一种基于事件日志的服务价值链构建方法

1.本发明属于信息技术领域，涉及一种制造行业的价值链挖掘算法，尤其涉及一种以制造产品为核心的产品服务系统服务价值链的构建方法。


背景技术：

2.在产品的同质性显著，市场竞争激烈的环境下，企业为了实现价值的增长，产品和服务的集成链越来越复杂，也更加关注服务和价值的共创理论，价值的来源越来越向客户需求转移。相对于传统的产品导向，服务导向的企业更关心如何实现客户的期望价值，即以客户需求为核心，服务提供商与客户合作，在整个服务流程中创造价值。
3.产品服务系统是由产品、服务、参与者网络和支持基础设施组成的持续满足客户需求的系统。在制造业中，产品服务系统为客户提供了作为服务载体的产品，同时也给供应商带来了异质性，并增强了供应商的竞争优势。产品服务系统通过创造价值，将企业、客户和环境连接在一起，可以带来服务的增值，带来具有异质性的个性化服务的同时提高企业利润率。
4.在制造业中，服务提供商通常需要与合作伙伴一起提供产品和服务，以满足客户的需求的复杂性。因此，根据这些参与者在服务中的角色不同，可以将他们分为三种类型：客户、服务提供者及其合作伙伴。客户是指服务系统中的消费者个人或组织，服务需求的提出者和价值的最终实现者。服务提供者是服务系统中产品服务的提供者，是完成服务流程、满足客户服务需求的核心企业。合作伙伴是协助服务提供者共同完成服务的参与企业或个人，包括供应商、物流服务提供商、维护服务提供商等。
5.在产品服务系统中，服务流程中的活动是价值的载体，而参与完成活动的所有参与者，即利益相关者，都应该创造价值。一般来说，参与者总是期望最小化价值输入值和最大化价值输出值。考虑到服务价值的维度和粒度以及参与者对价值的感知，我们可以把价值分为以下几种类型：一般性的价值、领域相关的价值和参与者相关的价值。一般性的价值是由产品服务系统中参与者所创造的，不受产品和服务类型影响的价值，主要包括时间、空间(状态)、交付、成本、价格等。领域相关的价值是指与具体领域有关的价值，在不同领域的创造的价值一般会有所不同。参与者相关的价值是指参与者在产品服务系统中创建的与自身相关的价值。在服务的流程中，参与者会将价值期望与实际情况作对比，这会对价值创造产生影响。我们可以将这些提取的服务价值映射到三个维度：时空维度、经验维度和利益维度。时空维度指为了满足客户需求，参与者花费的时间或者活动中产品产生的物理位移，例如物流配送、维修效率等；经验维度指一些无形价值，这些无形价值会影响整个服务流程或者服务的结果，例如工程师的经验、公司声誉等；利益维度指参与者在活动中的所得利益，与具体的参与者有关，例如公司的收入等。由于事件日志是服务流程执行中记录信息的集合，并且模型中的每个活动对应于许多特定的活动实例，因此在提取所有特定活动的价值后，还需要对它们进行抽象，我们可以用平均值或者取值范围来代表某一价值的取值。
6.流程挖掘是指从企业信息系统中收集的实际业务执行的事件日志记录中获取流
程知识，并提取结构化流程模型的技术，可以发现、监控和改进实际的系统行为。α算法是流程挖掘的一个里程碑算法。它通过找出流程中的活动并挖掘日志中的四个基本关系，即跟随、并发、因果和不相关关系，来构建一个由petri网表示的流程模型。但由于α算法不能解决噪声问题和识别异常问题，研究者提出了一系列不同角度的新算法来解决这些问题，如归纳式挖掘算法、启发式挖掘算法等。
7.虽然这些算法已经广泛应用于实际分析中，但仍存在一些问题。在服务化的趋势下，传统的流程挖掘算法不能满足服务场景的需求，也不能挖掘服务流程中的价值信息，因此需要从服务和价值创造的角度对这些算法进行优化。


技术实现要素：

8.针对当前越来越多的制造企业正从以产品为中心转向以服务为中心的服务化趋势，如何为制造企业构建服务价值链以帮助企业获取更多收益的问题，本发明提供了一种基于事件日志的服务价值链构建方法，用于从事件日志中挖掘面向客户的服务价值链模型。该方法采用企业信息系统中服务流程实际执行所产生的事件日志来自动构建服务价值链，不仅能够真实体现实际的服务流程中价值共创的关系，而且能够避免了人工构建服务流程的错误，可以帮助企业理解服务过程中的价值创造机制，优化企业的服务流程，进而提升企业的竞争力。
9.本发明的目的是通过以下技术方案实现的：
