基于増廣Petri網(wǎng)生成受控日志

邵叱風(fēng)，方賢文，王吳松

(1.安徽理工大學(xué) 數(shù)學(xué)與大數(shù)據(jù)學(xué)院，安徽 淮南 232001； 2.安徽科技學(xué)院 信息與網(wǎng)絡(luò)工程學(xué)院，安徽 蚌埠 233030)

0 引 言

Petri Net[1]是常用系統(tǒng)建模語言之一，廣泛應(yīng)用于過程挖掘[1]、模型修復(fù)[3]、建模優(yōu)化[4]及算術(shù)計算[5]等諸多領(lǐng)域。Prom是一個過程挖掘相關(guān)插件平臺，可以利用XES[6]標準日志及挖掘算法生成結(jié)果，并利用Petri網(wǎng)等建模語言對挖掘結(jié)果進行可視化處理[7]。為了更好地測試和評估過程挖掘算法，需要人工生成的日志。文獻[8]提出了一種日志生成方法，可用于隨機生成多角度流程模型并進行仿真，以合成多角度事件日志。文獻[9]可以根據(jù)用戶定義的控制流規(guī)范隨機自動地生成過程樹和事件日志。它采用了一種通用的兩步方法：生成一個流程樹，然后將該樹仿真為事件日志，在文獻[10]中進行了描述。但通常需要生成日志解決的問題如：通過模擬所選過程模型來生成事件日志，然后對此日志應(yīng)用了新穎的過程發(fā)現(xiàn)算法，最后將發(fā)現(xiàn)的模型與初始模型進行比較發(fā)現(xiàn)了特殊結(jié)構(gòu)。但是在現(xiàn)實事件日志中，經(jīng)常缺少這樣的“特殊結(jié)構(gòu)”。因此，能夠以受控方式生成模型和日志很重要。文獻[11]提出了一種基于BPMN模型生成日志的方法，但目前Petri網(wǎng)與BPMN之前的轉(zhuǎn)換仍有諸多不便。在少量日志挖掘模型時，為提升挖掘能力，文獻[12]提出一種基于增強日志的過程挖掘方法，加強了算法對多屬性日志的依賴并提升對并發(fā)結(jié)構(gòu)的識別能力，但在重構(gòu)日志時較為復(fù)雜。在日志生成后可能存在一些與預(yù)期或模型有差距需修改的內(nèi)容，文獻[13]提出了一種基于神經(jīng)網(wǎng)絡(luò)的日志修復(fù)方法，在識別大量不同活動標簽效率表現(xiàn)一般。

本文利用增廣Petri網(wǎng)直接模擬系統(tǒng)運行并實現(xiàn)一種用于生成XES標準事件日志的具體方法，且通過直接修改多重集日志來降低生成預(yù)期日志的難度。

1 準備知識

本節(jié)介紹了部分定義用以輔助理解日志生成工具中關(guān)于網(wǎng)的輸入、運行以及日志的導(dǎo)出。限于篇幅原因Petri網(wǎng)相關(guān)定義見文獻[1]。在此選用増廣Petri網(wǎng)作為建模語言，可在建模過程中以更簡潔的結(jié)構(gòu)便捷模擬現(xiàn)實條件。

定義1[1]帶抑制弧Petri網(wǎng):一個帶抑制弧的Petri網(wǎng)是一個五元組∑=(S,T,F,I,M)， 其中， (S,T,F) 是一個網(wǎng)，M是網(wǎng)的一個標識，I?S×T稱為抑制弧集，I∩F=Φ。

對于t∈T， 如果

則t在標識M有發(fā)生權(quán)，記為M[t>。

若M[t>， 則變遷t在M可以發(fā)生，t在M發(fā)生產(chǎn)生新的標識M′

為增加PSLG(Petri simulation log generation)的實用性，利用輸入矩陣對網(wǎng)模型進行輸入。對如圖1所示的6種關(guān)系和庫所中的token數(shù)量均在輸入矩陣中進行了定義。

圖1 輸入矩陣中庫所與變遷的6種關(guān)系

定義2 輸入矩陣：一個輸入矩陣M是基于矩陣元素擴展生成的，元素Mij定義了庫所si與變遷tj的關(guān)系。最后一位數(shù)字代表兩個元素之間的流弧關(guān)系，其中0-5分別表示NULL、arc(s,t)、arc(t,s)、arc(s,t) 和arc(t,s)、inhibit(s,t)、inhibit(s,t) 和arc(t,s)， 元素Mij剔除最后一位數(shù)字即為當前關(guān)系庫所si中token的數(shù)量，一行元素token之和即當前系統(tǒng)si中token的數(shù)量，輸入矩陣及元素拓展如圖2所示。

