Project observation and analysis in heterogeneous software & systems development environments

Abstract

Software- und System-Entwicklungsprojekte brauchen oft die Expertise aus mehreren Engineering Disziplinen, etwa mechanischem, elektrischem und Software- Engineering. Diese Arbeit stellt das Projekt Beobachtungs- und Analyse Rahmenwerk vor, einen neuen Ansatz, der Projektmanager und Ingeneure dabei unterstützt unterschiedliche Engineering Prozesse in heterogenen Engineering Umgebungen systematisch zu vi beobachten und zu analysieren. Das POAF umfasst die Bereiche der Sammlung, Analyse und Präsentation von Daten aus heterogenen Software-Werkzeugumgebungen, und baut auf dem Semantic Web, statistischer Analyse und Process Mining auf, um verschiedene Methoden, Datenquellen sowie (semi-)automatisierte Werkzeuge bereitzustellen, die Projektmanager und Ingenieure bei Analyse- und Steuerungsaufgaben unterstützen.<br />Die Forschungsergebnisse wurden im Rahmen von zwei industriellen Anwendungsbereichen, Open Source Software Engineering Projekten und Projekten für das Engineering von Automatisierungssystemen, hinsichtlich Machbarkeit, Effektivität und Effizienz evaluiert. Wesentliche Ergebnisse der Arbeit zeigen, dass die das Rahmenwerk nützlich war, und zumindest so effektive war und die Beobachtung und Analyse von Arbeitsabläufen effizienter unterstützt hat als traditionelle, vor allem manuelle, Ansätze.<br />

Software and systems development projects often depend on the expertise from multiple engineering domains, e.g., mechanical, electrical, and software engineering.<br />This work introduces the Project Observation and Analysis Framework (POAF), a novel approach, which aims to support project managers and engineers in observing and analyzing engineering processes in heterogeneous engineering environments. The most important and novel contributions of POAF are (1) the semantic integration approach and integrated data model to support more efficient engineering process data collection and integration, (2) the using of combination of different analysis methods to strengthen the conclusion of the project status, and (3) the workflow validation cycle to support the conformance checking between the designed and the actual process model.<br />The POAF consists of data collection, data analysis, and data presentation steps, and builds on semantic web, statistical analysis, and process mining technologies to provide a range of methods, data sources, and tools that help project managers and engineers to conduct analysis and control tasks. For example, in the power plant, the POAF is very useful in making project progress and risk monitoring and checking the conformance between the designed and the actual process model.<br />The research results have been evaluated in two industrial application domains, namely open source software engineering projects and automated systems engineering projects, regarding feasibility, effectiveness and efficiency. Major results were that the framework was found useful, was at least as effective and supported more efficient workflow observation and analysis than traditional, mainly manual, approaches.<br />