IOTEL: A Tool for Generating IoT-enriched Object-Centric Event Logs

本文介绍了 IOTEL 工具，旨在通过基于 OCEL 模式系统化地整合物联网数据与现有事件日志，解决 IoT 增强型业务流程分析中数据抽象层级差异及来源分离的挑战。

要点

这篇论文介绍了一个名为 IOTEL 的新工具。为了让你轻松理解，我们可以把整个故事想象成是在给一家繁忙的港口“装上一双透视眼”。

1. 背景：两个世界，互不相通

想象一下，一个港口每天处理成千上万的卡车和货物。

• 世界 A（业务流程）：港口的管理系统里有一本“大账本”（事件日志），记录了“卡车几点进门”、“什么时候称重”、“货物几点装船”。但这本账本只记了发生了什么，没记当时环境怎么样。
• 世界 B（物联网 IoT）：港口里装满了传感器（GPS、智能秤、温度计）。它们 24 小时不停地记录数据，比如“卡车经过时的速度”、“称重时的微小震动”、“当时的天气”。但这只是海量的原始数据流，像是一堆乱糟糟的电线。

问题在于：管理者想看“为什么这辆车装货慢了？”，光看“大账本”不知道当时是不是因为下雨路滑（世界 B 的数据）；光看“传感器数据”又不知道这辆车具体是在哪个环节出问题的。这两个世界的数据语言不通、格式不同，硬把它们混在一起，账本会变得巨大无比，根本没法分析。

2. 痛点：以前的工具太“死板”

以前也有工具试图把这两个世界连起来，但它们要么要求你必须用一种非常复杂的特殊语言（特定的模式）来写账本，要么只能从传感器数据里硬“猜”业务流程。这就好比你想把两种不同的乐高积木拼在一起，但以前的工具要求你必须把积木全拆了重造，或者只允许你用一种颜色的积木。这对普通用户来说太难了。

3. 解决方案：IOTEL 工具（智能翻译官）

作者团队开发了一个叫 IOTEL 的工具，它就像一位聪明的“数据翻译官”和“整理师”。

它的核心魔法：

1. 只挑有用的（智能过滤）：
   传感器产生的数据像大海一样多，IOTEL 不会把大海都倒进账本里。它会先问：“哪些数据跟业务流程有关？”

   • 比喻：就像你在整理衣柜，IOTEL 会帮你把“过期的旧报纸”（无关的传感器噪音）扔掉，只留下“当季的衣服”（对业务流程有用的数据，比如卡车的重量、位置、时间）。

2. 统一语言（OCEL 标准）：
   它使用一种叫 OCEL 的“通用语言”来整理账本。这种语言不仅能记录“谁做了什么”，还能记录“谁和谁互动了”。

   • 比喻：以前的账本只能记“张三买了苹果”。OCEL 能记“张三（人）在超市（地点）买了苹果（物），并且和收银员（人）进行了互动”。这非常适合物联网场景，因为传感器、卡车、货物之间经常互相作用。

3. 灵活拼接（按需集成）：
   IOTEL 允许用户决定怎么把传感器数据贴进去：

   • 如果是卡车本身的属性（比如载重），它就贴在“卡车”这个对象上。
   • 如果是某个动作时的状态（比如过磅时的震动），它就贴在“过磅”这个事件上。
   • 比喻：就像给照片加标签。你可以给“卡车”的照片加个“载重 10 吨”的标签，也可以给“过磅”这个动作加个“当时下雨”的标签。

4. 实际演练：港口抓“作弊”

论文里用了一个真实的例子：

• 场景：港口怀疑有些卡车在装货时作弊（比如偷偷倒掉一点货，或者称重时做手脚）。
• 以前：管理人员只能看“进门时间”和“出门重量”，很难发现猫腻，因为数据是割裂的。
• 用了 IOTEL 后：
  1. 把港口的“大账本”（业务流程）导入工具。
  2. 把“传感器数据”（GPS 轨迹、实时重量）导入工具。
  3. IOTEL 自动把两者“缝合”在一起，生成了一份** enriched（增强版）的日志**。
  4. 结果：分析人员现在可以一眼看出：“这辆卡车在 A 点称重是 20 吨，但在 B 点（还没出门）突然变成了 18 吨，而且 GPS 显示它中途停在了一个偏僻角落。”——作弊行为瞬间暴露！

5. 总结：它有什么用？

IOTEL 就是一个桥梁。它不需要你懂高深的代码，也不需要你推翻现有的系统。它帮你把冷冰冰的传感器数据，变成业务流程中有血有肉的故事。

• 对老板/管理者：能看清业务流程的每一个细节，发现以前看不见的漏洞（如欺诈、低效）。
• 对研究人员：提供了一个标准化的方法，把物联网数据和商业流程结合起来做分析。

简单来说，IOTEL 就是让业务流程和物联网数据从“老死不相往来”变成了“亲密无间”，让企业能真正利用物联网数据来优化运营。

技术摘要

以下是基于论文《IOTEL: A Tool for Generating IoT-enriched Object-Centric Event Logs》的详细技术总结：

1. 研究背景与问题 (Problem)

随着物联网（IoT）在各行各业的普及，将 IoT 数据与业务流程事件日志（Event Logs）相结合对于分析增强型业务流程至关重要。然而，当前面临以下主要挑战：