10.一种基于事件日志的服务价值链构建方法，用于从事件日志中挖掘面向客户的服务流程模型，提取服务活动的参与者和价值信息，来构建服务价值链。包括如下步骤：
11.步骤一、原始事件日志的过滤：
12.对从企业信息系统运行过程中得到的原始事件日志进行过滤操作，得到有效的服务事件日志，其中：原始事件日志的过滤包括不完整流程过滤和错误流程过滤，通过识别标签是否成对出现来判断流程是否完整，通过判断流程的触发与交付活动来判断流程是否正确。具体步骤如下：
13.(1)对事件日志进行扫描，得到组成事件日志的流程实例；
14.(2)流程实例的完整性确定：得到流程实例之后，进行完整性的判断，判断标准是看标签是否成对出现，即通过扫描《trace》是否与《/trace》成对出现，来判断这是否是一条完整的流程实例，不完整的流程实例将被过滤；
15.(3)去除错误的流程实例：如果第一个活动不是由客户触发的，或是不存在服务的交付，那么该流程实例就属于错误的流程实例，利用《event》事件属性中“time:timestamp”对应的值得到轨迹事件序列，在第一个活动中，判断键“org:role”对应的值是否为“customer”，如果没有则认为该服务流程实例错误，将其过滤，否则进入下一步判断，即判断流程实例中最后的事件的属性“concept：name”对应的值是否为“archive”，也就是服务流程交付后的存档工作，如果没有则直接将该流程实例过滤。
16.步骤二、因果矩阵的挖掘：
17.基于有效的服务事件日志，进行因果矩阵的挖掘操作，得到因果矩阵。
18.挖掘因果矩阵，通过依赖关系的计算可以得到事件之间的因果相关性，进而可以解析日志获得日志中所有事件之间的顺序。
19.现在已有可以挖掘因果矩阵的方法，原理如下：
20.假设t为服务流程中所有活动的有限集合，有两个活动分别为a和b，表示活动a和b之间的依赖关系，通过来计算依赖关系的确定程度，即二者存在依赖关系的概率。其中，a，b∈t，w为t中所有或部分活动组成的事件日志，a＞wb表示在流程实例中，a与b相邻发生，且a发生在b之前，|a＞wb|为w中出现a＞wb的次数。
21.因果矩阵中表示了事件之间的因果相关性，可以通过因果矩阵解析日志获得日志中所有事件之间的顺序。其中每一个元素都是由上述公式计算得出的，每一行与每一列都对应了流程实例中的活动。计算得到的值越大，表示两个活动之间的依赖关系越强。
22.步骤三、依赖关系图的挖掘：
23.识别活动之间的关系，并根据因果矩阵建立依赖关系图。
24.构建依赖关系图时，对因果矩阵的挖掘结果进行数值分析，得到活动之间的顺序与因果关系，据此构建依赖关系图。具体步骤如下：
25.在得到因果矩阵之后，对每一行活动对应的列中数据进行分析，如果某一个活动对应的列值没有正数，那么就说明没有任何活动在它前面，即可以认为它是初始活动，然后根据初始活动对应的行，找到取值最大即依赖程度最大的数对应的活动，这个活动即为第二个活动，然后，再根据第二个活动去找第三个活动，即先定位到第二个活动对应的行，去找这一行中最大的依赖值对应的列，该列对应的活动就为第三个活动，以此类推，得到一个完整的活动顺序，按照因果矩阵计算的因果关系，得到依赖图。
26.步骤四、参与者和价值信息的提取：
27.对有效事件日志进行提取分析，得到参与者集合和价值集合，其中：
28.提取参与者与价值集合时，参与者集合通过识别特定案例中是否会同时执行活动，来判断它们之间的合作与竞争关系，依据活动构建对应的参与者集合，依据参与者之间的关系得到集合内部的成员结构。
29.参与者有两种关系：合作关系与竞争关系。如果对某一特定活动来说，每个参与者都不可缺少且同时出现，那么他们之间就属于协作关系。否则，如果不同的参与者在不同的案例中执行该活动，从不在同一案例轨迹的该活动中同时出现，就认为参与者之间是竞争关系。合作关系的参与者存储在一个参与者集合中，竞争关系的参与者存储在不同的参与者集合中。将上述所有集合存储在一个总的集合中，这个集合就是对特定活动来说的参与者集合。比如，对于某一具体的活动，有{{actor1，actor2}，{actor3}}，则actor1和actor2是合作关系，所以存储在同一集合中，而与actor3是竞争关系，所以在不同的集合中，这两个参与者集合放入同一集合中，组成了对该特定活动的一个参与者集合。
