Investigation of data modelling approaches for the integration of heterogeneous engineering tools

Abstract

Die Entwicklung von großen Automatisierungssystemen, wie z.B. Kraftwerke oder Stahlwerke erfordert gemeinsame Anstrengungen von Ingenieuren aus verschiedenen Disziplinen wie Software Entwicklung, Elektrotechnik, und Maschinenbau. Ingenieursgruppen die zusammen arbeiten, haben gemeinsame Konzepte, die in in den Werkzeugen jeder Gruppe vertreten sind, aber verschieden dargestellt werden. Allerdings sind diese Tools nur selten interoperabel, die diese auf bestimmte Aufgaben (für jede technische Disziplin ) ausgerichtet und ihre Datenmodelle oft sehr heterogen sind, was zu "semantischen gaps" zwischen den Gruppen der Ingenieure führt. Dieser Begriff bezieht sich auf die Umstand, das der Datenaustausch zwischen verschiedenen Gruppen manuell durchgeführt werden muss, da Teile des gemeinsamen Datenmodells in einigenWerkzeugen fehlt. Diese fehlenden Teile müssen entweder über benutzerdefinierte Felder in das spezielle Werkzeug (d.h. Felder ohne besondere Bedeutung dieses Werkzeug ) hinzugefügt werden oder "von außen", nach dem Datenaustausch durch Editieren Export/Import-Dateien. Der Entwurf einer Integrationslösung, um diese Entwicklungsprozesse zu erleichtern erfordert es, dass Integrationsanwendungs-Entwickler die zuvor erwähnten gemeinsamen Datenmodelle so neu designen müssen, dass eine effiziente Datenintegration stattfinden kann. Diese Entwickler und Power-User der Integrationsanwendungen sind hier auch die wichtigsten Akteure, da sie in der Regel weder über Modellierungsrichtlinien für ihre Integrationslösungen verfügen, noch über eine effiziente Möglichkeit, eine bestimmtes Design zu bewerten. Um eine effiziente und effektive Integrationslösung zu ermöglichen, ist daher eine Designrichtlinie notwendig, die zu ähnlichen (idealerweise identen) Datenmodellen führt, wenn sie von verschiedenen Anwendungsintegration-Entwicklern angewendet wird. Ebenso ist eine Möglichkeit erwünscht, die das Erkennen und Korrigieren häufiger Fehler und Pitfalls vor der Umsetzung erlaubt. Durch iteratives Prototyping werden mehrere Modellierungsstile auf ihre Machbarkeit getestet, während Inspektions-basierte Techniken und die Architecture Tradeoff Analysise Methode (ATAM) benutzt werden, um die praktikabelste Lösung anzupassen und eine Design-Richtlinie abzuleiten, die das anfängliche Design unterstützt und change requests gegen ein solches Modell während seines Lebenszyklus ermöglicht. Kriterien für eine gute Lösung sind: - eine Guideline zum Erstellen und Validieren von Integrationsdatamodellen - Robustheit gegen spätere Anpassungen des Datenmodells - hohe Erkennungsrate bekannter Design-Fehlern und ungültigen Spezifikationen

The development of large automation systems requires the collaboration of engineers from several disciplines. These groups working together have common concepts that are represented in different ways in their respective tools. These tools are hardly interoperable and their data models are often highly heterogeneous, causing -semantic gaps- between the groups. This refers to the fact that exchanging data needs to be done by hand, as parts of the common data model are simply missing in some tools. These missing parts have to be added either via custom fields in a tool or after the data exchange, by editing export/import files -outside- the tools. Designing an integration solution to ease these development processes requires developers to start by re-modeling the common data models so that an efficient data integration can take place. Said developers and application integration power users are the main stake-holders, as they usually do not have modeling guidelines and neither designs, nor an efficient way to evaluate a given solution. To aid this development process, a guideline, that results in similar (possibly equal) data model designs even if done by different developers, is needed. In addition, a method that allows for identification and correction of common errors before implementation, after the design is desired. By iterative prototyping, candidates for modeling styles are tested, while inspection-based techniques and the Architecture Tradeoff Analysis Method (ATAM) will be used to evaluate one solution candidate. Also, the results will be used derive the design guideline to aid the initial creation and to handle change requests against such a model during its life-cycle. Criteria for a good solution include: - ease-of-use method to design and validate data integration models - robustness against later updates of the data model - high rate of detection of common design errors and invalid specifications