Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Entwicklung variantenreicher Systeme verbessern

Anwendungsmöglichkeiten für Feature-Modelle

Feature-Modelle werden im Konfigurationsprozess angewandt, um eine gültige Kombination von Features für eine Produktvariante zu bestimmen. Darüber hinaus können sie die Entwicklung variantenreicher Systeme unterstützen. Dies vereinfacht die Wartung und Pflege variantenreicher Systeme und erhöht die Qualität der Implementierungsbestandteile.

Bild: ©Tarey/Pixabay.com

Bild: ©Tarey/Pixabay.com

Feature-Modelle werden zur Modellierung von Variabilität in variantenreichen Systemen verwendet. Kern der Modellierung sind Features, die eine bestimmte Funktionalität für das System umsetzen und deren Anwahl/Abwahl das Verhalten generierter Systemvarianten beeinflussen. Gültige Kombinationen von Features werden im Feature-Modell über Abhängigkeiten dokumentiert, wie es das Bild unten zeigt. Das Modell enthält obligatorische Features (zum Beispiel ‘Karrosserie’) und ein optionales Feature (‘Anhängerkupplung’). Abhängigkeiten zwischen Features werden durch Gruppen (Alternative-Gruppe, Or-Gruppe) repräsentiert. So bilden die beiden Getriebeformen (Features ‘Automatik’ und ‘Schaltung’) eine Alternative-Gruppe, das heißt nur eins der beiden Features kann gewählt werden. Die Features ‘Verbrennungsmotor’ und ‘E-Motor’ bilden eine Or-Gruppe, mindestens ein Feature der Gruppe muss gewählt werden. Abhängigkeiten zwischen Features in verschiedenen Zweigen können durch logische Operatoren dargestellt werden. Für das Beispiel ergeben sich acht Systemvarianten. Zur Umsetzung variabler Bestandteile eines variantenreichen Systems werden häufig Annotationen verwendet (zum Beispiel #ifdef- #endif). Sie markieren jene Teile in der Implementierung mit einer Feature-Kombination, die variabel sein sollen. Beispielsweise sind alle Bestandteile zwischen #if E-Motor … #endif vom E-Motor abhängig. Doch Annotationen werden nicht nur für Quellcode verwendet, sondern kommen im Rahmen von Implementierungswerkzeugen für variantenreiche Systeme auch bei nicht-Code Bestandteilen zum Einsatz (Microsoft Word, Architekturmodellierung, Requirements Engineering et cetera).

Anwendungsmöglichkeiten für Feature-Modelle

Anwendungsmöglichkeiten für Feature-Modelle beruhen auf der Idee, dass das Modell nicht nur einen Dokumentationszweck hat, sondern in Repräsentationsformen überführt werden kann, die verschiedene Anwendungsmöglichkeiten erlauben. Für Feature-Modelle sind solch eine Repräsentationsform Boolesche Formeln. Features werden durch Boolesche Variablen repräsentiert und die Zusammenhänge zwischen Features durch logische Operatoren (‘und’, ‘oder’, ‘nicht’). Gemeinsam erlauben Variablen und Operatoren eine Eins-zu-eins Repräsentation der Bedeutung des Feature-Modells.

Bild: Method Park

Vereinfachtes Feature-Modell für ein Auto. (Bild: Method Park)

Aufdecken von Konfigurationsdefekten

Zur Identifikation von Konfigurationsdefekten werden Annotationen von Implementierungsbestandteilen gegen das Feature-Modell geprüft. Ein Konfigurationsdefekt ist eine ungültige Feature-Kombination, die mit Blick auf die Repräsentation als Boolesche Formel nicht erfüllbar ist. Die Prüfung auf Konfigurationsdefekte erlaubt die Identifikation von Widersprüchen. Beispielsweise ist die Annotation ‘E-Motor’ und ‘Schaltung’ ungültig, weil das Feature ‘E-Motor’ nur zusammen mit dem Feature ‘Automatik’ verwendet werden darf. Darüber hinaus können Konfigurationsdefekte in der Implementierung identifiziert werden. Dazu folgendes Beispiel: Gegeben sind zwei Requirements R1 und R2, die einen Ausschnitt einer Systemspezifikation dokumentieren.