30.在具体实施方面，可以利用事件日志中的属性，找到每个事件活动中key为“org：resource”和“org：role”对应的值，得到每个活动的参与者。根据xes扩展标准，其中key＝“org：resource”对应的是活动的触发资源，此处为活动的主要执行者。而key＝“org：role”往往是顾客或者其他利益相关者，参与到活动中来进行价值共创。
31.价值集合是针对特定活动的特定参与者定义的。其中包括输入价值与输出价值，即{v
in
，v
out
}。在输入价值与输出价值中，又包括三个维度的价值，分别是时空维度价值、经验维度价值以及利益维度价值，即{v
ts
，v
expr
，v
prof
}。
32.对于时空价值而言，其中时间的衡量是需要经过计算的。根据《time：timestamp》获取时间戳，计算时间差得到每个案例中活动对应耗费的时间。除此之外，参与者完成活动的时间也能够反映出参与者的效率高低，有利于企业进行管理。其他维度的价值往往比较个性化，和具体行业企业也有相当的关系。所以需要结合领域知识，提取其他活动价值，分析提取并将其统计抽象。
33.步骤五、活动-参与者映射图的构建：
34.识别活动与参与者关系，构建活动-参与者映射图。
35.同一个活动可能由不同的参与者完成，而同一个参与者在流程中也可以参与不同的活动。得到活动间的因果矩阵后，可以进一步将活动与活动的参与者联系起来，统计活动与参与者之间的关系，得到活动-参与者矩阵。矩阵中的不同的行表示服务流程中所包含的活动，列表示服务流程中所有的参与者，矩阵中的数据为0或1表示活动与参与者之间是否存在联系。当第i行第j列对应元素值为1的时候，表示第j个参与者参与了第i个活动的完成。而当对应元素为0的时候则是未参与活动的完成。但是活动-参与者矩阵只能找到对应活动的参与者，并不能区分参与者之间的关系，所以进一步构建活动-参与者映射图。
36.构建活动-参与者映射图需要将参与者及其之间的关系与活动对应起来，本方法使用一个散列映射来存储，对于某一特定活动来说，会有一个参与该活动的参与者集合，在集合中包含了参与该活动的所有参与者，该总的参与者集合中也包含着不同的集合，在不同的集合内部，参与者之间是合作关系，在不同的集合之间，参与者是竞争关系。以activitya这一特定活动为例，按照步骤四，将它对应的协作参与者存储到相应的集合中，再将所有互斥的参与者集合存储到一个集合中，从而得到activitya与其总参与者集合的对应映射。集合之间为互斥关系，而集合内部为合作关系。所有活动与其参与者的映射即为对应的活动-参与者映射。
37.步骤六、参与者-价值映射图的构建：
38.对于一个特定的活动，有不同的参与者，而这些参与者又会产生价值信息，结合价值集合与活动-参与者映射图，找到参与者与参与活动产生的价值之间的关系，构建参与者-价值映射图。
39.参与者-价值映射采用键值对的方式存储，键是参与者，值是对应的价值集合，价值集合与步骤四所述一致，包含了两个valueelement对象，一个表示输入价值，另一个表示输出价值。每个valueelement又对应着三个集合，分别存储了时空、经验以及利益维度的价值集合。
40.步骤七、服务价值链的构建：
41.根据a weijters和wil van der aalst提出的启发式流程挖掘算法，从依赖图开始，根据现有的and/xor-split/join关系的测量公式，计算短循环并且识别活动之间的选择与并行关系，然后利用长距离依赖关系的计算指数确定非局部长距离依赖关系。这种依赖关系是指，在某些流程模型中，两个活动的选择受到其他活动选择的影响。比如一个流程实例中，部分活动顺序为abcd，在d之后选择进入活动e或活动f，但是活动e和活动f的选择
还受到已经进行过的活动b和活动c的影响，此时我们称这个流程存在非局部长距离依赖，现在已存在一些算法可以发现这种依赖关系。之后，结合活动-参与者、参与者-价值映射信息，构建服务价值链。
42.在短循环的判断中，长度表示循环的长度，如果a、b、c、d代表四个活动，那么长度为1代表一个活动进入循环，可能会产生abbcd、abbbcd等流程实例。长度为2代表两个活动进入循环，可能会产生abcbcd、abcbcbcd等流程实例。但是在实际计算依赖关系中，计算得到的和的值可能会很低，所以要针对这种短循环进行特殊处理，假设t为服务流程中所有活动的有限集合，对短循环的处理方法定义如下：