圖2 輸入矩陣及元素擴展

如果λ(t)≠τ，t∈T， 那么t是可觀測的，反之t是靜默變遷。標簽的執(zhí)行語義是根據(jù)狀態(tài)和狀態(tài)轉(zhuǎn)換定義的。標簽網(wǎng)的狀態(tài)由標識的概念俘獲。

標簽網(wǎng)N=(P,T,F,λ) 的標識M一般表示Token到庫所的分配。如M(p) 分配Token在庫所p,p∈P。

PSLG含豐富的日志導(dǎo)出功能，支持定義7系統(tǒng)記錄、事件日志以及XES格式日志文件的導(dǎo)出，分別用作系統(tǒng)執(zhí)行過程的展示、多重集日志的展示以及Prom等工具的直接可用日志。

定義7 系統(tǒng)記錄、事件日志:跡是一個有限的標簽序列。系統(tǒng)記錄為跡的可重復(fù)記錄集，一個事件日志是一組跡上的多重集。假定跡上的每個標簽都代表一個事件，即一個活動的發(fā)生。此外假定標簽在跡中出現(xiàn)的順序表出了事件發(fā)生的順序，即j>i， 那么位于跡i處的標簽表示的事件發(fā)生在位于跡j處的標簽表示的事件之前。

系統(tǒng)記錄形如：R1=[,,,];

事件日志形如：L1=[10,7,5]。

為統(tǒng)一軟件的日志輸入格式，文獻[6]提出了XES格式日志文件，是XML語言的一種擴展。主要由分層組件(Hierarchicalcomponents)、屬性組件(Attributecomponent)、全局屬性(Globalattributes)、分類器(Classifiers)和擴展(Extensions)共5個部分構(gòu)成。

2 日志生成方法及實現(xiàn)

現(xiàn)有的日志生成方法大多是隨機生成的模型日志，大量的冗余數(shù)據(jù)導(dǎo)致事件結(jié)構(gòu)之間約束不可控；或者生成日志的方式較為繁瑣，需要學(xué)習(xí)新的編程語言。以上方法在日志生成時難以生成實驗需要的特定的滿足模型結(jié)構(gòu)的日志，并憑此去檢驗算法在某些行為模式上的識別能力。

在此提出對系統(tǒng)直接仿真生成指定條數(shù)的執(zhí)行跡，后期處理生成多重集事件日志及XES標準日志的方法。主要過程為：①系統(tǒng)建模；②推導(dǎo)輸入矩陣；③初始化輸入模型；④手動或隨機執(zhí)行模型過程；⑤統(tǒng)計執(zhí)行記錄生成事件日志；⑥XES標準日志的轉(zhuǎn)換。其中系統(tǒng)建模部分即利用増廣Petri網(wǎng)對現(xiàn)有系統(tǒng)進行模擬，在此不做贅述。

對于大規(guī)模負載程序的開發(fā)，程序的處理流程并非單一的一條主線，而是錯綜負載的網(wǎng)狀結(jié)構(gòu)。面向?qū)ο缶幊瘫绕鹈嫦蜻^程編程更能夠應(yīng)對復(fù)雜類型的程序開發(fā)；面向?qū)ο缶幊虛碛懈迂S富的特性(封裝、繼承、抽象和多態(tài))，利用這些特性可以使得代碼更加易擴展，易維護，易復(fù)用。下面給出具體Java應(yīng)用實現(xiàn)日志生成方法的過程。

2.1 輸入矩陣

為了便捷化輸入Petri網(wǎng)模型，Java應(yīng)用采用定義2形式的輸入矩陣進行模型輸入。如圖3所示利用split(“ ”)分割矩陣得m條字符串(即網(wǎng)包含m個庫所s1,s2,…sm)， 每條字符串split(“,”) 可獲得n個元素(即網(wǎng)包含n個變遷t1,t2,…,tn), 第i條字符串第j個元素為庫所si與變遷tj的關(guān)系描述，結(jié)合for循環(huán)利用定義1計算模型中弧的個數(shù)，初始化變遷、庫所及弧的數(shù)組，并依據(jù)矩陣元素關(guān)聯(lián)庫所和變遷，得到初始化Petri網(wǎng)模型。抑制弧、庫所流向變遷及變遷流向庫所的關(guān)聯(lián)代碼如Code_1所示。

aArray[z][total]=pnlist[z].inhibitor("arc"+total,pArray[i],tArray[l]);//添加庫所到變遷的抑制弧

