Liang, M. (2009). Data modeling of multi-agent systems : a comparison of UML-based and ontology-based approaches with special focus on didactic skills for ontology-based modeling [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-27234
E188 - Institut für Softwaretechnik und Interaktive Systeme
-
Date (published):
2009
-
Number of Pages:
113
-
Keywords:
Multi-Agenten System; UML; Ontologie; didaktisch
de
Multi-agent System; UML; Ontology; didactic
en
Abstract:
Datenmodellierung ist der Prozess der Herstellung eines Datenmodells unter Verwendung von Datenmodellierungstheorien. UML und OWL sind wichtige Datenmodellierungssprachen bzw.<br />Datenmodellierungstheorien im Bereich von Software Engineering und Knowledge Engineering. Die Zielgruppe für diese Arbeit sind Software und Modell Entwickler, die ihre Erfahrung mit traditionellen Datenmodellierungsmethoden vertiefen möchten, indem sie die Vorteile und möglichen Einschränkungen eines neuen, Ontologie-basierten Datenmodellierungsverfahrens analysieren.<br />UML wurde als eine graphische Sprache für die Visualisierung, Spezifikation, Gestaltung und Dokumentation der Artefakte von Software-intensiven System definiert. UML bietet ein standardisiertes Verfahren zur Beschreibung der Ausarbeitung eines Systems. Dies beinhaltet konzeptionelle Elemente, z.B. Geschäftsprozesse und Systemfunktionen, auch konkrete Elemente, z.B. Statements in Programmcode, Datenbank Schemas und wiederverwendbare Software Komponenten.<br />Eine Ontologie ist eine formale Darstellung einer Reihe von Konzepten innerhalb einer Domäne und der Beziehungen zwischen diesen Konzepten.<br />Ontologien werden verwendet um die logische Folgerungen über die Eigenschaften einer Domäne abzuleiten und können verwendet werden um eine Domäne zu definieren. Ontologies sind weitverbreitet im Bereich künstliche Intelligenz und Semantic Web, aber auch in einem relativ neuen Forschungsbereich hinsichtlich Software Engineering verwendbar.<br />Die Ziele dieser Arbeit sind a) die Einführung in die Grundprinzipien von UML und Ontologien; b) ein Überblick über Standard Werkzeuge für die beiden Datenmodellierungssprachen, nämlich Visual Paradigm für UML und Protégé für Ontologien; c) das Herausarbeiten von grundsätzlichen Unterschieden zwischen beiden Modellierungsansätzen hinsichtlich eines Anwendungsszenarios aus dem Bereich der Multi-Agenten basierten Simulation von Produktionsautomatisierungssystemen; d) die Evaluation der Unterschiede zwischen Datenmodellierung mit UML oder Ontologien; e) der Vergleich ihrer jeweiligen unterschiedlichen Prüfungsfähigkeiten von Modellkonsistenz; f) zukünftige Verbesserungen bzw. Erweiterungen von UML und OWL zu untersuchen; und g) didaktische Methoden für die Verbesserung der Lehre im Bereich Ontologien vorzuschlagen.<br />Zur Beantwortung der Forschungsfragen wird ein umfassender Datenmodellierungsprozess im Bereich der Multi-Agenten basierten Simulation von Produktionsautomatisierungssystemen mit UML und Ontologien durchgeführt. Beide Ansätze werden hinsichtlich ihrer Visualisierungsmöglichkeiten und Ausdrücke, Konsistenz, Leistung und zusätzlicher Funktionen evaluiert. Diese Evaluation charakterisiert und bewertet die allgemeine Eigenschaften, bzw. Vorteile und Einschränkungen von UML und Ontologien in einem detaillierten Evaluationsergebnis.<br />
de
Data modeling, the process of creating a data model by applying a data model theory to create a data model instance, always plays a crucial role in software engineering. Both UML (Unified Modeling Language) and ontology are important data modeling languages which correspond to data model theories in the field of software engineering and knowledge engineering. The target of audiences of this thesis are model engineers and software engineers who are interested in data modeling using either UML or ontologies, as well as at software engineers with knowledge in the traditional data modeling area who want to analyze the advantages and possible limitations of switching to a fairly new data modeling approach.<br />UML is defined by the OMG as a graphical language for visualizing, specifying, constructing, and documenting the artifacts of a software-intensive system. The UML offers a standard way to describe a system's blueprints, including conceptual elements such as business processes and system functions as well as concrete elements such as programming language statements, database schemes, and reusable software components.<br />An ontology is a formal representation of a set of concepts within a domain and the relationships between those concepts. It is used to reason about the properties of that domain, and may be used to define the domain. Three general ontology languages are defined in context of semantic web, namely OWL (Web ontology language), RDF (Resource description framework), RDF Schema. Ontologies are widely used in artificial intelligence and the semantic web, but a relative new research area regarding software engineering.<br />The goals of this thesis are a) to introduce the primary principles of UML and Ontology; b) to present overviews of standard tools like Visual Paradigm for UML and Protégé for ontologies; c) to show major differences between these two modeling approaches regarding a use case scenario from multi-agent based production automation simulation; d) The four major research issues of this thesis are to evaluate the difference between data modeling using either UML or ontologies, compare their dissimilar model consistency checking capabilities, research the possibility of mapping UML to OWL, and explore the revolution of UML and OWL; and e) to suggest didactics skills for ontology-based modeling teaching improvement. In order to answer these research issues, the overall data modeling process is performed using an example in the field of multi-agent systems for production automation simulation by means of an UML-based approach and an ontology-based approach. After the implementation of those two approaches, both approaches are evaluated regarding their visualization and expressions, consistency, performance and additional functions approximately. This evaluation characterizes and appraises the general features, advantages and limitations of UML and Ontology respectively, and additionally a detailed evaluation result is presented.