[0043][0044][0045]
其中，a，b∈t，w为t中所有或部分活动组成的事件日志，2w表示对短距离为2的流程实例识别，a＞＞wb表示在一个流程实例中，活动的发生顺序为a，b，a。其余符号定义与含义与步骤二中一致。
[0046]
在进行短循环的判断后，根据序列出现的频率计算确定出选择和并行关系，通过活动之间的关系得到所有活动对应的输入输出活动集，构建基本流程结构。定义其中符号的含义与步骤二中定义一致。如果得到的取值趋近于1，则表示b和c是and，即并行关系，否则接近于0表示是xor，即选择关系。挖掘非局部长距离依赖关系，长距离依赖关系定义为其中符号含义与步骤二中定义一致，a＞＞＞wb表示活动b在活动a后发生，但二者不一定相邻，可以实际情况，通过对该取值设定一个阈值来对长距离依赖做出定义。
[0047]
结合依赖图、长距离依赖与活动之间的选择和并行关系，可以构造服务流程模型。在得到挖掘出的服务流程模型基础上，添加步骤五、步骤六中挖掘出的活动-参与者、参与者-价值映射信息，构建服务价值链，其中：所述服务价值链是指添加了价值信息注释的服务流程模型，记为spvm＝(t，c，i，o，ts，te，a，v)，其中，t是所有活动的有限集合；c∈t
×
t是有限的因果关系集；i：t
→
i(t)是输入的映射函数，其中t∈t，i(t)＝{t’|(t’，t)∈c}；o：t
→
o(t)是输出的映射函数，其中t∈t，o(t)＝{t’|(t’，t)∈c}；ts∈t，ts是服务流程中由客户触发的第一个活动；te∈t，te是服务的交付活动；a是活动的参与者集合；v是活动的价值集合。
[0048]
相比于现有技术，本发明具有如下优点：
[0049]
本发明根据产品服务系统中服务流程的特点和服务流程中参与者的价值创造机制，提出了一种基于事件日志的服务价值链构建方法。通过这种方法，不仅可以从服务事件日志中挖掘服务流程，还可以提取服务参与者和服务价值，建立服务价值链。服务价值链显
示了服务流程中每个活动的参与者与每个参与者在完成活动时所创造的价值之间的关系，它可以帮助企业理解服务过程中的价值创造机制，并优化服务。
附图说明
[0050]
图1为活动-参与者映射图；
[0051]
图2为带有活动的参与者-价值映射；
[0052]
图3为改进算法的思想；
[0053]
图4为维修测试的实例；
[0054]
图5为事件日志对应因果矩阵；
[0055]
图6为活动依赖图；
[0056]
图7为示例中活动-参与者映射图的一部分；
[0057]
图8为示例中参与者-价值映射图的一部分；
[0058]
图9为示例的服务价值链。
具体实施方式
[0059]
下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。
[0060]
本发明提供了一种基于事件日志的服务价值链构建方法，所述方法以产品服务系统为背景，以企业信息管理系统中存储的大量服务事件日志为基础，基于因果矩阵以及依赖图，改进启发式流程挖掘算法以提取服务时间日志信息建立活动-参与者和参与者-价值映射，并确立服务流程中客户、企业以及合作伙伴的价值共创关系，从而实现服务价值链的构建。
[0061]
为了更清晰展现本发明的具体实现方法，首先描述一些相关的概念：
[0062]
服务流程由不同的活动组成，每个活动都包含一个或任意数量的参与者。在整个活动流程中，参与者参与价值的创造和交换，同时满足自己的价值期望。服务流程强调以客户为导向的理念，以客户需求为流程的起点，以向客户提供服务作为服务的终点。本发明提出了服务流程模型的定义：服务流程模型是c-net格式，记为spm＝(t，c，i，o，ts，te)，其中，t是所有活动的有限集合；c∈t
×
t是有限的因果关系集；i：t
→
i(t)是输入的映射函数，其中t∈t，i(t)＝{t’|(t’，t)∈c}；o：t
→