aArray[z][total]=pnlist[z].arc("arc"+total,pArray[i],tArray[l]);//添加庫所到變遷的流弧

aArray[z][total]=pnlist[z].arc("arc"+total,tArray[l],pArray[i]);//添加變遷到庫所的流弧

圖3 利用輸入矩陣初始化Petri網(wǎng)的原理

2.2 網(wǎng)的運行

為保證流程執(zhí)行的隨機性，定義AutoRun()方法，使用ArrayList記錄下Petri網(wǎng)當前狀態(tài)所有具備觸發(fā)條件的變遷，Math.random()在數(shù)組大小范圍內(nèi)生成隨機數(shù)k， 觸發(fā)數(shù)組中下標為k的元素包含的變遷后進入下一個可達狀態(tài)，并對觸發(fā)的變遷進行記錄，如此循環(huán)直到當前狀態(tài)中無可觸發(fā)變遷。具體實現(xiàn)的部分代碼如Code_2所示：

(1)for (intj=1;j

(2) intfireState=1;

(3) intlogLength=0;

(4) while (fireState>0) {

(5) ArrayListwaitRun=new

ArrayList();

(6)fireState=0;

(7) for (inti=0;i

size();i++) {

(8) if (pnlist[j].getTransitions().get(i).canFire()) {

(9)waitRun.add(pnlist[j].getTransitions().get(i));

(10)fireState++;

(11) }

(12) }

(13) if (waitRun.size()>0) {

(14) intmax=waitRun.size();

(15) intranNum=(int) (Math.random() *max);

(16)waitRun.get(ranNum).fire();

(17)logArea.append(waitRun.get(ranNum).get Name() + ",");

(18)logLength++;

(19) }

(20) }

(21)}

fireState為標識可觸發(fā)變遷的個數(shù)，logLength為統(tǒng)計每條執(zhí)行記錄的長度。定義canFirestate=1，進入while循環(huán)，初始化可觸發(fā)變遷緩存數(shù)組waitRun，標記當前可觸發(fā)變遷個數(shù)為0。Code_2(7-12)對網(wǎng)中變遷進行遍歷，方法canFire()判斷變遷能否觸發(fā)，如果可以數(shù)組waitRun記錄下可觸發(fā)變遷且fireState=fireState+1，Code_2(13-19)如果waitRun含有可觸發(fā)變遷，利用Math.random()*max在數(shù)組大小范圍內(nèi)生成隨機數(shù)，觸數(shù)組中對應(yīng)下標的元素所含變遷，到達下一可達狀態(tài)，循環(huán)至終態(tài)即遍歷網(wǎng)中變遷無一可觸發(fā)，fireState=0結(jié)束循環(huán)。

2.3 多重集日志

為統(tǒng)計網(wǎng)運行記錄庫中每條記錄出現(xiàn)頻次，增加了普通的事件記錄轉(zhuǎn)為多重集日志的功能。編寫工具類String-SameCount，利用HashMap 對事件記錄進行統(tǒng)計，利用 判斷是否包含此條記錄，如果有則計數(shù)增加，如果沒有增加此條記錄(如圖4所示)。具體實現(xiàn)代碼如Code_3所示。

(1)public class StringSameCount {

(2) private HashMapmap;

(3) private intcounter;

(4) public StringSameCount() {

(5)map= new HashMap();

(6) }

(7) public void hashInsert(Stringstring) {

(8) if (map.containsKey(string)) {

(9)counter= (Integer)map.get(string);

(10)map.put(string, ++counter);

(11) } else {

(12)map.put(string, 1);

(13) }

(14) }

(15) public HashMap getHashMap() {

(16) returnmap;

(17) }

(18)}

Code_3定義了一個日志跡計數(shù)的功能，通過統(tǒng)計網(wǎng)運行記錄，map記錄每條執(zhí)行跡的執(zhí)行次數(shù)，生成一個跡上的多重集事件日志。Code_3(8-13)判斷當前map中是否含有當前字符串ri(執(zhí)行記錄)，如果有則對此key=ri對應(yīng)的value值進行加1(即增加一次執(zhí)行次數(shù))，如果沒有則新增key=ri,value=1(即新增一種執(zhí)行跡，并記執(zhí)行次數(shù)為1)。

2.4 XES標準日志

Prom是一個過程挖掘插件平臺，XES為該平臺日志支持標準。為減少日志后期處理，增加導(dǎo)出日志的可用性，增加了XES標準日志導(dǎo)出功能。主要是遍歷系統(tǒng)執(zhí)行記錄，將每條執(zhí)行記錄記為一個Trace，記錄中的事件記為一個Event，并對key=”concept:name”、key=”time:timestamp” 進行賦值，再與文件的頭文件進行拼接，生成XES格式日志。具體實現(xiàn)代碼如Code_4所示：

