[論文レビュー] Pragmatic Requirements for Adaptive Systems: a Goal-Driven Modelling and Analysis Approach

Felipe Pontes Guimarães, Genaína Nunes Rodrigues+2 more|arXiv (Cornell University)|Mar 24, 2015

Advanced Software Engineering Methodologies参考文献 11被引用数 7

ひとこと要約

本稿は、従来の適応型システムのための目標モデルにおける制限を克服するため、文脈に応じて満たし基準が動的に変化する「実用的目標」を導入する。この研究では、特定の文脈下で目標が実用的に達成可能かどうかを自動的に判定するアルゴリズムを提案し、人的判断と比較してほぼ即時の信頼性の高い結果を達成する、目標駆動型モデリングアプローチを提示する。

ABSTRACT

Goal-models (GM) have been used in adaptive systems engineering for their ability to capture the different ways to fulfill the requirements. Contextual GM (CGM) extend these models with the notion of context and context-dependent applicability of goals. In this paper, we observe that the interpretation of a goal achievement is itself context-dependent. Thus, we introduce the notion of Pragmatic Goals which have a dynamic satisfaction criteria. We also developed and evaluated an algorithm to decide the Pragmatic CGM's achievability. Finally, we performed several experiments to evaluate and to compare our algorithm against human judgment and concluded that the specification of context-dependent goals' applicability and interpretations make it hard for domain stakeholders to decide whether the model covers all possibilities, both in terms of time and accuracy, thus showing the importance and contribution of our algorithm.

研究の動機と目的

• 目標の解釈が文脈依存的であるが、形式的にモデル化されていない既存の目標モデルにおけるギャップを埋める。
• 従来のハード目標およびソフト目標では、目標達成の文脈特有の解釈を捉えられていないことを認識する。
• 文脈依存の満たし基準を目標モデリングに統合する形式的モデルを実用的目標のために開発する。
• 与えられた文脈下で実用的目標の達成可能性を判定するための自動推論アルゴリズムを設計・評価する。
• 適応型システムの要件分析において、人的判断よりも速度と正確性に優れた、このアルゴリズムの有効性を実証する。

提案手法

• 目標の満たし方が文脈的解釈に依存するという点で、文脈的目標モデル（CGM）の拡張として実用的目標を導入する。
• 実用的目標の達成可能性を、文脈依存的解釈を満たす有効な実行計画の存在として定義する。
• CGM木の再帰的解析アルゴリズムを開発し、部分目標を走査しながら文脈特有の条件を適用することで達成可能性を評価する。
• 目標間の寄与や拒否を含まないと仮定することで、木構造を維持し、線形時間計算量を達成する。
• 指定された文脈下で実用的目標の実行計画を生成するために、アルゴリズムを実装する。
• モバイル個人緊急通報システムの事例研究を用いて、アルゴリズムの評価を行い、人的ボランティアとの比較を実施する。

実験結果

リサーチクエスチョン

• RQ1 目標の満たし基準が文脈に応じて動的に変化する場合、どのようにして形式的に目標の満たしをモデル化できるか？
• RQ2 自動アルゴリズムは、文脈依存的目標の達成可能性を人的判断が上回る程度はどれほどか？
• RQ3 根目標が達成不能となる文脈集合を、アルゴリズムが効率的に同定できるか？
• RQ4 CGMにおける目標数および文脈数の増加に伴い、アルゴリズムのスケーラビリティはどのように変化するか？
• RQ5 このアプローチをランタイム適応および要件工学ツールに統合する可能性は何か？

主な発見

• 提案されたアルゴリズムは、実用的目標の達成可能性を数ミリ秒で判定でき、人的判断は1回あたり最大17分を要したのと比べて顕著に優れている。
• 人的判断による達成可能性の評価はわずか27.81％の信頼性にとどまり、手作業分析の限界を示している。
• アルゴリズムは実用的目標の達成可能なパスを高い一貫性で正しく同定した。これは、要件工学における信頼性の高い手法であることを示している。
• アルゴリズムは目標数および文脈数に対して線形にスケーリングされ、10,000ノードおよび20の文脈を含むモデルを1秒未塔で処理できた。
• 15の文脈および最大10,000ノードを含むモデルでは、アルゴリズムが1分未塔ですべての文脈組み合わせを評価し、包括的な文脈空間解析を可能にした。
• このアプローチにより、未達成となる文脈を事前に同定でき、設計時分析および将来的なランタイム適応の両方を支援する。