)業(yè)務(wù)執(zhí)行過程中的偏差，促使管理者對流程進行及時優(yōu)化，已在欺詐檢測、金融審計、系統(tǒng)安全監(jiān)測和內(nèi)部控制等領(lǐng)域得到廣泛的應用［35-37］。

面對復雜多變的競爭環(huán)境，出于靈活性考慮，流程的實際執(zhí)行與業(yè)務(wù)規(guī)則經(jīng)常會存在偏差，而這些偏差中可能隱藏著流程隱患，利用流程挖掘的方法識別這些偏差，對優(yōu)化規(guī)則制定、提升流程效率具有重要的意義。例如，文獻［38］以某金融公司的采購流程為例分析了業(yè)務(wù)流程中的偏差，根據(jù)業(yè)務(wù)規(guī)則挖掘了流程中的偏差，使用Apriori算法重點分析了“未經(jīng)審核簽字產(chǎn)生訂單”業(yè)務(wù)偏差的10種頻繁模式。通過與業(yè)務(wù)人員討論，區(qū)分了顯式偏差、隱式偏差和業(yè)務(wù)異常等模式：顯式偏差的訂單額小于閾值，為保證業(yè)務(wù)靈活性，此種偏差得到公司許可；隱式偏差的訂單額度雖大于閾值，但供貨商為公司的合作伙伴，為其提供便捷服務(wù)此種偏差也得到公司認可；業(yè)務(wù)異常則為訂單大于閾值且涉及非合作關(guān)系的供應商，其中可能含有欺詐行為，需要進一步審核。利用這些偏差信息，可以采取有針對性的優(yōu)化方法，例如，將顯式偏差和隱式偏差進行規(guī)范說明，利用業(yè)務(wù)流程規(guī)則的透明化提高流程的執(zhí)行效率，同時深入分析業(yè)務(wù)異常出現(xiàn)的根源，及時發(fā)現(xiàn)業(yè)務(wù)中存在的問題，對流程進行相應改進。

Markov 模型也常用于發(fā)現(xiàn)流程異常。在Markov模型中，兩個活動先后發(fā)生的概率顯示了流程執(zhí)行的路由概率。通過與標準業(yè)務(wù)流程的對比，可以發(fā)現(xiàn)流程變異的位置與可能性，從而發(fā)現(xiàn)異常的業(yè)務(wù)執(zhí)行過程。文獻［7］使用ProM 挖掘了巴西某軟件公司的軟件開發(fā)流程，使用Markov鏈模型，以概率的形式顯示了開發(fā)流程中的各種可能路徑。通過與業(yè)務(wù)標準進行對比，發(fā)現(xiàn)實際開發(fā)過程中存在許多不規(guī)范的流程。例如在開發(fā)初期，跳過計劃環(huán)節(jié)直接進入開發(fā)階段的概率高達25.2%。更嚴重的是，43.6%的開發(fā)流程未經(jīng)過代碼驗證、軟件測試和文檔整理等階段就完成了開發(fā)過程。使用聚類算法分析了其中常見的幾種開發(fā)流程，其中均存在與業(yè)務(wù)規(guī)則不一致的情況。針對這些問題，通過加強對軟件測試等環(huán)節(jié)的重視和監(jiān)管，可以使開發(fā)流程更加規(guī)范化，從而優(yōu)化企業(yè)軟件開發(fā)流程。

文獻［39］擴展了Markov模型的研究工作，使用時序聚類算法分析了葡萄牙某醫(yī)院的急救醫(yī)護流程。時序聚類（sequence clustering）算法使用基于Markov模型的距離度量，將具有相似任務(wù)執(zhí)行序列的流程分為一類。該文獻使用時序聚類算法得到含有8類流程模型的聚類圖，其中每個節(jié)點代表一類流程模型，并標注了對應的支持度，支持度高的聚類表示正常的流程模型，支持度低的節(jié)點為異常的流程模型。該文獻根據(jù)支持度最高的節(jié)點得到正常的醫(yī)護流程，根據(jù)聚類圖生成最小二分樹，通過與正常流程對比并比較相鄰模型的Markov鏈，發(fā)現(xiàn)了業(yè)務(wù)流程在實際執(zhí)行中的逐漸變異過程。分析發(fā)現(xiàn)醫(yī)治流程中存在醫(yī)生將病人轉(zhuǎn)交給其他醫(yī)生的異常情況，違背了醫(yī)院規(guī)定的只能由單個醫(yī)生負責治療的業(yè)務(wù)規(guī)則。聚類圖清晰地反映了業(yè)務(wù)執(zhí)行中的異常情況，為醫(yī)院加強監(jiān)管、優(yōu)化醫(yī)療流程提供了有意義的指導。

