[过程挖掘 Process Mining] Conformance Checking（一）

[过程挖掘 Process Mining] Conformance Checking（一）

第一章：

重点是过程发现。在今天的讲座中，我们将介绍
另一个非常重要的过程挖掘任务，即一致性检查

---

1.1 Introduction to Conformance Checking

假如，我们不想再发现一个过程模型，但我们想比较一个过程具有相应事件日志的模型。在进行一致性检查时，我们需要考虑这四个方面。检查技术，重放适应度，重放模型上事件日志的能力是关键这是最重要的。但这并不意味着另一个尺寸并不重要。
重放我们在模型顶部的日志中看到的痕迹。我们已经执行了a和c，现在事件日志说我们应该做e。但如果你看看模型，看看我们现在的状态，e尚未启用。因此，我们需要推动这一进程，尽管我们看到了一些东西不完全适合。但在这样做的同时，我们在这样做的过程中也记录这些问题的类型，这也是我们计算适应度的原因。我们就是比较观察到的行为和模型化的行为。

我们可以显示的诊断类型是事件日志级别的诊断。例如，这些跟踪不适合模型。我们还可以在模型级别提供诊断，显示模型中经常偏离现实的部分。或者我们可以看看全局指标。例如，我们经常会看到一个适应度指标，其值介于0和1之间，其中0表示适应度非常差，而适应度为1则表示根据模型，日志中看到的一切都是可能的。

致性检查的用例是什么呢？第一个用例与审计和遵从性相关。业务流程层面的事情。我们想明白，人有偏差吗？为什么会偏离？报告的事情是否正确？另一个用例是，我们希望使用一致性检查来评估流程发现算法及其结果的质量。我们通常还希望根据实际行为检查与某些规范的一致性。例如，如果我们有一个软件，并且该软件有一个描述它应该如何工作的规范，那么我们可以将它与真实的事件日志进行比较，看看软件偏离规范的地方。另外，如果我们提供服务，我们还可以检查服务的描述是否与实际行为一致。因此有许多不同的用例。对于所有这些情况，我们需要有一个模型来检查事件日志。在我们的例子中，这些模型通常是一个Petri网。但它也可以是任何一组规则或任何一组捕获某种行为的模型。