基于過(guò)程挖掘的物流運(yùn)作風(fēng)險(xiǎn)發(fā)現(xiàn)研究

劉紫玉 李優(yōu)

摘要：為了探究物流運(yùn)作過(guò)程中存在的風(fēng)險(xiǎn)，提高物流運(yùn)作效率，增強(qiáng)物流企業(yè)管理能力，以真實(shí)的事件日志為基礎(chǔ)，運(yùn)用過(guò)程挖掘方法發(fā)現(xiàn)物流企業(yè)運(yùn)作過(guò)程中的風(fēng)險(xiǎn)。首先以Petri網(wǎng)理論為基礎(chǔ)，構(gòu)建了理想的工作模型，然后使用過(guò)程挖掘工具ProM，運(yùn)用模糊挖掘算法和啟發(fā)式挖掘算法，對(duì)物流運(yùn)作過(guò)程中產(chǎn)生的真實(shí)事件日志進(jìn)行挖掘，獲得實(shí)際的客觀視圖，最后利用ProM工具的一致性檢查發(fā)現(xiàn)物流運(yùn)作過(guò)程中的異常行為模式，并分析物流運(yùn)作過(guò)程中的偏差以及存在的風(fēng)險(xiǎn)。結(jié)果表明，過(guò)程挖掘能客觀地揭示事件日志中活動(dòng)之間的依賴關(guān)系，并發(fā)現(xiàn)物流企業(yè)自身運(yùn)作過(guò)程中的偏差和風(fēng)險(xiǎn)。研究結(jié)果為全面、系統(tǒng)地分析物流企業(yè)潛在風(fēng)險(xiǎn)提供了新思路，有助于物流企業(yè)發(fā)現(xiàn)運(yùn)作過(guò)程中的問(wèn)題，對(duì)物流企業(yè)優(yōu)化運(yùn)作過(guò)程和提高管理效率具有重要的借鑒意義。

關(guān)鍵詞：物流系統(tǒng)管理;過(guò)程挖掘;物流運(yùn)作風(fēng)險(xiǎn);風(fēng)險(xiǎn)發(fā)現(xiàn);ProM;事件日志

中圖分類(lèi)號(hào)：F273文獻(xiàn)標(biāo)志碼：Adoi： 10.7535/hbgykj.2019yx04008

Abstract：In order to explore the risks existing in the process of logistics operation， improve the efficiency of logistics operation and enhance the management ability of logistics enterprises， based on the real event log， the process mining method is used to discover the potential risks in the process of logistics operation. Firstly， the ideal work model is constructed by Petri net. Then using the ProM tool， the Fuzzy Miner and the Heuristics Miner are used to mine the real event log in the process of logistics operation to obtain the actual objective view. Finally， The conformance checking of ProM tools is used to find out the abnormal behavior patterns in the process of logistics operation， and analyze the deviations and risks in the process of logistics operation. The results show that the process mining algorithms can objectively reveal the dependency relations between activities in the event log， and find out the deviation and risks in the process of logistics operation. The research results provide new ideas for the comprehensive and systematical analysis of potential risks of logistics enterprises， help logistics enterprises to find problems， and have some reference for logistics enterprises to optimize the operation process and improve management efficiency.

Keywords：logistics systems management; process mining; logistics operation risk; risk discovery; ProM; event log

物流運(yùn)作風(fēng)險(xiǎn)是指物流企業(yè)在物流服務(wù)過(guò)程中出現(xiàn)的風(fēng)險(xiǎn)，它影響著物流的安全性、及時(shí)性和準(zhǔn)確性，如何識(shí)別、發(fā)現(xiàn)風(fēng)險(xiǎn)是現(xiàn)代物流企業(yè)重點(diǎn)關(guān)注的問(wèn)題之一。目前，國(guó)內(nèi)外對(duì)于物流運(yùn)作風(fēng)險(xiǎn)的研究較少，研究?jī)?nèi)容主要集中在風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的構(gòu)建以及評(píng)價(jià)研究上，較少?gòu)恼鎸?shí)的物流運(yùn)作過(guò)程角度去研究風(fēng)險(xiǎn)。

