过程挖掘一直以来都是业务流程管理及其一系列相关下游任务研究领域中的核心问题,它既是业务流程建模的依据,也是业务流程模型质量好坏的反馈。随着电子商务时代的到来,各大企业和组织对业务流程的重视程度也变的越来越高,如何从庞大的业务流程系统中有效的挖掘出有用信息对于各企业和组织的发展至关重要。过程挖掘技术是一种利用业务流程系统日常运行中生成的事件日志来查找更合理过程模型的技术,并与其他方法（包括一致性检测,变化域分析等）相结合对业务流程系统进行管理与优化。过程挖掘技术的研究有助于降低企业和组织的运营成本,提高产品服务质量,同时还能使企业和组织更好地适应社会经济的发展。目前,关于业务流程的过程挖掘方法有很多,但很多都存在着计算量大、自动化匹配程度不高等缺点。针对上述这些问题,并结合所学的数学知识,联想到对于处理不确定性问题有着很好效果的粗糙集理论,利用粗糙Petri网重新审视过程挖掘问题,发现在一些情况下有着不错的效果,不仅简化了过程还以形式化的给出了映射,为日后的自动化实现打下了基础。在挖掘一些有用信息的过程中难免会遇到各种问题,如何快速又准确的定位出存在的问题对于业务流程系统非常重要,过程挖掘是基于业务流程系统所产生的事件日志,所以绝大多数情况下过程挖掘中所遇到的问题也是由于事件日志导致的。通过学习和总结,了解到过程挖掘中会遇到的几类常见问题与事件日志的异常类型存在着关联,于是想通过数学中的映射矩阵建立两者之间的映射,达到在过程挖掘中产生异常,只要对映射矩阵进行简单的运算就可以根据结果了解到异常产生原因的效果。计算机对于数字的处理能力人尽皆知,如果可以利用计算机强大的计算能力实现业务流程的过程挖掘,其效率自然可以得到显著性提高,如何将事件日志转化成计算机可以处理的数字矩阵就是实现这一过程的重中之重,在查阅了大量资料文献后,了解到因果关系矩阵就具备这种转化能力。本文主要研究内容如下:（1）针对现有业务流程工作流的过程挖掘方法普遍计算量大且自动化匹配程度不高等问题,提出一种基于粗糙Petri网的工作流过程挖掘方法。其利用了粗糙集在处理不确定性问题上的优势,首先将业务流程系统运行过程中产生的事件日志转化为一个粗糙Petri网,其只体现对产生的事件日志最基本的描述,再根据粗糙集规则将粗糙Petri网转化为中间过程模型,最后根据提出的算法将中间过程模型转化为最终的Petri网模型,使其能够与事件日志相匹配。（2）针对工作流日志进程挖掘中的异常征兆与异常原因间的关系存在不确定性、复杂性和模糊性,提出了一种基于粗糙集理论和Petri网的工作流日志进程挖掘异常诊断方法。首先介绍了 Petri网的基本概念,然后介绍了粗糙集理论的有关概念,通过粗糙集理论中区分矩阵算法和规则提取的矩阵算法对决策表实现条件属性约简与规则简化,找到决策表中隐藏的潜在规则,减少工作量,降低不确定信息的影响,并与Petri网并行推理的能力相结合通过简单的矩阵运算对工作流日志实现高效的进程挖掘异常诊断,最后实例分析证明了这种方法的有效性。（3）针对由于模型和事件日志的表达复杂性,很难其直接输入计算机进行自动分析。为了解决这一问题,必须要将其转化成计算机可以处理的形式,于是提出一个过程模型与因果关系矩阵相互转化的方法,并利用算法对原模型转化成的因果关系矩阵进行处理,最后再将经处理后的因果关系矩阵重新转化成Petri网模型,依据给出的事件日志与原业务流程模型进行各项指标的比较,选择更符合所给出事件日志的模型。同时因为可以转化为矩阵形式,也为日后利用计算机处理此类问题打下了基础。图[10]表[9]参[94]