[論文レビュー] Reverse Engineering Variability in an Industrial Product Line: Observations and Lessons Learned

Sascha El-Sharkawy, Saura Jyoti Dhar+4 more|arXiv (Cornell University)|Oct 12, 2021

Advanced Software Engineering Methodologies参考文献 32被引用数 5

ひとこと要約

本論文は、ボッシュ社の大規模な組み込み製品ラインにおける多様なコードアーティファクトから非ブール型の変動制約を逆引きする拡張された機能効果分析手法を提示する。この手法は、1製品バージョンあたり31.8%から64.9%の機能にわたる依存関係制約を効果的に抽出でき、レガシーデータとドメインエキスパート知識と統合することで、より良い設定ガイドラインと変動モデルの完全性を実現する。

ABSTRACT

Ideally, a variability model is a correct and complete representation of product line features and constraints among them. Together with a mapping between features and code, this ensures that only valid products can be configured and derived. However, in practice the modeled constraints might be neither complete nor correct, which causes problems in the configuration and product derivation phases. This paper presents an approach to reverse engineer variability constraints from the implementation, and thus improve the correctness and completeness of variability models. We extended the concept of feature effect analysis to extract variability constraints from code artifacts of the Bosch PS-EC large-scale product line. We present an industrial application of the approach and discuss its required modifications to handle non-Boolean variability and heterogeneous artifact types.

研究の動機と目的

• ボッシュ社のPS-EC製品ラインにおける年間2,000以上の製品バージョンの設定作業を軽減するため、コードから暗黙の変動制約を逆引きすること。
• 実装アーティファクトから制約を抽出することで、既存の変動モデルの正しさと完全性を向上させること。
• 従来の機能効果分析の範囲外にある非ブール型の機能および多様なアーティファクトタイプ（例：Cコード、設定ファイル）を処理できること。
• 逆引きされた制約をレガシーデータと人的知識と統合し、より継続的で保守性の高い変動モデルを構築すること。
• 自動設定ツールを支援するため、有効な設定の下限を提供することで、有効なコードバージョンが除外されないよう保証すること。

提案手法

• Nadiら（2015）の機能効果分析（Feature Effect Analysis）を拡張し、非ブール型の機能およびCコードや設定ファイルなどの多様なアーティファクトタイプを処理可能にする。
• 速度と柔軟性を最優先にしたブロックベースのコード抽出ツール（KernelHaven – CodeBlockExtractor）を用い、ソースコードから存在条件を解析する。
• 製品ごとの影響分析を実施し、個々の製品バージョンにおける機能依存関係を評価することで制約を同定する。
• 複数の製品からの結果を統合し、技術分野（例：ガソリンエンジン対ディーゼルエンジン）に関連するクラスタリングパターンを特定する。
• レガシーカン figure と手動で作成された機能モデルを統合し、抽出された制約の検証と精緻化を計画する。
• 将来的にはTypeChefを活用し、より正確なマクロおよび変動認識パーサーを導入するが、パフォーマンスのトレードオフが懸念事項である。

実験結果

リサーチクエスチョン

• RQ1 非ブール型の機能を含む産業用ソフトウェア製品ラインにおいて、機能効果分析をどのように変更すれば変動制約を抽出できるか。
• RQ2 標準的なソースコードを超える多様なアーティファクトタイプに機能効果分析を適用するには、どのような変更が必要か。
• RQ3 抽出された制約は、既存の変動モデルと比較して、完全性と一貫性の点でどの程度優れているか。
• RQ4 大規模産業用製品ラインにおいて、逆引きされた制約はどの程度設定作業を軽減できるか。
• RQ5 レガシーカン figure とエキスパート知識を統合することで、逆引きされた変動モデルの品質をどの程度向上できるか。

主な発見

• 個別に分析した場合、逆引きされた制約は1製品バージョンあたり31.8%から64.9%の機能をカバーしており、顕著な依存関係の複雑さを示している。
• 制約付きの機能の分布は広範であるが、公開済みの製品ラインで観察されたものと同等であり、本手法が現実的な依存構造を捉えている可能性を示している。
• 複数の製品からの結果を統合することで、技術分野（例：ガソリン対ディーゼル）に関連するクラスタリング効果が明らかになった。これは、分野特化型の変動モデルの利点を示唆している。
• 本手法は非ブール型の機能および多様なアーティファクトから制約を効果的に抽出でき、機能効果分析の適用範囲を元来の範囲を超えて拡張した。
• 予備的な結果から、より知的で制約認識型の設定ツールを導入することで、設定作業の軽減が顕著に期待できる。
• 今後の課題として、TypeChefへの移行によるパーサーの正確性向上、履歴設定のマイニング、不一致解析および開発者ワークショップによる結果の検証を計画している。