4.2 基于組織視圖的檢測

不同于側(cè)重控制流的基于業(yè)務(wù)規(guī)則的異常檢測，基于組織視圖的異常檢測通過從流程活動參與者的角度分析業(yè)務(wù)人員的異常交互來發(fā)現(xiàn)流程中的異常，使用SNA 等方法分析組織中業(yè)務(wù)人員的交互關(guān)系，檢查非常規(guī)的人員互動，有助于偵測違反業(yè)務(wù)規(guī)定的非法操作，從而加強企業(yè)內(nèi)部控制。文獻［35］研究了流程挖掘在審計領(lǐng)域的應用，使用SNA方法分析由交易人員組成的社交網(wǎng)絡(luò)，通過檢測存在欺詐嫌疑的異常社交互動，如不同職能部門之間員工的異常交互、供應商與某一業(yè)務(wù)人員的頻繁交互等，發(fā)現(xiàn)傳統(tǒng)審計中難以發(fā)現(xiàn)的合謀詐騙行為?；诮M織視圖的檢測有助于審計人員全面洞察客戶公司的業(yè)務(wù)流程，利用交易金額、交易比率和異常交易等指標識別公司的風險活動。

上述研究從不同的視角分析了流程的執(zhí)行情況，而流程的各個方面并非獨立存在，只有將不同的分析方法有機地結(jié)合在一起，才能獲取全面的流程知識，為流程優(yōu)化提供深入指導。此外，在流程挖掘過程中，分析人員與業(yè)務(wù)人員之間的深度交互有助于發(fā)現(xiàn)流程問題深層次的原因，提高流程挖掘的有效性。

文獻［40］綜合利用多種流程挖掘的分析方法，對某保險公司客戶服務(wù)部門的文檔處理日志進行了全面分析。首先從控制流的角度挖掘了流程模型，使用過濾器簡化日志，在保證挖掘準確度的同時改進了流程模型的可讀性；使用SNA 分析團隊之間的協(xié)作過程，發(fā)現(xiàn)文檔處理任務(wù)在團隊間反復轉(zhuǎn)交形成流程循環(huán)，并沒有得到及時有效的處理；通過與業(yè)務(wù)人員討論，發(fā)現(xiàn)文檔分類不清晰，導致各個團隊職責不明確；通過與優(yōu)秀的基準模型進行性能對比，驗證了分類問題對流程執(zhí)行總時間的重大影響；提出使用OCR（optical character recognition）來提高文檔分類準確性并規(guī)范業(yè)務(wù)人員職責的優(yōu)化方案。

5 進一步的研究工作

流程挖掘從流程結(jié)構(gòu)、組織、資源和性能等方面詳細分析了流程中的缺陷，以為流程優(yōu)化尋找機會。但隨著企業(yè)競爭業(yè)務(wù)的日趨復雜、市場環(huán)境的快速變化，以及企業(yè)間合作的日益緊密，目前的流程優(yōu)化方法難以使企業(yè)敏捷、高效地調(diào)整流程方案，從而響應客戶需求，流程優(yōu)化的動態(tài)性、實時性及跨組織流程優(yōu)化等問題有待進一步研究。

5.1 動態(tài)流程優(yōu)化

業(yè)務(wù)環(huán)境的復雜多變對流程挖掘和流程優(yōu)化研究產(chǎn)生了重要影響。企業(yè)的業(yè)務(wù)流程通常隨季節(jié)、市場等外部環(huán)境發(fā)生變化，即出現(xiàn)流程漂移（concept drift）現(xiàn)象［41］。如何在流程挖掘中分析流程漂移現(xiàn)象，幫助管理者動態(tài)地掌握流程的運行情況，還需要進一步研究。

企業(yè)內(nèi)部員工間的分工協(xié)作、資源的可用性等組織環(huán)境也處于不斷變化的復雜狀態(tài)［42］。例如，員工通常處理多個流程實例，員工間的摩擦可能影響流程的進度，高負荷的工作壓力會降低員工的業(yè)務(wù)績效。目前的組織視圖挖掘研究只是從單一、靜態(tài)的視角出發(fā)優(yōu)化員工間的協(xié)作關(guān)系和資源分配，并沒有形成全面的、動態(tài)的流程優(yōu)化方法；另外，如何定量地評估業(yè)務(wù)流程的變化與組織結(jié)構(gòu)的適應度，以創(chuàng)建高效、敏捷的企業(yè)組織結(jié)構(gòu)，也是動態(tài)流程優(yōu)化需要解決的問題。