過(guò)程挖掘以實(shí)際運(yùn)作的事件日志為基礎(chǔ)，從日志數(shù)據(jù)中抽取信息，構(gòu)建成清晰的過(guò)程模型，有助于發(fā)現(xiàn)物流運(yùn)作過(guò)程中的問(wèn)題。筆者基于過(guò)程挖掘，收集物流企業(yè)的數(shù)據(jù)信息，根據(jù)物流企業(yè)制定的管理業(yè)務(wù)流程和約束條件，使用Petri網(wǎng)構(gòu)建企業(yè)理想的工作模型，以及結(jié)合過(guò)程挖掘中的模糊挖掘算法和啟發(fā)式挖掘算法分析企業(yè)真實(shí)場(chǎng)景中的物流運(yùn)作過(guò)程，以得到企業(yè)的實(shí)際運(yùn)作過(guò)程模型，并采用一致性檢驗(yàn)發(fā)現(xiàn)實(shí)際運(yùn)作過(guò)程與理想工作模型之間的偏差，從真實(shí)的物流運(yùn)作角度探究物流運(yùn)作過(guò)程中的內(nèi)部風(fēng)險(xiǎn)，揭示實(shí)際運(yùn)作過(guò)程中存在的風(fēng)險(xiǎn)。

1過(guò)程挖掘與物流運(yùn)作風(fēng)險(xiǎn)相關(guān)研究

1.1過(guò)程挖掘

過(guò)程挖掘（流程挖掘）技術(shù)主要通過(guò)從實(shí)際事件日志中提取有價(jià)值的過(guò)程相關(guān)信息并挖掘過(guò)程模型，從而去發(fā)現(xiàn)、監(jiān)控和改進(jìn)現(xiàn)實(shí)模型的過(guò)程[1]。1995年，COOK等[2-3]首次提出了過(guò)程挖掘的概念，并提出了RNet，KTail和Markow 3種過(guò)程挖掘算法。1998年，AGRAWAL等[4]首次在工作流管理系統(tǒng)中應(yīng)用過(guò)程挖掘。近年來(lái)，過(guò)程挖掘受到廣泛的關(guān)注，國(guó)內(nèi)外學(xué)者提出了許多建設(shè)性的算法并應(yīng)用到了多個(gè)領(lǐng)域。

一些學(xué)者將過(guò)程挖掘應(yīng)用到風(fēng)險(xiǎn)發(fā)現(xiàn)和分析方面，HUANG等[5]將過(guò)程挖掘和風(fēng)險(xiǎn)管理理論相結(jié)合，提出了一種信息系統(tǒng)業(yè)務(wù)過(guò)程風(fēng)險(xiǎn)審計(jì)機(jī)制，以識(shí)別業(yè)務(wù)過(guò)程中存在的風(fēng)險(xiǎn)并實(shí)施持續(xù)監(jiān)控，從而控制其中的風(fēng)險(xiǎn)。CARON等[6]提出了基于過(guò)程挖掘的風(fēng)險(xiǎn)管理和合規(guī)性檢查的適用性框架，以精確檢測(cè)所有偏離過(guò)程的行為，提高發(fā)現(xiàn)風(fēng)險(xiǎn)的效率。趙衛(wèi)東等[7]介紹了流程挖掘在檢測(cè)流程異常中的應(yīng)用方法，并說(shuō)明了如何發(fā)現(xiàn)和利用偏差信息，深入分析業(yè)務(wù)異常情況以及發(fā)現(xiàn)存在的問(wèn)題，以識(shí)別公司的風(fēng)險(xiǎn)活動(dòng)。朱泰銘等[8]通過(guò)過(guò)程挖掘?qū)I(yè)務(wù)事件日志進(jìn)行處理，得到控制流模型，結(jié)合專家知識(shí)、統(tǒng)計(jì)方法、F1-measure值等方法，分析控制流異常行為和性能異常檢測(cè)，發(fā)現(xiàn)內(nèi)部威脅或風(fēng)險(xiǎn)。曾奕棠等[9]對(duì)物流信息的事件日志進(jìn)行挖掘分析，構(gòu)建了基于過(guò)程挖掘的物流流程信息智能分析框架，識(shí)別與分析物流流程模型的偏差，檢查異常實(shí)例或不良物流時(shí)間，并討論了實(shí)現(xiàn)過(guò)程，從而實(shí)現(xiàn)對(duì)物流流程的深入分析，為物流流程優(yōu)化提供啟示。