(1)public static String pLog(StringtxtLog, StringlogName) {

(2) Stringfile=headerOfFile;// XES格式日志頭文件

(3) String[]Ilist=txtLog.split(" ");

(4) for (inti=0;i

(5)file=file+" ";

(6)caseID++;

(7) String[]splitLog=Ilist[i].split(",");

(8) for (intj=0;j

(9) SimpleDateFormatPdf=new SimpleDateFormat("yyyy-MM-dd");// 設(shè)置日期格式

(10) SimpleDateFormatLdf=new SimpleDateFormat("HH:mm:ss");// 設(shè)置日期格式

(11) intx=1+(int) (Math.random() * 1000);

(12)file=file+" "

+"

+Pdf.format(new Date())+"T"

+ " "

+ "

+"=”complete”/> "

+ " ";

(13) }

(14)file=file+" ";

(15) }

(16)file=file+"";// XES格式日志結(jié)尾

(17) returnfile;

(18)}

Code_4中，txtLog為系統(tǒng)運行記錄，logName為日志導(dǎo)出時文件的名稱，headOfFile為XES標準日志拼裝時的頭部文件(可自定義)。Code_4(3)按行分割系統(tǒng)運行記錄，獲得記錄列表；Code_4(4-15)為日志中層信息的拼裝，其中Code_4(12)完成中層信息內(nèi)部event的拼裝，通過遍歷運行記錄中的活動，完成事件名稱及執(zhí)行時間的賦值，Code_4(14)補全 標簽； Code_4(16)補全 標簽。

為調(diào)節(jié)網(wǎng)中部分變遷的發(fā)生頻率、屏蔽部分運行路徑、增加日志噪音等，通過編輯定義7形式多重集日志的方式進行實現(xiàn)。對于記錄 (t0,t1,t3,t2,t5,t6,t8,t9,t11,t13,t14;47;)，t0,t1,t3,t2,t5,t6,t8,t9,t11,t13,t14； 用作XES日志event組裝源數(shù)據(jù)，數(shù)字47代表此條跡的執(zhí)行次數(shù)即在日志中的條數(shù)。依據(jù)輸入矩陣創(chuàng)建日志界面如圖5(a)所示，多重集日志轉(zhuǎn)XES日志界面如圖5(b)所示。

圖5 方法實現(xiàn)的界面截圖

3 實驗評估

PSLG實現(xiàn)日志生成方法，主要是對系統(tǒng)進行建模，直接仿真模型運行，記錄網(wǎng)的運行情況，并通過工具類OperationOfLog.java、StringSameCount.java對之進行處理生成多重集事件日志及XES標準日志，并支持多重集日志直接轉(zhuǎn)換為XES標準日志。相較于PIPE、CPNTools和Tina等工具，PSLG更注重于模型信息及執(zhí)行結(jié)果的展示，表1給出了輸入方式、模型數(shù)據(jù)、記錄生成和結(jié)果導(dǎo)出共4個方面對比結(jié)果。

表1 工具的多方面對比

為檢驗方法的效率及有效性，基于BPIC2020數(shù)據(jù)中的Domestic Declarations.xes和Request For Payment.xes兩個日志文件，使用Prom平臺中的Mine with Inductive visual Miner S.J.J.Leemans插件挖掘得到如圖6所示Petri模型，轉(zhuǎn)換為輸入矩陣如下所示。

圖6 Domestic Declarations流程模型(左)與Request For Payment流程模型(右)

inputmatrixofDomesticDeclarations11,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 02,02,01,01,01,01,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 00,00,02,02,02,02,00,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,02,01,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,02,00,00,01,01,00,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,02,02,00,00,01,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,02,02,01,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,02,01,01,01,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,02,02,02,01,00,00,00,00,00,00,00,00 00,00,00,00,00,00,02,00,00,00,00,00,00,00,00,00,02,01,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,01,01,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,00,01,01,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,02,02,01,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,01,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,01 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02

inputmatrixofRequestForPayment11,01,00,00,00,01,00,00,01,00,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 02,00,01,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 00,02,02,02,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,02,02,01,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,02,02,02,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,02,02,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,02,01,01,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,02,02,01,01,00,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,02,01,00,00,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,01,00,00,00,01,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,01,00,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,00,01,00,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,00,01,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,01,00,00,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,02,01,00,00,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,01,01,00,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,02,01,00,00,00 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,01,01,01 00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,00,02,02,02