o(t)是输出的映射函数，其中t∈t，o(t)＝{t’|(t’，t)∈c}；ts∈t，ts是服务流程中由客户触发的第一个活动；te∈t，te是服务的交付活动，而客户必须是该活动的参与者。该定义强调客户参的初始活动和服务交付的活动。服务价值链是指添加了价值信息注释的服务流程模型，记为spvm＝(t，c，i，o，ts，te，a，v)，其中，t，c，i，o，ts，te和服务流程模型spm含义相同；a是活动的参与者集合，由于所以a是t的参与者；v是活动的价值集合，v(a
×
t)∪(t
×
a)是活动和参与者的价值输入和价值输出。
[0063]
服务价值链显示了服务流程中每个活动的参与者，以及每个参与者与价值创造之间的关系，使得模型所包含的信息更加丰富，应用场景也更加广泛。它可以帮助企业理解服务流程中的价值创造机制，从而进行服务的优化，使之更符合当前生产企业从产品制造到
产品服务转型的需求。
[0064]
为实现上述目标，本发明采用以下技术方案：
[0065]
(1)原始事件日志的过滤。对存储在企业信息系统中服务流程运行得到的原始事件日志进行过滤，包括不完整流程过滤和错误流程过滤。通过判断标签是否成对出现，来判断流程是否完整，另外判断流程的第一个活动是否由客户触发，以及流程中是否有服务交付，从而确定服务流程是否正确。如果其中一个项不为真，则该流程就不是正确的服务流程。过滤后可以得到有效的服务事件日志。
[0066]
(2)因果矩阵的挖掘。基于有效的服务事件日志，可以进行因果矩阵的挖掘操作，进而可以识别活动之间的关系，来得到所有活动的顺序与直接跟随关系。
[0067]
(3)依赖关系图的挖掘。当得到了因果矩阵之后，可以找到初始活动，后续活动的依赖关系相关指数进行判断，即可进行活动依赖关系图的挖掘。
[0068]
(4)参与者和价值信息的提取。基于有效的服务事件日志，可以同时进行参与者和价值信息的提取操作，可以通过日志中活动的属性，来识别并分析相关参与者的属性和价值属性。
[0069]
(5)构建活动-参与者映射图。对流程实例中键为“concept:name”对应的值进行识别可以得到各活动，活动中键为“org:resource”和“org:role”对应的值进行识别，得到每个活动的参与者，以此可以构建活动-参与者矩阵。活动-参与者矩阵里的元素代表该某活动是否有某参与者参与，如果值为1代表参与，值为0代表没有参与。但是，在该矩阵中只包含了某活动是否有某参与者参与的信息，参与者之间关系的信息并没有很好展现。所以，根据已得出的参与者之间的关系，与活动-参与者矩阵得出的活动与某个具体参与者的关系，可以构建活动-参与者映射图。对于服务流程中的每个活动，都有相应的利益相关者参与完成该活动并产生价值增值。一个活动的价值增值和参与者密切相关，同一参与者在不同活动中带来的价值增值不同，参与同一活动的不同参与者带来的价值增值也不同。因此，有必要区分服务流程中活动的不同参与者。对于相同的活动，可能会有多个参与者的参与，他们的关系可能是合作或者竞争。如果活动由几个参与者合作完成，即每个参与者对于活动的完成是必须的，这样参与者就属于合作关系；如果参与者在完成活动过程中是独立进行的或者没有同时出现在同一流程实例中，那么参与者就属于竞争关系。将完成活动的参与者放入一个集合中，集合中的每个元素代表一组竞争关系的参与者，其中可能包含一个或多个参与者。将活动与参与者的因果关系与从事件日志中提取的参与者信息相结合，可以建立活动与参与者之间的映射关系，如图1(a)所示。活动-参与者映射图的一个示例如1(b)所示，活动1的参与者是{actor1，actor2}或{actor3}，也就是说，活动要么由参与者1和参与者2合作或由参与者3单独完成；活动2要么由{actor4}完成，要么由{actor5}完成。图1(b)所示可以表示为：{activity1→
[[actor1，actor2]，[actor3]]，activity2→
[[actor4]，[actor5]]}。
[0070]
(6)构建参与者-价值映射图。结合领域知识，基于参与者和价值信息，分析参与者和价值之间的映射关系，形成参与者-价值映射图。在服务过程中，参与者通过完成活动来产生价值增值。价值的创造不仅与活动有关，而且与参与者密切相关，由不同的参与者完成相同的活动，可能会产生不同的增值。参与者参与活动的过程可以由一个或多个事件记录。通过事件的属性，可以提取出一般性的价值、领域相关的价值和参与者相关的价值。然后，