1.2物流運(yùn)作風(fēng)險(xiǎn)

國(guó)內(nèi)外研究物流風(fēng)險(xiǎn)的文章較多，但直接從運(yùn)作過(guò)程角度出發(fā)探究風(fēng)險(xiǎn)的文章較少。GAONKAR等[10]根據(jù)物流運(yùn)作過(guò)程流程中可能存在的風(fēng)險(xiǎn)因素構(gòu)建了風(fēng)險(xiǎn)評(píng)估模型，提出了運(yùn)作過(guò)程風(fēng)險(xiǎn)控制的措施，并采用數(shù)學(xué)編程工具開(kāi)發(fā)了預(yù)防風(fēng)險(xiǎn)模型。ROSCA等[11]研究了港口物流運(yùn)作時(shí)主要風(fēng)險(xiǎn)因素，提出了降低風(fēng)險(xiǎn)的有效措施，建立了風(fēng)險(xiǎn)管理樹(shù)，并通過(guò)計(jì)算機(jī)仿真建模，研究了不同風(fēng)險(xiǎn)情境下的港口物流運(yùn)作行為。LAJIMI等[12]提出了一種定量與定性相結(jié)合的方法來(lái)監(jiān)控物流運(yùn)作過(guò)程中風(fēng)險(xiǎn)的動(dòng)態(tài)演變，采用FME（C）A方法和Petri網(wǎng)評(píng)估風(fēng)險(xiǎn)等級(jí)，分析了實(shí)例中的過(guò)程風(fēng)險(xiǎn)因素。程琦[13]從環(huán)境、企業(yè)、客戶、運(yùn)行、管理和協(xié)作等因素方面分析了物流服務(wù)運(yùn)作風(fēng)險(xiǎn)的形成原因，以系統(tǒng)環(huán)境風(fēng)險(xiǎn)、運(yùn)作主體、客體、管理和運(yùn)作過(guò)程風(fēng)險(xiǎn)構(gòu)建了預(yù)警指標(biāo)體系。王熒熒等[14]對(duì)農(nóng)產(chǎn)品冷鏈物流運(yùn)作的風(fēng)險(xiǎn)進(jìn)行了研究，分析其運(yùn)作中的主要風(fēng)險(xiǎn)并提出了風(fēng)險(xiǎn)控制策略。孫坳等[15]在眾包模式物流的運(yùn)作過(guò)程中進(jìn)行風(fēng)險(xiǎn)因素識(shí)別，建立指標(biāo)體系，并用結(jié)構(gòu)方程模型進(jìn)行實(shí)證分析。杜志平等[16]通過(guò)對(duì)跨境物流聯(lián)盟企業(yè)運(yùn)作過(guò)程進(jìn)行分析，將運(yùn)作風(fēng)險(xiǎn)歸納為環(huán)境、成本、投機(jī)和中斷風(fēng)險(xiǎn)，分析得到了跨境物流聯(lián)盟運(yùn)作風(fēng)險(xiǎn)的風(fēng)險(xiǎn)體系。

