[论文解读] Towards Automatic Model Completion: from Requirements to SysML State Machines

Maria Stella de Biase, S. Marrone+1 more|arXiv (Cornell University)|Oct 7, 2022

Systems Engineering Methodologies and Applications被引用 5

一句话总结

本文提出了一种半自动方法，通过自然语言处理（NLP）与形式化语法技术，将BDD风格的自然语言需求转换为完整的SysML状态机片段。通过将需求与预定义的MetaRequirements匹配，并将其映射到SysML MetaFragments，该方法实现了可追溯性增强、错误减少的模型补全，在铁路信号案例研究中展示了模型质量的提升与工具辅助的可追溯性。

ABSTRACT

Even if model-driven techniques have been enabled the centrality of the models in automated development processes, the majority of the industrial settings does not embrace such a paradigm due to the procedural complexity of managing model life cycle. This paper proposes a semi-automatic approach for the completion of high-level models of critical systems. The proposal suggests a specification guidelines that starts from a partial SysML (Systems Modeling Language) model of a system and on a set of requirements, expressed in the well-known Behaviour-Driven Design paradigm. On the base of such requirements, the approach enables the automatic generation of SysML state machines fragments. Once completed, the approach also enables the modeller to check the results improving the quality of the model and avoiding errors both coming from the mis-interpretation of the tool and from the modeller himself/herself. An example taken from the railway domain shows the approach.

研究动机与目标

• 为解决工业界对全模型驱动开发的抗拒，通过支持增量式、半自动化的模型补全，实现逐步推进。
• 通过集成NLP与形式化可追溯性机制，提升模型质量并减少因误解导致的错误。
• 通过确保可追溯性与符合DO-178C等标准，支持AI与NLP在安全关键领域中的应用。
• 开发一种方法，通过结构化模板与语义匹配，将自然语言需求映射到SysML状态机片段。
• 为未来从需求自动生成完整SysML模型奠定基础。

提出的方法

• 需求以BDD的Given-When-Then格式表达，并通过预定义模板进行结构化，以确保一致性和可解析性。
• 采用$<<$ metclass as role $>>$符号表示法，定义MetaRequirement（MetaReq）形式化模型，以捕捉需求中的语义角色。
• 评估NLP库（NLTK与spaCy）在从句提取与词法分析方面的表现，以支持需求与MetaReqs之间的自动匹配。
• 通过将匹配后的MetaReq元素映射到相应的SysML状态机组件（如状态、转换与信号），生成SysML MetaFragments。
• 通过自动生成的Requirement Diagrams与$<<$ satisfy $>>$立体化依赖关系，强制实现可追溯性，将需求与模型元素关联。
• 正在开发SysML Profile，以标准化注释并支持工具集成与认证合规。

实验结果

研究问题

• RQ1 如何对BDD风格的自然语言需求进行形式化结构化，以实现可靠解析与SysML状态机的映射？
• RQ2 在将需求与模型片段匹配时，刚性BNF语法规则与灵活NLP技术之间应如何取得最佳平衡？
• RQ3 如何自动确保并验证需求与生成的SysML模型元素之间的可追溯性？
• RQ4 语义角色标注与命名实体识别在从文本需求中准确识别模型元素方面起到何种作用？
• RQ5 所提出的方法是否能在不需全面重构模型驱动流程的前提下，减少工业环境中的建模错误并提升模型质量？

主要发现

• 该方法成功利用语义角色匹配，将BDD格式的铁路信号需求映射到相应的SysML状态机片段。
• 使用带有结构化$<<$ metclass as role $>>$符号表示法的MetaReqs，实现了需求建模的一致性与机器可处理性。
• NLP工具（如spaCy与NLTK）的集成，有效支持了从句提取与词法分析，提升了需求处理效率。
• 通过自动生成的Requirement Diagrams与$<<$ satisfy $>>$依赖关系，显著增强了可追溯性，并支持模型验证。
• 该方法在铁路领域案例研究中展现出可行性，表明其在工业环境中具备逐步采用的潜力。
• 本研究为未来SysML模型补全的自动化奠定了基础，将可追溯性作为核心设计原则。