变异的概念：流程变体、偏差、异常

今天我们来聊聊变异这个概念。嗯，说实话，很多人把流程变体、偏差、异常混为一谈，但其实它们是三个不同的层次。

我记得刚接触流程挖掘那会儿，导师甩过来一个日志文件让我分析。我盯着字段里的活动名称，完全看不出门道。后来花了整整一周才弄明白——流程不是铁板一块，每次执行都可能不一样。这种不一样，就是变异。

但变异分等级。有些变异是“正常的走法”，有些是“稍微偏了点”，还有些则是“必须拉红灯”的。下面我按自己的理解，把它们拆开讲清楚。

流程变体 – 变异的第一层

什么是流程变体？说白了，就是同一条流程在实际执行中产生的不同路径。比如一个采购流程，有的订单要走经理审批，有的因为金额小直接跳过。这两种路径，就是两个变体。

我在项目中做过一个客户投诉处理流程的分析，日志里有130万条事件。我粗筛了一遍，居然跑了400多种变体。最频繁的变体占了35%，最少的只出现过1次。你能想象吗？同一个流程，最后跑出400种走法。

流程变体可以用轨迹表示。每条轨迹就是活动序列。比如：A→B→C→D 和 A→C→B→D，就是两个变体。注意，即便活动一样，顺序不同也算不同变体。

# 用Python统计变体（示意）
from pm4py.objects.log.importer.xes import importer as xes_importer

log = xes_importer.apply("order_handling.xes")
variants = list(log)

# 每个变体是一个列表
for i, variant in enumerate(variants[:5]):
    print(f"变体{i+1}: {len(variant)}条轨迹")
    print("  → " + " → ".join(variant[0]))

这里要注意：变体多不代表有问题。它可能只是业务允许的多种合法路径。但变体数量突然增多，或者出现全新变体，就值得深挖了。

偏差 – 对比参照线的差异

偏差是啥？就是对某个“理想流程”或“标准流程”的偏离。

这里的关键是“参照线”。没有参照线，就谈不上偏差。我们通常用流程模型（比如 BPMN 图、Petri 网）作为参照线。日志里的行为如果跟模型不一致，就产生偏差。

偏差分两种：

• 插入性偏差 – 实际执行中多做了模型里没有的活动。比如模型里没有“重新审核”，但日志里出现了。
• 遗漏性偏差 – 实际执行中跳过了模型里要求的活动。比如模型要求“审批→付款”，但实际从“审批”直接跳到“发货”，漏了付款。

我在一个银行信贷流程里遇到过离谱的遗漏性偏差：模型里要求“信用评估必须由风控经理签字”，但实际日志显示有27%的案例直接跳过了这个环节。这就是根因关联风险。

偏差度 = (不一致的事件数 / 总事件数) × 100%

例如某流程共1000个事件，其中80个不符合模型
偏差度 = (80/1000) × 100% = 8%

偏差不一定就是坏。有时是模型过时了，实际流程已经优化。但偏差一定意味着“需要解释”。记住这个原则：每条偏差背后都有原因。

异常 – 需要重点关注的极端变异

异常是偏差中最极端的那一类。它通常违反业务规则、超过阈值、或者频繁出现在错误路径中。

我个人的定义是这样的：

• 如果某个行为在日志中出现的概率低于1%，且违反了硬性规则（比如金额超过限额却无特批），那就是异常。
• 如果某个轨迹的执行时间超过正常值3个标准差，那也是异常。
• 如果某个活动从未出现在历史变体中，但突然冒出100次，那也是异常。

检测异常我常用两种方法：

异常处理流程我建议这样走：

1. 自动化检测：用规则+统计跑一遍所有案例，标记异常候选。
2. 专家复核：让业务人员看异常候选，排除误报。
3. 根因分析：找出为什么出现异常，是流程漏洞还是人为错误。
4. 反馈闭环：把确认的异常补入规则库，下次就能自动拦截。

哦对了，还有一个概念叫做“异常簇”。当多个异常在时间或空间上聚集时，往往预示着系统性缺陷。比如某个部门的异常在一天内爆发了30次，那大概率不是个人问题，而是流程设计或者系统Bug。

三者的关系

很多人把变体、偏差、异常当成三个独立概念。其实它们是一条链上的不同位置：

• 流程变体是所有实际执行轨迹的集合，包含一切。
• 偏差是从变体中切出的一块——那些跟“标准”不一样的部分。
• 异常又是从偏差中再切出的一块——最极端、最需要关注的偏差。

下面这张图把三者的层级关系画出来了。你可以从外到内理解：最外圈是所有变体，中间是偏离标准的偏差，最内圈是需要处理的异常。