通過(guò)對(duì)過(guò)程挖掘與物流運(yùn)作風(fēng)險(xiǎn)相關(guān)文獻(xiàn)的綜合分析可知，現(xiàn)有文獻(xiàn)大多以冷鏈物流、第三方物流、第四方物流企業(yè)為研究背景，識(shí)別分析存在的風(fēng)險(xiǎn)因素，構(gòu)建風(fēng)險(xiǎn)評(píng)估體系或風(fēng)險(xiǎn)評(píng)估模型，利用層次分析法、模糊綜合評(píng)價(jià)等評(píng)價(jià)方法進(jìn)行物流運(yùn)作風(fēng)險(xiǎn)評(píng)估。過(guò)程挖掘算法相對(duì)成熟，其基礎(chǔ)是從實(shí)際過(guò)程中產(chǎn)生的日志挖掘得到工作流模型?；诖耍P者以物流運(yùn)作過(guò)程的事件日志為基礎(chǔ)，利用過(guò)程挖掘方法，發(fā)現(xiàn)物流運(yùn)作過(guò)程中的風(fēng)險(xiǎn)問(wèn)題。

2基于過(guò)程挖掘的物流運(yùn)作風(fēng)險(xiǎn)發(fā)現(xiàn)方法

當(dāng)事件日志較多時(shí)，直接采用α，α+，α++等算法會(huì)得到一個(gè)高度混亂的結(jié)果，比較難于理解和解釋，準(zhǔn)確性和可靠性也得不到保證。因此，筆者采用模糊挖掘算法和啟發(fā)式挖掘算法相結(jié)合的方法對(duì)事件日志進(jìn)行挖掘，挖掘得到物流運(yùn)作過(guò)程的主干流程和子流程，從不同角度獲得實(shí)際的客觀視圖，為其風(fēng)險(xiǎn)發(fā)現(xiàn)提供重要基礎(chǔ)。本文基于過(guò)程挖掘的物流運(yùn)作風(fēng)險(xiǎn)發(fā)現(xiàn)方法分為以下步驟，如圖1所示。

2.1理想的工作模型構(gòu)建

業(yè)務(wù)過(guò)程建模方法主要有事件驅(qū)動(dòng)過(guò)程鏈（EPC）、統(tǒng)一建模語(yǔ)言（UML）、業(yè)務(wù)流程建模與標(biāo)注（BPMN）、Petri網(wǎng)等。Petri網(wǎng)是一種圖形化、數(shù)學(xué)化的建模工具，具有圖形化的符號(hào)、嚴(yán)格的數(shù)學(xué)理論支撐，由庫(kù)所（圓形）、變遷（方形）、有向?。◣?kù)所與變遷間的有向?。?、托肯（庫(kù)所中的動(dòng)態(tài)對(duì)象，可從一個(gè)庫(kù)所移動(dòng)到另一個(gè)庫(kù)所）4種元素構(gòu)成。其定義如下：

定義1[17]Petri網(wǎng)是一個(gè)三元組S=（P，T;F），其中：

1）P∪T≠，表示庫(kù)所和變遷是2種不同的元素，其中，P={p1，p2，…，pm}為一個(gè)有限庫(kù)所集，T={t1，t2，…，tn}為一個(gè)變遷集，表示空集;

2）P∩T=，表示網(wǎng)中至少有1個(gè)元素;

3）F（P×T）∪（T×P），建立了從庫(kù)所到變遷、從變遷到庫(kù)所的單方向聯(lián)系，并規(guī)定同類(lèi)元素不可直接聯(lián)系，其中×是兩集合的笛卡爾積運(yùn)算，F(xiàn)是庫(kù)所與變遷結(jié)點(diǎn)之間的有向弧集，稱為流關(guān)系;

4）dom（F）∪cod（F）=P∪T，其中F的定義域?yàn)閐om（F）={x|y：（x，y）∈F}，F(xiàn)的值域?yàn)閏od（F）={y|x：（x，y）∈F}。

