在复杂制造环境中实现实时合规性的自动化OCEL转换

《Scientific Reports》：Automated OCEL transformation for real-time conformance in complex manufacturing

　　

摘要

以对象为中心的流程挖掘技术为分析复杂制造环境中的多对象交互提供了先进的框架；然而，由于需要将异构数据耗费大量人力转换为以对象为中心的事件日志，该技术的实际应用受到限制。本研究通过一种自动转换流程来解决这一瓶颈，该流程能够将原始工业事件流转换为符合要求的事件日志。与传统静态映射不同，该架构采用了多准则决策分析方法，借助CRITIC和PROMETHEE II算法，在不同的性能标准下系统地选择分类器和流程发现算法。为减少人工干预，该系统还设计了基于不确定性感知的主动学习机制，仅在熵值超过阈值时才请求专家验证，从而将人工干预程度降至仅占所有事件的1.2%。研究在主要的木材生产数据集（54,976个事件）上进行了验证，并通过金属管制造以及高密度工业传感器数据流的跨行业测试进一步确认了其有效性。该框架的角色分配准确率达到了97.5%，端到端处理延迟仅为1.27毫秒，非常适合实时应用。通过将以对象为中心的流程特征与运营指标相结合，该流程将实时合规性预测准确率从75.6%提升到了92.4%（\(AUC = 0.934\)）。这些研究成果为高性能生产环境中的自动化合规性监控奠定了坚实且可扩展的基础。