根据价值的特征，将得到的价值信息映射到三个服务维度：时空维度、利益维度和经验维度。这些价值是通过参与者参与活动产生的，包括输入价值和输出价值。在此基础上，如图2(a)中的虚线框所示，可以构建参与者和服务价值之间的映射关系。参与特定活动的每个参与者都有输入价值v
in
和输出价值v
out
，它们由三个维度的价值信息表示，其中v
ts
代表时空维度，v
expr
代表经验维度，v
prof
代表利益维度。如果参与者在完成活动时没有价值的生成，则可以从活动中的参与者集合中删除该参与者。
[0071]
(7)最后，从依赖图开始，根据and/xor-split/join关系的测量公式，计算确定多个活动之间的选择和并行关系，然后利用长距离依赖关系的计算指数确定非局部依赖关系，结合参与者-价值图构建服务价值链。
[0072]
以上步骤中，(2)、(3)与(4)、(5)、(6)为并行执行关系。
[0073]
整个算法如图3所示，算法具体描述如下：
[0074][0075][0076]
实施例：
[0077]
本实施例通过一个著名家电制造商的空调售后服务流程的事件日志，对本发明作进一步的验证工作。
[0078]
服务流程从客户的维修申请开始，由客户通过呼叫中心、微信小程序、应用程序或服务市场手动触发。然后，智能交互系统会根据客户信息对客户进行识别，并通过聊天机器人与客户取得联系。如果机器人不能正确解决客户的问题，它将移交给人工客服解决。本阶段可以解决一些简单的常见问题，如由于遥控器没有电源导致空调无法打开的问题。
[0079]
如果该问题人工客服仍未解决，他将通过服务订单中心发起服务订单。维修工程师会通过服务订单中心获取订单，然后他会在指定的时间上门维修。当维修完成后，维修工程师需要测试故障是否已被修复。如果故障未被修复，则需要重新进行维修。如果故障已经被消除，则维修服务成功交付。按照规定，工程师通常不可能无限次数进行维修，如果维修3次仍未修好，将为客户提供更换服务。
[0080]
服务完成后，客户可以对服务进行评估，最后系统需要对整个维修服务的信息进行归档。由于日志中的数据涉及企业的业务运行信息，所以对数据进行了预处理，一次维修测试的实例如图4所示。
[0081]
按照前文所述的方法进行操作，具体步骤如下：
[0082]
第一步，对事件日志进行过滤，得到有效的事件日志。
[0083]
第二步，挖掘因果矩阵。解析日志获得日志中所有事件之间的顺序，通过不同顺序出现的频次、频率对活动之间的依赖关系度量值进行计算，可以得到对应因果矩阵，如图5所示。在因果矩阵中，能够看出活动两两之间对应的依赖值，如“apply repair”和“archive”之间的依赖程度为-1.0，表示对应的两个活动之间没有依赖关系。而“service evaluation”和“archive”之间的依赖程度为0.99，存在着直接后继关系，当顾客完成对服务的评价之后就需要将相关信息进行文件存档。
[0084]
第三步，挖掘依赖关系图。得到因果矩阵后，进一步通过计算并判断长度为1和2的循环关系对于每一个活动进行判断其是否存在，构建基本的依赖图如图6所示。
[0085]
第四步，提取参与者和价值信息。可以从每个《event》的“org:resource”以及“org:role”获得活动的参与者信息，也可以从《event》的属性中获取价值信息。例如，从“time:timestamp”获取时间信息，从“productstate”获取产品状态信息，从“expr:evaluation”获取用户的评价或体验信息等。
[0086]
第五步，构建活动-参与者映射图。第六步，构建参与者-价值映射图。可以在第四步中得到参与者集合和价值集合，这样就可以根据前文所述方法构建映射图。首先可以构建活动与参与者之间的关系构建映射图，图7显示了该示例中部分活动-参与者的映射关系，标明了活动名称、参与者名称和参与者之间的关系。同时也可以根据参与者和价值之间的关系构建映射图，图8显示了该示例中部分参与者-价值的映射关系，标明了活动名称、参与者名称、价值输入与价值输出，以及不同维度的价值信息。
[0087]
第七步，构建服务价值链。将参与者-价值的映射图的内容标注到服务流程中相应的活动中，即可完成服务价值链的构建，本示例中构建的服务价值链如图9所示。