與其他建模方法相比，Petri網(wǎng)可分析復(fù)雜系統(tǒng)及描述離散事件中的關(guān)系，可應(yīng)用于不同領(lǐng)域及適應(yīng)不同場(chǎng)景。所以采用Petri網(wǎng)構(gòu)建該企業(yè)理想的工作模型。

2.2實(shí)際運(yùn)作過(guò)程挖掘

2.2.1事件日志的收集處理

現(xiàn)實(shí)中，企業(yè)的物流信息系統(tǒng)（如ERP等）詳細(xì)記錄了物流運(yùn)作活動(dòng)的執(zhí)行時(shí)間、貨物類(lèi)型等物流信息。我們需從系統(tǒng)中提取出過(guò)程挖掘所需要的事件日志，并根據(jù)需求，提取物流運(yùn)作活動(dòng)信息和擴(kuò)展屬性信息，并進(jìn)行預(yù)處理使其符合過(guò)程挖掘的要求。其主要步驟如下。

1）把事件日志重新編號(hào)分組。

2）事件日志可能存在某些實(shí)例未完成以及錯(cuò)誤、重復(fù)等情況，即事件日志中存在不完整性、重復(fù)和噪聲，所以需要去除不完整和重復(fù)實(shí)例以及噪聲。

3）把預(yù)處理后得到的事件日志轉(zhuǎn)換成符合ProM軟件要求的XES或MXML格式。由于ProM軟件不支持中文，所以要將得到的事件日志中的信息轉(zhuǎn)換為英文。

2.2.2主干流程挖掘

得到符合過(guò)程挖掘要求的事件日志后，采用模糊挖掘算法，通過(guò)調(diào)整其截值，使復(fù)雜的物流運(yùn)作過(guò)程從不同抽象層次上挖掘出簡(jiǎn)化的流程視圖，分析并得到重要活動(dòng)與不重要活動(dòng)，挖掘得到主干流程視圖，即發(fā)現(xiàn)物流運(yùn)作過(guò)程的主要“大動(dòng)脈”。

2.2.3子流程挖掘

選取所要挖掘的子流程，并在事件日志中選取該子流程的相關(guān)事件，以形成事件日志子集并轉(zhuǎn)換為符合過(guò)程挖掘要求的格式，由于啟發(fā)式算法比較適合于實(shí)際的事件日志挖掘，所以采用啟發(fā)式挖掘算法，利用啟發(fā)式規(guī)則對(duì)其子流程進(jìn)行挖掘，對(duì)其子流程進(jìn)行詳細(xì)分析，以更好地發(fā)現(xiàn)低頻行為。

2.3一致性檢查與分析

一致性檢查是檢查預(yù)先定義的理想的工作模型與實(shí)際運(yùn)作過(guò)程之間的偏差情況。所以將構(gòu)建的理想的工作模型與實(shí)際的物流運(yùn)作過(guò)程進(jìn)行一致性檢查，可以分析該過(guò)程模型與實(shí)際運(yùn)作過(guò)程的偏差。根據(jù)一致性檢查中發(fā)現(xiàn)的偏離點(diǎn)識(shí)別其中存在的風(fēng)險(xiǎn)因素，根據(jù)托肯數(shù)量能較準(zhǔn)確的識(shí)別發(fā)生偏差的活動(dòng)及偏差程度，因此日志“重放”過(guò)程中多余或缺失的托肯數(shù)量能為風(fēng)險(xiǎn)的量化評(píng)估提供依據(jù)。