5.2 實時流程優(yōu)化

流程挖掘通常采用離線方式，從歷史數(shù)據(jù)中挖掘流程知識，改進業(yè)務(wù)流程，而市場環(huán)境的飛速變化要求企業(yè)能夠?qū)崟r優(yōu)化業(yè)務(wù)流程，快速響應客戶的需求變化。

實時的流程優(yōu)化可以從檢測、預測和推薦三方面提高流程效率［3］，即通過挖掘流程異常模型，實時檢測流程異常；分析歷史數(shù)據(jù)生成預測模型，對流程執(zhí)行的時間、成本等指標進行預測［43］；根據(jù)業(yè)務(wù)規(guī)律實時地向業(yè)務(wù)人員推薦合適的資源、流程模型、最佳時間等，以提高流程的執(zhí)行效率。實時的流程優(yōu)化對流程挖掘算法、流程數(shù)據(jù)質(zhì)量和企業(yè)的計算能力都有較高的要求，如何提升流程挖掘算法的效率，增量式地挖掘流程知識，是實時流程優(yōu)化需要解決的重要問題。

大數(shù)據(jù)時代的到來為實時性的流程優(yōu)化提供了新思路［44］。企業(yè)計算能力的提升為挖掘更豐富的流程知識提供了新契機，從社交網(wǎng)站、智能終端中的海量非結(jié)構(gòu)化數(shù)據(jù)中挖掘用戶的行為習慣和用戶偏好，指導企業(yè)根據(jù)用戶需求實時地調(diào)整業(yè)務(wù)流程，成為流程優(yōu)化研究的新方向。分布在各個企業(yè)的跨組織流程產(chǎn)生的大數(shù)據(jù)本身，也對流程分析方法提出了挑戰(zhàn)。

5.3 跨組織流程優(yōu)化

隨著競爭的激化，企業(yè)之間的合作越來越緊密，隨之產(chǎn)生的業(yè)務(wù)模型也越來越復雜，如何挖掘跨組織模型、分析組織之間協(xié)作中的問題，還需要深入研究。

通過流程分工進行協(xié)作的跨組織業(yè)務(wù)流程分析，目前的研究重點基本限于跨組織流程模型的發(fā)現(xiàn)。進一步分析組織之間協(xié)作過程中的信息流動、資源共享、任務(wù)分配等信息，可以發(fā)現(xiàn)協(xié)作中出現(xiàn)的問題。例如，分析跨組織協(xié)作中需要共同參與活動的服務(wù)等待時間，可以發(fā)現(xiàn)因合作中的某一方工作效率低下、資源占用時間長等原因造成的系統(tǒng)瓶頸，進而采取有針對性的流程優(yōu)化方案。對于共享流程知識的協(xié)作模式，目前的研究工作局限于基于最佳實踐的優(yōu)化。如何根據(jù)流程相似度、流程質(zhì)量等度量，自動向管理者提供行業(yè)最佳實踐，還有待進一步研究。

目前流程挖掘在流程優(yōu)化的應用，一般還是考慮單個流程模型的分析。對多個相關(guān)流程綜合分析流程的結(jié)構(gòu)、組織、資源分配和業(yè)務(wù)規(guī)則等問題，將在更深層次、更大范圍改進流程的性能。另外，利用云計算的優(yōu)勢，為共享基礎(chǔ)資源的企業(yè)提供流程知識，也是未來業(yè)務(wù)流程優(yōu)化的一個方向。

6 結(jié)束語

本文歸納了近年來流程挖掘在流程優(yōu)化中的應用研究成果，結(jié)合典型的文獻，從流程結(jié)構(gòu)、組織結(jié)構(gòu)、資源分配和異常檢測等多個方面系統(tǒng)地介紹了使用流程挖掘改進業(yè)務(wù)流程的方法，并針對目前研究工作中存在的問題，指出了未來的發(fā)展方向?？傊?，流程挖掘需要從多個角度對業(yè)務(wù)流程進行全面、綜合地分析?；诹鞒掏诰虻牧鞒虄?yōu)化取得了初步進展，但目前還存在諸多問題?；诹鞒掏诰虻膬?yōu)化總體趨勢是：挖掘更復雜的流程模型，進行跨組織、分布式的流程模型分析，從多視角綜合分析流程并對運行中的流程數(shù)據(jù)進行實時、動態(tài)的分析。隨著流程挖掘研究的不斷深入，使用流程挖掘技術(shù)改善業(yè)務(wù)流程將得到更多的重視。

［1］VAN DER AALST W M P，WEIJTERS T，MARUSTER L.Workflow mining：discovering process models from event logs［J］.IEEE Transactions on Knowledge and Data Engineering，2004，16（9）：1128-1142.

