信息技术改变了企业传统的运作方式，在过去的十年间，大量的工作流管理技术被应用于企业实际运作。如Staffware、IBM MQSeries和COSA等工作流管理系统为企业流程管理提供了强有力的工具，但在实际的运用中也存在一些不足，首要的问题就是模型的设计。 为了在急剧变化的环境中保持竞争力，企业需要不停地对现有的流程再设计。工作流管理系统是由预先建立的工作流模型所驱动，工作流模型对于企业信息系统的设计也起着至关重要的作用。传统的工作流建模方法需要投入大量的时间，一般是由商业顾问和管理者共同完成，他们对模型的理解往往会影响模型的质量，因此探索一种更有效更准确的工作流模型建模技术具有非常重要的现实意义。工作流管理系统日志中包含商业流程各个活动的执行过程，可以利用这些更为“客观”的信息建立工作流模型。已经有很多学者在这一领域做了研究工作，例如Agrawal、Gunopulos和LeyMann，Herbst和Karagiannis，以及Greco、Guzzo等人。随着工作流模型理论的发展，因为Petri网具有比较严格的数学理论基础，有利于工作流模型的形式化验证和分析，所以越来越趋向于用Petri网的理论来描述工作流。目前已有的针对Petri网模型的过程挖掘算法主要是Aalst提出的α算法以及对该算法的一些扩展。这类算法主要根据引擎日志中记录的活动间发生的顺序关系来进行挖掘工作。但是目前针对Petri网模型的算法还有一些问题不能够很好的解决，主要是工作流过程模型中的某些网结构，算法不能够正确的进行挖掘，例如重复活动、非可见活动、循环、隐式库所和同步汇聚等，而这些结构在业务过程模型中是常见的。 本文以时间信息为基础提出了一个新的算法。这个算法主要分为两步：1．构建平均值表；平均值表中包含一下信息：平均连续等待时间、平均跟随等待时间、边效力率、平均交叉时间、平均执行时间以及从一个任务到任意其他任务的任务跳转率。所以，为工作流日志中的每一个任务构建了平均值表。假定所有的工作流日志由工作流实例保存下来。在构建平均值表的时候，首先从工作流日志中找出一个跟踪路线。然后从这个跟踪路线中，抽象出实例、活动、事件类型、