3案例研究

3.1理想的工作模型

G物流公司是一家集物流運(yùn)輸配送、倉(cāng)儲(chǔ)服務(wù)等服務(wù)于一體的大型倉(cāng)儲(chǔ)物流企業(yè)，從成立之初至今，公司發(fā)展迅猛，業(yè)務(wù)種類(lèi)不斷擴(kuò)大，目前G物流公司主要提供貨物物流配送一體化服務(wù)、貨物裝卸倉(cāng)儲(chǔ)物流服務(wù)等多項(xiàng)業(yè)務(wù)。筆者主要根據(jù)該物流公司的業(yè)務(wù)流程（見(jiàn)圖2）、流程管理規(guī)則和約束條件等，采用Petri網(wǎng)構(gòu)建了理想的工作模型，如圖3所示，模型中的相關(guān)含義見(jiàn)表1。

3.2實(shí)際運(yùn)作過(guò)程挖掘

3.2.1事件日志的收集處理

筆者從G公司業(yè)務(wù)系統(tǒng)中提取了所需的運(yùn)作過(guò)程數(shù)據(jù)（事件名稱、執(zhí)行時(shí)間、操作者、貨物類(lèi)型等信息），把收集的數(shù)據(jù)進(jìn)行預(yù)處理，以符合過(guò)程挖掘算法。通過(guò)篩選，得到了5 093個(gè)實(shí)例，共60 171個(gè)事件的日志，其中表2是事件日志片段。

3.2.2主干流程探查

筆者采用ProM軟件中模糊挖掘工具得到實(shí)例的主干流程，查看較為重要的活動(dòng)。當(dāng)取結(jié)點(diǎn)截值為0.4和0.5時(shí)，其模糊挖掘結(jié)果如圖4所示（方形表示重要活動(dòng)并顯示了顯著性值，八邊形表示較為不重要活動(dòng)聚合并顯示了聚合活動(dòng)的顯著性平均值）。從圖4可以看出，當(dāng)取較高的結(jié)點(diǎn)截值時(shí)，會(huì)聚合或刪除更多的流程活動(dòng)，從而顯示了更高抽象層次的主干流程。

通過(guò)模糊挖掘算法以及調(diào)整不同的結(jié)點(diǎn)截值（node cutoff），獲得了不同抽象層次上的簡(jiǎn)化過(guò)程模型，得到的挖掘結(jié)果（見(jiàn)圖4）顯示出了運(yùn)作過(guò)程中較為重要的流程活動(dòng)，以及聚合和刪除了一些較為不重要的流程活動(dòng)，識(shí)別出了流程中更值得關(guān)注的行為，以進(jìn)一步研究分析這些重要行為。

3.2.3子流程挖掘

基于事件日志將運(yùn)作流程劃分為入庫(kù)、出庫(kù)和配送3個(gè)子流程，筆者采用啟發(fā)式挖掘算法對(duì)其中的入庫(kù)子流程進(jìn)行挖掘（限于篇幅，這里只挖掘入庫(kù)子流程），以發(fā)現(xiàn)其中的低頻流程行為。為此，首先從事件日志中抽取“入庫(kù)”子流程中的活動(dòng)，形成事件日志子集并轉(zhuǎn)換為XES格式，而后在ProM中利用啟發(fā)式挖掘算法挖掘入庫(kù)子流程，其結(jié)果如圖5所示（方形表示實(shí)際中發(fā)生的事件活動(dòng)，數(shù)值表示該順序關(guān)系的信度指標(biāo)）。

通過(guò)啟發(fā)式挖掘算法挖掘得到的啟發(fā)式網(wǎng)，獲得了活動(dòng)之間的概率信息，能夠更好地發(fā)現(xiàn)和分析運(yùn)作過(guò)程中的低頻次以及噪聲的活動(dòng)行為，對(duì)運(yùn)作流程細(xì)節(jié)進(jìn)行詳細(xì)分析。

采用模糊挖掘算法和啟發(fā)式算法得到的客觀視圖，從不同抽象層次和不同角度獲取了實(shí)際的客觀視圖，比較客觀地展現(xiàn)了事件日志中活動(dòng)之間的依賴關(guān)系以及活動(dòng)之間的頻率，可以從結(jié)果中挖掘和分析到有價(jià)值的重要信息，為分析物流運(yùn)作過(guò)程提供有效支撐，實(shí)現(xiàn)物流運(yùn)作過(guò)程的性能分析和風(fēng)險(xiǎn)診斷分析。