• 抽象层级不匹配：IoT 数据通常来自物理系统的低层级传感器测量，而事件日志记录的是企业系统中的高层级流程执行记录。
• 数据源分离：IoT 数据与流程数据通常存储在不同的系统中，直接整合困难。
• 数据冗余与复杂性：简单地将原始 IoT 数据混入事件日志会导致日志体积剧增、复杂度提高，且包含大量与流程无关的噪声，需要大量预处理才能进行流程挖掘分析。
• 现有工具局限性：现有的 IoT 增强日志生成工具（如 BROOM）要么依赖特定的元模型（如 CORE metamodel），导致学习成本高；要么专注于从传感器数据直接提取事件日志，缺乏将 IoT 数据整合到现有事件日志中的灵活支持。

2. 方法论 (Methodology)

为了解决上述问题，作者提出了 IOTEL，一个用于系统生成**IoT 增强型对象中心事件日志（OCEL）**的半自动化工具。其核心方法论包括：

2.1 基于 OCEL 的架构

IOTEL 直接构建在 OCEL 2.0 标准之上。OCEL 能够捕捉涉及多个交互业务对象的复杂流程，这与 IoT 设备在流程执行中与多个对象交互的特性天然契合。IOTEL 旨在保持底层日志结构不变，同时结构化地丰富 IoT 数据。

2.2 IoT 数据预处理策略

为了避免引入不必要的语义复杂性，IOTEL 采用**预整合（Pre-integration）**策略，而非整合后过滤：

• 本体裁剪：基于广泛使用的 SOSA/SSN 物联网本体，定义了一个子集本体。通过排除和包含标准（见表 1），仅保留与流程相关的元素（如传感器、执行器、观测属性、结果、时间戳、位置等），剔除过程执行类（如 Procedure）和关系谓词（在整合阶段重建）。
• 数据映射：将原始 IoT 数据映射到简化的模式，统一设备概念（Device）、属性（Property）和位置（Location），并排除已在 OCEL 中捕获的业务对象（FeatureOfInterest）。

2.3 整合逻辑

工具根据 IoT 设备与流程元素的交互模式，决定数据如何整合：

• 事件属性（Event Attributes）：当设备用于特定活动且不与特定业务对象绑定时，数据作为事件属性记录。
• 对象属性（Object Attributes）：当设备测量的属性直接描述业务对象（如卡车的重量）时，数据作为对象属性记录。
• 配置选项：支持用户定义聚合函数（最小/最大/平均/中值）、基于范围的过滤或保留原始数据。

2.4 技术架构

• 前端：提供交互式 GUI，涵盖 IoT 数据处理、OCEL 日志探索和数据整合三个核心模块。
• 后端：
  • 文件系统：管理上传、中间映射和最终处理文件。
  • DuckDB：作为核心分析引擎，直接在中间文件上执行优化的 SQL 查询，避免内存溢出。
  • Parquet 文件：用于中间数据存储，优化列式存储以支持复杂查询。
  • SQLite (OCEL 2.0)：作为最终目标存储，严格遵循 OCEL 模式，支持非破坏性的模式迁移。

3. 关键贡献 (Key Contributions)

1. IOTEL 工具发布：首个专门用于将过程相关的 IoT 数据系统性地整合到现有 OCEL 日志中的半自动化工具。
2. 基于 OCEL 的标准化集成：利用 OCEL 2.0 标准，确保了生成的日志与现有的流程挖掘工具兼容，无需用户掌握特定的私有元模型。
3. 领域特定的本体裁剪：提出了一种从 SOSA/SSN 中提取子集的方法，专门用于筛选和表示对流程分析有价值的 IoT 数据，有效平衡了数据丰富度与日志复杂度。
4. 灵活的整合机制：提供了基于交互模式（事件 vs. 对象）的数据映射逻辑，以及数据聚合和过滤的可配置选项。

4. 实验结果与应用场景 (Results & Application)

• 原型实现：IOTEL 已实现为交互式原型，具备完整的 GUI 界面，支持从数据上传、统计概览到配置整合的全流程操作。
• 真实场景验证：
  • 场景：港口货物提货流程（Cargo Pickup）。
  • 问题：港口面临卡车重量欺诈（异常重量操纵）的检测挑战。
  • 数据：流程数据（入口时间、门禁信息）存储在港口管理系统，IoT 数据（GPS、智能称重传感器）存储在独立数据库。
  • 过程：使用 IOTEL 将 GPS 和称重传感器数据预处理并整合到 OCEL 日志中。
  • 结果：成功生成了 IoT 增强的 OCEL 日志，证明了该工具在异构数据源整合及支持流程透明度分析方面的可行性。
• 数据集：研究分析了 69 个公开 IoT 数据集，验证了推导出的子集本体的适用性，并在 GitHub 上提供了模拟真实场景的合成数据集。

5. 意义与未来展望 (Significance & Future Work)

• 学术与实践价值：IOTEL 填补了 IoT 数据与流程挖掘之间的工具空白，使研究人员和从业者能够无需构建定制数据管道即可分析 IoT 增强的业务流程。
• 局限性：
  • 目前假设输入已经是 OCEL 格式（企业系统数据转 OCEL 不在本工具范围内）。
  • 目前主要支持表格形式的 IoT 数据（符合 SOSA/SSN 概念）。
• 未来工作：计划扩展支持更多数据模态（如传感器流、多模态 IoT 数据），并研究将这些非结构化或流式数据系统性地整合到事件日志中的方法。

总结：IOTEL 是一个连接物理世界（IoT）与数字流程（Process Mining）的关键桥梁工具，通过标准化的对象中心日志格式和智能的数据筛选机制，解决了 IoT 数据整合中的复杂性和异构性问题，为流程优化和异常检测提供了新的可能性。