  • R1: The car should accelerate to 100km/h in 5 seconds.
  • R2: The system should have an electric engine. (#if E-Motor)

Weiterhin ist dokumentiert, dass R1 von R2 (‘depends on’) abhängt. Wenn Feature ‘E-Motor’ für eine Systemvariante nicht ausgewählt und dadurch R2 gelöscht wird, kann der ‘depends on’-Link zwischen den beiden Requirements nicht mehr erfüllt werden. Folgender Defekt könnte angezeigt werden: Der Link R1 ‘depends on’ ist ohne Ziel. Dieser Ansatz lässt sich auf andere Implementierungsbestandteile übertragen (zum Beispiel Quellcode oder Architektur).

Reduktion des Testaufwands

In der Regel übersteigt der Aufwand für das Testen von Systemvarianten einer Produktlinie die zur Verfügung stehenden Ressourcen um ein Vielfaches, da das Testen aller Systemvarianten praktisch unmöglich ist. Um den Testaufwand zu reduzieren, lässt sich mittels des Feature-Modells eine Teilmenge der Systemvarianten automatisch erstellen. Um beispielsweise sicherzustellen, dass ein Fehlerzustand nicht von einem Feature abhängt, müssten folgende zwei Varianten getestet werden, in denen jedes optionale Feature mindestens einmal an- und einmal abgewählt ist:

  • Variante 1: ‘Auto’, ‘nicht Anhängerkupplung’, ‘Karosserie’, ‘Motor’, ‘E-Motor’, ‘Automatik’, ‘nicht Schaltung’, ‘Getriebe’, ‘nicht Verbrennungsmotor’
  • Variante 2: ‘Auto’, ‘Anhängerkupplung’, ‘Karosserie’, ‘Motor’, ‘nicht E-Motor’, ‘nicht Automatik’, ‘Schaltung’, ‘Getriebe’, ‘Verbrennungsmotor’

Auf dieser Grundlage lassen sich Mengen von Systemvarianten auch für andere Kriterien definieren, zum Beispiel die Berücksichtigung von Feature-Kombinationen, das heisst alle Zweier- oder Dreier-Kombinationen (Pair-wise beziehungsweise Triple-wise). Auch bei steigender Variantenzahl kann man für alle generierbaren Systemvarianten gesicherte Aussagen treffen: „Jedes Feature/alle paarweisen oder dreifachen Feature-Kombinationen sind erfolgreich getestet.“ Für die drei Kriterien Feature-wise, Pair-wise und Triple-wise müssen im Beispiel zwei, sechs beziehungsweise acht Systemvarianten getestet werden.

Bild: Method Park Holding AG

Spider Chart und Bubble Chart zur Visualisierung von Variabilität und nicht-funktionaler Eigenschaften. (Bild: Method Park Holding AG)

Unterstützung der Impact Analysis

Variabilitätsinformationen des Features-Modells können die Durchführung einer Impact Analysis unterstützen. Falls ein Fehler in variablen Implementierungsbestandteilen auftaucht, dient die zugrundeliegende Annotation dafür als Ausgangspunkt. Angenommen, ein Fehler tritt in der Feature-Implementierung von ‘E-Motor’ auf. Basierend auf den definierten Abhängigkeiten im Feature-Modell lassen sich folgende Aussagen ableiten:

  • Der Fehler steht möglicherweise im Zusammenhang mit Feature ‘Automatik’.
  • Der Fehler steht nicht im Zusammenhang mit Feature ‘Schaltung’, weil Feature ‘E-Motor’ und Feature ‘Schaltung’ nicht zusammen gewählt werden können.

Für komplexere Feature-Modelle mit einer größeren Feature-Anzahl und mehr Abhängigkeiten ergeben sich meist weitere Aussagen. Auch bei der Absicherung eines Fehlers lassen sich Testaufwände reduzieren. Zum Sichern der Systemvarianten müssen unter Berücksichtigung von Feature E-Motor für die zuvor definierten Kriterien Feature-wise, Pair-wise und Triple-wise zwei beziehungsweise vier Systemvarianten getestet werden. Dies entspricht einer weiteren Testaufwandsreduktion von bis zu 50 Prozent.

