تعیین تعداد کمینه log های مورد نیاز برای تشخیص صحیح یک مدل فرایندی بر اساس شبکه های پتری

مدیریت فرایند های تجاری شامل برنامه ریزی، شبیه سازی و آنالیز یک سیستم تجاری است. امروزه گرایش فناوری اطلاعات به سمت مدیریت سیستم های گردش کار است. سیستم مدیریت جریان کار، یک سیستم کامپیوتری است که به تعریف و مدیریت یکسری از فعالیت ها در یک سازمان، برای رسیدن به یک هدف خاص، می پردازد. برای شبیه سازی سیستم های گردش کار از مفهوم مدل فرایندی استفاده می شود. ساخت یک مدل فرایندی از روی ثبت رخداد ها یکی از زمینه های مهم در مدیریت فرایند های تجاری می باشد. در این تحقیق به بررسی اطلاعات مفید در یک ثبت رخداد برای بازسازی یک مدل فرایندی پرداخته می شود. بعبارتی دیگر هدف از این پایان نامه بررسی حداقل تعداد دنباله رخداد های مورد نیاز برای تشخیص یک مدل فرایندی می باشد. در این پایان نامه، ما شبکه ی پتری را بعنوان یک مدل فرایندی مورد بررسی قرار می-دهیم. شبکه های پتری یکی از رایج ترین مدل های فرایندی است که مورد استفاده قرار می گیرد. الگوریتم های زیادی برای استخراج یک مدل فرایندی از ثبت رخداد ها وجود دارد، که هریک با توجه به مدل گردش کار مورد استفاده قرار می گیرد. هر چه دانش استخراج شده از ثبت رخداد ها کامل تر باشد مدل فرایندی دقیق تری بدست می آید و مدیریت سیستم بهتر می شود. اما اطلاعات اضافی در یک ثبت رخداد نیز باعث کاهش کارایی الگوریتم های اکتشاف می شود. بنابراین ایجاد یک ثبت رخداد بهینه می تواند باعث افزایش کارایی الگوریتم های اکتشاف شود. در این تحقیق از الگوریتم آلفا بعنوان الگوریتم پایه برای ساخت مدل فرایندی استفاده می کنیم. همچنین راه حل پیشنهادی، یک ثبت رخداد کامل و بهینه را برای الگوریتم آلفا بدست می آورد.