3.3一致性檢查與分析

由于物流存在不確定性，真實(shí)的物流運(yùn)作過(guò)程往往和理想的工作模型不完全一致，所以筆者采用ProM中的一致性檢查插件，輸入理想的工作模型（見(jiàn)圖3）和運(yùn)作過(guò)程的整個(gè)事件日志，對(duì)整個(gè)流程進(jìn)行擬合度分析，得到擬合度為0.511 3;對(duì)“入庫(kù)”子流程進(jìn)行一致性檢查，得到擬合度為0.804 7。因此，整體實(shí)際運(yùn)作過(guò)程并不符合理想的工作模型，而入庫(kù)子流程的實(shí)際運(yùn)作過(guò)程和理想的工作模型間具有較好的擬合度。但是，分析結(jié)果仍顯示在日志“重放”過(guò)程中存在缺失或多余的托肯，根據(jù)其托肯數(shù)量分析活動(dòng)偏差情況。

表3是基于一致性檢查結(jié)果，對(duì)入庫(kù)子流程進(jìn)行了風(fēng)險(xiǎn)分析。同時(shí)在事件日志中可以發(fā)現(xiàn)，一些實(shí)例在裝卸區(qū)域的時(shí)間間隔較長(zhǎng)，這可能反映運(yùn)輸車(chē)輛在裝卸區(qū)域內(nèi)存在一定程度的擁堵或裝卸人員在某段時(shí)間內(nèi)發(fā)生短缺。

4結(jié)語(yǔ)

筆者對(duì)事件日志進(jìn)行了收集處理，通過(guò)過(guò)程挖掘框架ProM中的模糊挖掘算法和啟發(fā)式挖掘算法，挖掘得到了實(shí)際運(yùn)作過(guò)程模型，并比較實(shí)際運(yùn)作過(guò)程與相對(duì)理想的工作模型之間的偏差，發(fā)現(xiàn)其存在的潛在風(fēng)險(xiǎn)。研究結(jié)果有利于物流企業(yè)發(fā)現(xiàn)自身運(yùn)作過(guò)程問(wèn)題，為物流企業(yè)優(yōu)化運(yùn)作過(guò)程、提高物流服務(wù)水平提供了理論基礎(chǔ)和科學(xué)依據(jù)。但是，本研究只分析了運(yùn)作過(guò)程中的內(nèi)部風(fēng)險(xiǎn)，對(duì)于信息風(fēng)險(xiǎn)和商品特性風(fēng)險(xiǎn)等方面并未進(jìn)行探究，后續(xù)將進(jìn)一步探究分析物流運(yùn)作風(fēng)險(xiǎn)，并提出相關(guān)建議和預(yù)防措施。

參考文獻(xiàn)/References：

[1]杜玉越，朱鴻儒，王路，等.一種基于邏輯Petri網(wǎng)的過(guò)程挖掘方法[J].電子學(xué)報(bào)，2016，44（11）：2742-2751.

DU Yuyue，ZHU Hongru，WANG Lu，et al. A method of process mining based on logic Petri nets[J].Acta Electronica Sinica，2016，44（11）：2742-2751.

[2]COOK J E， WOLF A L. Automating process discovery through event-data analysis[C]// International Conference on Software Engineering，[S.l.]：IEEE，1995：73-73.

[3]COOK J E， WOLF A L. Software process validation：Quantitatively measuring the correspondence of a process to a model[J]. Acm Transactions on Software Engineering & Methodo-logy，1999，8（2）：147-176.

[4]AGRAWAL R， GUNOPULOS D ， LEYMANN F . Mining process models from workflow logs[C]//Sixth International Conference on Extending Database Technology.[S.l.]：[s.n.]，1998，469-483.