［2］VAN DER AALST W M P.Process mining：discovery，conformance and enhancement of business processes［M］.Berlin，Germany：Springer-Verlag，2011.

［3］VAN DER AALST W M P，ADRIANSYAH A，DEMEDEIROS A K A，et al.Process mining manifesto［M］／／Business Process Management Workshops.Berlin，Germany：Springer-Verlag，2012：169-194.

［4］MANS R S，SCHONENBERG M H，SONG M，et al.Application of process mining in healthcare-a case study in a Dutch hospital［M］／／Biomedical Engineering Systems and Technologies.Berlin，Germany：Springer-Verlag，2009：425-438.

［5］VAN DER AALST W M P，REIJERS H A，WEIJTERS A J M M，et al.Business process mining：an industrial application［J］.Information Systems，2007，32（5）：713-732.

［6］BAUTISTA A D，WANGIKAR L，AKBAR S M K.Process mining driven optimization of a consumer loan approvals process［C］／／Proceedings of Business Process Management Workshops.Berlin，Germany：Springer-Verlage，2013，132：219-220.

［7］LEMOS A M，SABINO C C，LIMA R M F，et al.Using process mining in software development process management：a case study［C］／／Proceedings of International Conference on Systems，Man，and Cybernetics.Washington，D.C.，USA：IEEE Press，2011：1181-1186.

［8］GERKE K，MENDLING J，TARMYSHOV K.Case construction for mining supply chain processes［C］／／Proceeding of the 12th International Conference on Business Information Systems.Berlin，Germany：Springer-Verlag，2009，21：181-192.

［9］GOEDERTIER S，DE W J，MARTENS D，et al.Process discovery in event logs：an application in the telecom industry［J］.Applied Soft Computing，2011，11（2）：1697-1710.

［10］HU Haiyang，ZHANG Xiaofi，HU Hua，et al.Decision support method based on process mining［J］.Computer Integrated Manufacturing Systems，2013，19（8）：1755-1770（in Chinese）.［胡海洋，張笑菲，胡 華，等.基于流程挖掘的決策支持方法［J］.計算機集成制造系統(tǒng)，2013，19（8）：1755-1770.］

［11］VAN B N R T，MARUSTER L.A process mining approach to redesign business processes-a case study in gas industry［C］／／Proceedings of International Symposium on Symbolic and Numeric Algorithms for Scientific Computing.Washington，D.C.，USA：IEEE Press，2007：541-548.

［12］SONG M，VAN DER AALST W M P.Towards comprehensive support for organizational mining［J］.Decision Support Systems，2008，46（1）：300-317.

［13］ROZINAT A，DE J I S M，GUNTHER C W，et al.Process mining applied to the test process of wafer scanners in ASML［J］.IEEE Transactions on Systems，Man，and Cybernetics，2009，39（4）：474-479.

［14］SUBRAMANIAM S，KALOGERAKI V，GUNOPULOS D，et al.Improving process models by discovering decision points［J］.Information Systems，2007，32（7）：1037-1055.

［15］POGGI N，MUTHSAMY V，CARRERA D，et al.Business process mining from E-commerce Web logs［C］／／Proceedings of the 11th International Conference of BPM.Washington，D.C.，USA：IEEE Press，2013，8094：65-80.

［16］GUPTA S.Workflow and process mining in healthcare［D］.Eindhoven，the Netherlands：Eindhoven University of Technology，2007.

［17］FERREIA D R，ALVES C.Discovering user communities in large event logs［M］／／Process Management Workshops.Berlin，Germany：Springer-Verlag，2012：123-134.

［18］LI M，LIU L，YIN L，et al.A process mining based approach to knowledge maintenance［J］.Information Systems Frontiers，2011，13（3）：371-380.

［19］LIU R，AGAWAL S，SINDHGATTA R R，et al.Accelerating collaboration in task assignment using a socially enhanced resource model［C］／／Proceedings of the 11th International Conference of BPM.Berlin，Germany：Springer-Verlag，2013，8094：251-258.

［20］DUSTDAR S，BHATTACHARYA K.The social compute unit［J］.IEEE Internet Computing，2011，15（3）：64-69.

［21］ENGEL R，VAN DER AALST W M P，ZAPLETAL M，et al.Mining inter-organizational business process models from edi messages：a case study from the automotive sector［C］／／Proceedings of the 24th International Conference on Advanced Information Systems Engineering.Berlin，Germany：Springer-Verlag，2012，7328：222-237.

