Inductive visual Miner
归纳视觉挖掘器（IvM）[5]将业务流程发现与一致性检查结合在一起，为用户提供了易于使用的流程挖掘探索工具。
给定事件日志，Inductive Visual Miner会自动发现一个过程模型，将该模型与事件日志进行比较，并可视化一些增强功能，例如性能度量，队列长度和动画。所有步骤都是自动化的：如果您更改任何参数或更改任何过滤器，IvM都会自动更新所有必要的内容。
可以通过将事件日志加载到ProM并应用插件“mine with Inductive visual miner”来启动IvM。或者，如果您已经有一个流程树，并且想要将其与事件日志进行比较，请使用插件“ Visualise2”。
流程树上的偏差”可在没有挖掘控件和选项的情况下启动IvM，但具有路线，偏差，动画和突出显示过滤器。
过程树
六种节点：
1.
- xor表示其子孙之一需要被执行。例如，图1流程树表示必须执行“支票索赔”或“支付”。
2.
- sequence表示其所有子级都需要按顺序执行。例如，图2表示首先是“ check claim”，然后是必须执行’pay’。
3.
- interleaved表示需要执行其所有子项，但是这些执行不能在时间上重叠。例如，图3表示必须执行“check claim或“pay”，但必须先完成，然后才能开始另一个。
4.
- concurrent表示其所有子代都需要执行，并且它们可能在时间上重叠。例如，图4流程树表示“支票索赔”或“支付”必须彼此独立执行。
5.
- or表示至少需要执行其子项之一。如果执行了多个子代，则它们在时间上可能会重叠。例如，图4表示必须执行“支票索赔”或“支付”或两者都执行。如果同时执行了“支票索赔”和“付款”，那么这些执行是独立的。属于inclusive choice
6.
- loop表示必须执行第一个孩子。执行完第一个子项后，可以选择终止还是再次执行第二个子项，然后再执行第一个子项，然后再次做出相同的选择。例如，图6流程树表示始终执行“check claim”。之后，可能会重复执行“pay”后跟“check claim”
控制器及参数
活动滑块
活动滑块控制应用了发现算法的事件日志中包含的活动部分。也就是说，在发现之前，将对事件日志进行过滤。滑块的位置（介于0和1之间）确定显示许多活动保留在过滤后的事件日志中。例如，日志[<a，b，c>，<a，b>，< a >]具有频率表[a3，b2，c]，如果将活动滑块设置为0.4，则所有事件对应发生的活动超过发生次数最多的活动的0.4倍。在示例中，过滤后的事件日志将为[<a，b> 2，< a >]，并且向此过滤后的事件日志应用发现算法。
其实就是删除活动不足的事件。
请注意，这只会影响发现，即IvM的所有其他部分（包括对齐方式和动画）均不受此滑块的影响，将其和``paths’'滑块（如下所述）一直设置到1.0，并将miner选择器设置为IMf guarantees fitness。但是，如果事件日志除了包含完整的生命周期过渡，可能还会显示偏差。
路径滑块
路径滑块控制应用的噪声过滤的数量：如果设置为1，则不应用噪声过滤;设置为0时，将应用最大噪声过滤。从技术上讲，滑块将发现算法的输入设置为1-滑块。默认值为0.8，对应于1-f = 0.2的IMf，IMflc 和IMfa噪声过滤。将两个滑块一直推至1.0，并将miner 选择器设置为IMf guarantees Fitness。但是，IvM的对齐方式始终考虑到生命周期信息，因此可能仍然存在偏差。
分类选择器
分类器选择器控制决定事件活动的因素：XES日志中的事件可以具有多个数据属性[3]，而该选择器确定这些数据属性中的哪一个确定活动的类型。可以使用复选框选择事件属性的任何组合。
挖掘前过滤开关
挖掘前过滤器开关打开一个面板以设置开采前过滤器。开采前过滤器不会更改对齐方式，性能指标或动画，但会过滤用于发现模型的日志。要激活预过滤器，请选中其复选框。例如，预过滤器“跟踪过滤器”允许仅使用花费超过10,000的客户来发现模型。
挖掘器选择
挖掘器选择器允许选择要使用的挖掘算法。缺省为IMf，其他包含的选项为生命周期算法IMflc，IMfa,dirrectly-follows miner。我们限制了用户的选择范围：在[4]的评估中，这些算法被证明最适用于现实事件日志。
编辑模型
编辑模型开关将打开一个面板，以手动编辑发现的模型，如下所述。如果结果不令人满意，这使用户可以纠正发现算法，并在同一事件日志上尝试使用不同的自定义模型的效果。
可视化模式选择器
- paths:默认模式，显示模型；活动和边上的数字表示每个活动的执行总数
- 路径和偏差显示模型：活动中的数字表示每个活动的执行总数。此外，红色虚线边缘表示对齐的结果：图6b显示了模型移动，表明活动记录在事件日志中被跳过了一次，而模型则说它应该已经执行了。图6c显示了一个日志移动，该日志移动指示在执行活动b之后事件日志中有9次事件在事件日志中发生，而根据模型该事件不应发生。
- 路径和队列长度：显示了模型，并表示每个活动都在其前面的队列长度，即等待此活动开始的案例数。如果事件日志包含带有入队和开始生命周期信息的两个事件，则此队列长度是准确的。否则，使用[6]中描述的方法进行估计。随着动画的进行，此队列大小将更新。
- 路径和停留时间：显示模型，并使用该活动的平均停留时间来表示每个活动。使用完成事件来计算停留时间。不估算停留时间，即，如果没有同时出现两个必需的完成事件并且没有时间戳，则将活动实例从平均值中排除。也可以通过将鼠标光标放在活动上来检查绩效指标：弹出窗口将显示绩效指标和直方图。应用任何日志过滤后，性能指标会自动更新
- 路径和服务时间：显示模型，并以每个活动的平均服务时间来表示每个活动。使用开始和完成事件计算服务时间。服务时间未估算，即如果对于一个活动实例，启动事件和完成事件都不同时存在并且没有时间戳，则该活动实例不被视为平均值。
ctrl+dkeyi 改变模型方向