[5]HUANG Z M， CONG Q S， HU J B. Information system risk auditing model based on process mining[C]// International Conference on Management Science and Engineering，[S.l.]：IEEE，2013：39-45.

[6]CARON F， VANTHIENEN J， BAESENS B. A comprehensive framework for the application of process mining in risk management and compliance checking[J].Social Science Electronic Publishing，2013：10.2139/ssvn.2244885.

[7]趙衛(wèi)東，劉海濤.流程挖掘在流程優(yōu)化中的應(yīng)用[J].計(jì)算機(jī)集成制造系統(tǒng)，2014，20（10）：2632-2642.

ZHAO Weidong，LIU Haitao. Application of process mining in process optimization[J].Computer Integrated Manufacturing Systems，2014，20（10）：2632-2642.

[8]朱泰銘，郭淵博，琚安康，等.基于業(yè)務(wù)過(guò)程挖掘的內(nèi)部威脅檢測(cè)系統(tǒng)[J].通信學(xué)報(bào)，2016，37（Z1）：180-188.

ZHU Taiming，GUO Yuanbo，JU Ankang， et al. Business process mining based insider threat detection system[J].Journal of Communications，2016，37（Z1）：180-188.

[9]曾奕棠，張玉峰，譚學(xué)清，等.基于過(guò)程挖掘的物流流程信息智能分析研究[J].現(xiàn)代情報(bào)，2017，37（11）：156-162.

ZENG Yitang，ZHANG Yufeng，TAN Xueqing， et al. Research on the intelligent analyzing of logistics process information based on process mining[J].Journal of Modern Information，2017，37（11）：156-162.

[10]GAONKAR R， VISWANADHAM N. A conceptual and analytical framework for the management of risk in supply chains[C]// IEEE International Conference on Robotics and Automation.[S.l.]：[s.n.]， 2004：10.21091R0B07.2004.1307488.

[11]ROSCA E， RAICU S， ROSCA M， et al. Risks and reliability assessment in maritime port logistics[J].Advanced Materials Research.[S.l.]：[s.n.]，2014，1036：963-968.

[12]LAJIMI C， BOUFAIED A， KORBAA O. Monitoring dynamic risk evolutions in operational flows of a supply chain[C]// IEEE International Conference on Advanced Logistics and Transport.[S.l.]：[s.n.]，2015：88-93.

[13]程琦.物流服務(wù)運(yùn)作風(fēng)險(xiǎn)及其預(yù)警管理[J].武漢理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2010，23（5）：636-640.

CHENG Qi. Study on logistics service operating risk and its early warning management[J].Wuhan University of Technology（Social Science Edition），2010，23（5）：636-640.

[14]王熒熒，張敏，朱文英.農(nóng)產(chǎn)品冷鏈物流安全評(píng)估體系研究[J].物流技術(shù)，2013，32（19）：4-6.

WANG Yingying，ZHANG Min，ZHU Wenying. Study on safety evaluation system of agricultural produce cold chain logistics[J].Logistics Technology，2013，32（19）：4-6.

[15]孫坳，何明珂.基于結(jié)構(gòu)方程模型的眾包物流風(fēng)險(xiǎn)識(shí)別與分析[J].管理現(xiàn)代化，2017，37（6）：105-109.

[16]杜志平，付帥帥，王丹丹.基于系統(tǒng)動(dòng)力學(xué)的跨境物流聯(lián)盟運(yùn)作風(fēng)險(xiǎn)演化博弈[J].商業(yè)研究，2018（4）：68-77.

DU Zhiping，F(xiàn)U Shuaishuai，WANG Dandan. Evolutionary game of operational risk of Cross-border logistics alliance based on system dynamics[J].Commercial Research，2018（4）：68-77.

[17]袁崇義.Petri網(wǎng)原理與應(yīng)用[M].北京：電子工業(yè)出版社，2005.