［22］EDGINGTON T M，RAGHU T S，VINZE A S.Using process mining to identify coordination patterns in IT service management［J］.Decision Support Systems，2010，49（2）：175-186.

［23］ZENG Q，SUN S X，DUAN H U A，et al.Cross-organizational collaborative workflow mining from a multi-source log［J］.Decision Support Systems，2013，54（3）：1280-1301.

［24］MANS R，SCHONENBERG H，LEONARDI G，et al.Process mining techniques：an application to stroke care［J］.Studies in Health Technology and Informatics，2008，136-573.

［25］BUIJS J C A M，VAN DONEN B F，VAN DER AALST W M P.Towards cross-organizational process mining in collections of process models and their executions［C］／／Proceedings of the BPM 2011International Workshops.Berlin，Germany：Springer-Verlag，2012，100：2-13.

［26］LY L T，RINDERLE S，DADAM P，et al.Mining staff assignment rules from event-based data［C］／／Proceedings of the BPM 2006International Workshops.Berlin，Germany：Springer-Verlag，2006，3812：177-190.

［27］RINDERLE S.VAN DER AALST W M P.Life-cycle support for staff assignment rules in process-aware information systems［R］.Eindhoven，the Netherlands：Eindhoven University of Technology，2007.

［28］HUANG Z，LU X，DUAN H.Mining association rules to support resource allocation in business process management［J］.Expert Systems with Applications，2011，38（8）：9483-9490.

［29］BOSE R P J C，VAN DER AALST W M P.Process mining applied to the BPI challenge 2012：divide and conquer while discerning resources［C］／／Proceeding of the BPM 2012International Workshops.Berlin，Germany：Springer-Verlag，2013，132：221-222.

［30］HUANG Z，VAN DER AALST W M P，LU X，et al.Reinforcement learning based resource allocation in business process management［J］.Data &Knowledge Engineering，2011，70（1）：127-145.

［31］LIU Y，WANG J，YANG Y，et al.A semi-automatic approach for workflow staff assignment［J］.Computers in Industry，2008，59（5）：463-476.

［32］AKHIL K，REMCO D，MINSEOK S.Optimal resource assignment in workflows for maximizing cooperation［C］／／Proceedings of the 11th International Conference of BPM.Berlin，Germany：Springer-Verlag，2013，8094：4-9.

［33］NAKATUMBA J，VAN DER AALST W M P.Analyzing resource behavior using process mining［C］／／Proceedings of the BPM 2009International Workshops.Berlin，Germany：Springer-Verlag，2010，43：69-80.

［34］HUANG Z，LU X，DUAN H.Resource behavior measure and application in business process management［J］.Expert Systems with Applications，2012，39（7）：6458-6468.

［35］JANS M，ALLES M，VASARHELYI M.The case for process mining in auditing：sources of value added and areas of application［J］.International Journal of Accounting Information Systems，2013，14（1）：1-20.

［36］JANS M，VAN DER WERF J M，LYBAERT N，et al.A business process mining application for internal transaction fraud mitigation ［J］.Expert Systems with Applications，2011，38（10）：13351-13359.

［37］CARON F，VANTHIENEN J，BAESENS B.Comprehensive rule-based compliance checking and risk management with process mining［J］.Decision Support Systems，2012，54（3）：1357-1369.

［38］SWINNEN J，DEPAIRE B，JANS M J，et al.A process deviation analysis-a case study［C］／／Proceedings of the BPM 2011International Workshops.Berlin，Germany：Springer-Verlag，2012，99：87-98.

［39］REBUGEá，F(xiàn)ERREIRA D R.Business process analysis in healthcare environments：a methodology based on process mining［J］.Information Systems，2012，37（2）：99-116.

［40］DE WEERDT J，SCHUPP A，VANDERLOOCK A，et al.Process mining for the multi-faceted analysis of business processes-a case study in a financial services organization［J］.Computers in Industry，2013，64（1）：57-67.

［41］BOSE R，VAN DER AALST W M P，?LIOBAITE I，et al.Dealing with concept drifts in process mining：a case study in a Dutch municipality［J］.IEEE Transactions on Neural Networks and Learning Systems，2013，25（1）：154-171.

［42］VAN DER AALST W M P，DUSTDAR S.Process mining put into context［J］.IEEE Internet Computing，2012，16（1）：82-86.

［43］VAN DER AALST W M P，SCHONENBERG M H，SONG M.Time prediction based on process mining［J］.Information Systems，2011，36（2）：450-475.

［44］GAO X.Towards the next generation intelligent BPM-in the era of big data［C］／／Proceedings of the 11th International Conference of BPM.Berlin，Germany：Springer-Verlag，2013，8094：4-9.