利用PSLG工具為這兩個模型各生成執(zhí)行記錄10 000條；同時構(gòu)造一個變遷個數(shù)為60的直鏈網(wǎng)模型(保證每條執(zhí)行跡長度相等)，并為其生成執(zhí)行記錄1000條。利用以上數(shù)據(jù)對工具的效率進行分析，并對其穩(wěn)定性、可移植性以及日志的有效性等進行實驗分析。所有的測試均在配有I5-7300HQ 2.5 Ghz四核處理器和16 GB內(nèi)存的機器上進行，使用Java SE 1.7開發(fā)包。

3.1 耗時分析

為檢驗工具運行穩(wěn)定性，在執(zhí)行直鏈模型時，記錄下變遷觸發(fā)時間，對大小為60×1000的時間數(shù)據(jù)繪制如圖7所示。其中變遷觸發(fā)時間大多在100 ns～1000 ns之間，保持較高的變遷觸發(fā)穩(wěn)定性。

圖7 變遷觸發(fā)時間展示(60×1000)

圖8 不同跡的觸發(fā)時間

圖9 不同日志大小的生成時間

3.2 日志有效性

為驗證日志有效性，首先利用日志挖掘出Petri網(wǎng)模型與原模型對比，對于BPIC模型生成的事件日志，再次使用Prom中Mine with Inductive visual Miner S.J.J.Leemans插件，以消除不同算法對挖掘結(jié)果的影響。將BPIC的兩個生成日志導(dǎo)入Prom挖掘結(jié)果與原模型保持一致。

圖10 隨日志大小變化的精度和適應(yīng)度

鑒于日志大小在100時precision已達到1，僅對前100條跡組成的日志進行時間分析如圖11所示，前100條跡長度各不相同，生成時間在一定范圍內(nèi)對應(yīng)變化(圖11(a))，日志生成耗時與日志大小成正比(圖11(b))。

圖11 前100條跡組成日志的時間分析

3.3 編輯有效性

PSLG是對現(xiàn)有模型進行日志生成，但日志中跡的執(zhí)行次數(shù)、不同事件發(fā)生頻次具有一定隨機性，對于模型生成日志的修改有以下3種方案：

(1)可通過修改輸入矩陣即可修改(直接修改了用于日志生成的模型，執(zhí)行次數(shù)、頻次仍不可控)；

(2)對于已生成的XES日志可通過直接修改XES文件(文件結(jié)構(gòu)復(fù)雜，且體積一般較大)；

(3)對于已生成的多重集日志可通過改變序列及執(zhí)行次數(shù)，再利用圖5(b)所示插件轉(zhuǎn)為XES日志(不同執(zhí)行序列是有限的，變遷增刪便捷，序列發(fā)生次數(shù)易修改)。

對于Domestic Declarations模型的運行記錄(100條發(fā)生序列)，分別刪除變遷t6,t10,t15,t20， 導(dǎo)入Prom利用Alpha插件挖掘結(jié)果如圖12所示，利用方法(3)調(diào)節(jié)日志是可行的。

4 結(jié)束語

本文提出一種對現(xiàn)有系統(tǒng)生成受控日志的方法，使用増廣Petri對現(xiàn)有系統(tǒng)進行建模，便于盡可能滿足真實系統(tǒng)運行條件。PSLG利用矩陣輸入的方式輸入Petri網(wǎng)模型，在主界面展示了網(wǎng)的一些屬性值用以確認模型輸入的正確性；通過隨機觸發(fā)可發(fā)生變遷達到下一可達狀態(tài)并記錄觸發(fā)過程，重復(fù)模擬n次網(wǎng)的完整運行以生成大小為n條的系統(tǒng)運行記錄；利用Hash Map對系統(tǒng)運行記錄進行分類統(tǒng)計生成多重集日志；遍歷系統(tǒng)運行記錄，通過嵌套循環(huán)拼裝的方式生成XES標準日志，并以此為模板增加了多重集日志轉(zhuǎn)為XES標準日志的方法；最后的實驗驗證了實現(xiàn)插件PSLG的可行性、穩(wěn)定性、日志的有效性及可編輯性。

圖12 修改后日志的Alpha挖掘結(jié)果

通過PSLG生成日志，為過程挖掘、模型修復(fù)等諸多依賴于日志的算法驗證及評估提供了有效助力。未來工作包括使用更多建模語言作為輸入，豐富日志中的屬性，增加日志導(dǎo)出格式，高頻行為的可控觸發(fā)以及基于受控日志的過程挖掘、一致性檢驗等算法的研究。