机构名称：
¥ 1.0
我们提出了一种新的方法，通过将统计模型检查（SMC）与过程挖掘（PM）集成，以验证软件产品线（PL）模型。我们考虑来自PL工程领域的面向功能的语言QFLAN。QFLAN允许对配备丰富的跨树和定量约束以及动态PL（例如分阶段配置）的方面进行建模。这种丰富性使我们能够轻松地获得具有无限状态空间的模型，呼吁基于仿真的分析技术，例如SMC。例如，我们使用一个带有无限状态空间的运行示例。SMC是基于系统动力学样本的产生的分析技术家族。SMC的目的是估算一个系统的属性（例如，安装功能）或其中数量的期望值（例如，研究家族的产品的平均价格）。相反，PM是一个数据驱动的技术家族，它使用在执行信息系统执行中收集的日志来识别和推理其基础执行过程。这通常涉及识别和推理过程模式，瓶颈和改进的可能性。在本文中，据我们所知，我们首次提出了将过程挖掘（PM）技术应用于统计模型检查（SMC）模拟的副产品的应用。这旨在增强SMC分析的实用性。通常，如果SMC给出意外的结果，则建模者必须发现这些结果是否来自系统的实际特征，还是来自模型中的错误。这是以黑盒方式完成的，仅基于获得的数值值。我们通过使用PM来获取有关SMC观察到的系统动力学的白色框透视图来改进这一点。大致来说，我们将SMC生成的样品馈送到PM工具中，获得了观察到的动力学的紧凑图形表示。然后将此开采的PM模型转换为开采的QFLAN模型，使PL工程师可以使用。使用两个众所周知的PL模型，我们表明我们的方法学是有效的（有助于查明模型中的问题，并建议修复），并且可以扩展到复杂的模型。我们还通过将其应用于安全域，表明它是一般的。
系统与软件杂志
主要关键词
相关文件推荐