Bild: Method Park Holding AG

Um nicht-funktionale Eigenschaften angereichertes Feature-Modell. (Bild: Method Park Holding AG)

Bestimmung von Produktkonfigurationen

Während Features eines Features-Modells funktionale Eigenschaften eines Gesamtsystems berücksichtigen, gibt es bei der Wahl einer richtigen Systemvarianten häufig weitere Eigenschaften, die eine Rolle spielen. Diese Eigenschaften sind meist nicht-funktional und können keinem Feature im Sinne des Gesamtsystems zugeordnet werden. Typische nicht-funktionale Eigenschaften sind: Kosten (costs), Leistungsfähigkeit (perf), Gewicht (weight). Falls existierende Feature-Modelle mit nicht-funktionalen Eigenschaften angereichert werden, können Systemvarianten erstellt werden, die hinsichtlich dieser nicht-funktionalen Eigenschaften optimiert sind (zum Beispiel Minimierung der Kosten und Gewicht bei gleichzeitiger Maximierung der Leistungsfähigkeit unter Berücksichtigung von Variabilität). Während der Einsatz von Feature-Modellen in der Praxis etabliert ist – man denke an die Konfiguratoren, die alle Autobauer dem Kunden auf ihren Webseiten anbieten – gewinnt die Entwicklung hochvariabler Systeme in vielen Branchen an Bedeutung. Die genannten Anwendungsmöglichkeiten für Feature-Modelle unterstützen diese Entwicklung, indem die Vielzahl vom Kunden geforderter Varianten durch eine variantenreiche Systementwicklung abgedeckt wird. Diese Entwicklung erlaubt die Bereitstellung einer Fülle von Systemvarianten – bei einer gleichzeitig sehr hohen Qualität.


Das könnte Sie auch interessieren:

Kleine und mittlere Unternehmen haben bei der Umsetzung von Big-Data-Projekten mit Problemen zu kämpfen. So geben in einer Studie des Cloud-Anbieters Ionos 55 Prozent der Befragten an, dass Daten nicht in ausreichender Form vorliegen.‣ weiterlesen

Die 2023er Releases von Autodesk stehen zur Verfügung. Parallel stellt das Systemhaus Contelos überarbeitete Addons vor: Tools4Engineers, Tools4GIS, GeoPhotoXtension und BohrKernXtension sollen Anwendern die Arbeit mit Autodesk-Lösungen erleichtern.‣ weiterlesen

Vecoplan nutzt bereits seit 2008 Fernzugriffsfunktionen für seine Maschinen. Mithilfe des IoT-Spezialisten Ixon hat der Maschinenbauer dieses Angebot ausgeweitet und bietet heute sogar Kameraüberwachung für seine Recyclingmaschinen an.‣ weiterlesen

Im Werkzeugmanagement eröffnet das Kennzeichnen von Assets mit Data Matrix Codes die Möglichkeit, Werkzeuge zu tracken und mit ihren Lebenslaufdaten zu verheiraten.‣ weiterlesen

Google Cloud gab kürzlich die Einführung der beiden Lösungen Manufacturing Data Engine und Manufacturing Connect bekannt. Mit den Tools lassen sich Assets einer Fertigungsumgebung vernetzen, Daten verarbeiten und standardisieren.‣ weiterlesen

Virtuelle multicloudfähige Plattformen können in Fertigungsbetrieben das Fundament bilden, um IT-Infrastruktur und Betriebsabläufe zu modernisieren und effizient zu betreiben. Denn das nahtlose Zusammenspiel von Cloud-Anwendungen, Softwarebereitstellung sowie Remote Work lassen sich mit digitalen Plattformen vergleichsweise einfach und global orchestrieren.‣ weiterlesen

Wibu-Systems ist Anwendungspartner im Projekt KoMiK. Im Mai wurde das Projekt abgeschlossen und der Karlsruher Lizensierungsspezialist hat zusammen mit den Projektpartnern aus Wirtschaft und Wissenschaft Empfehlungen zur Auswahl eines digitalen Kooperationssystems erarbeitet, inklusive eines Screening-Tools.‣ weiterlesen

MES-Lösungen verfügen über unterschiedliche Erweiterungsmodule, etwa für das Qualitätsmanagement. Der Ausbau der Basisfunktionen sorgt jedoch oft für Aufwand. Eine Alternative versprechen Cloudlösungen.‣ weiterlesen

Bei ihrer digitalen Transformation adaptieren Fertigungsunternehmen Technologien wie künstliche Intelligenz, Machine Learning und digitale Zwillinge. Cloud Computung hilft, dafür erforderliche Kapazitäten skaliert bereitzustellen.‣ weiterlesen

Mit mehreren neuen Partnern erweitert der Softwareanbieter ZetVisions sein Partnerangebot. Unter anderem sollen Pikon und People Consolidated das Beratungsangebot des Heidelberger Unternehmens ergänzen.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige