Auflistung nach:
Auflistung Softwaretechnik-Trends 32(2) - 2012 nach Erscheinungsdatum
1 - 10 von 47
Treffer pro Seite
Sortieroptionen
- ZeitschriftenartikelQualitätsbasierte Bewertung Agiler Entwicklungsmethoden mit dem AMMI(Softwaretechnik-Trends: Vol. 32, No. 2, 2012) Janus, AndréAndré Janus
- ZeitschriftenartikelCode Museums as Functional Tests for Static Analyses(Softwaretechnik-Trends: Vol. 32, No. 2, 2012) Speicher, Daniel; Nonnen, Jan; Bremm, AndriDaniel Speicher, Jan Nonnen, Andri Bremm University of Bonn, Computer Science III, Bonn, Germany {dsp, nonnen, bremm}@cs.uni-bonn.de
- ZeitschriftenartikelWhen Program Comprehension Met Bug Fixing(Softwaretechnik-Trends: Vol. 32, No. 2, 2012) Quante, JochenJochen Quante Corporate Sector Research and Advance Engineering Robert Bosch GmbH, Stuttgart, Germany Jochen.Quante@de.bosch.com Abstract
- ZeitschriftenartikelDigital Preservation: New Challenges for Software Maintenance(Softwaretechnik-Trends: Vol. 32, No. 2, 2012) Euteneuer, Sven; Draws, DanielSven Euteneuer, Daniel Draws SQS Software Quality Systems AG Stollwerckstraße 11, 51149 Cologne, Germany Email: sven.euteneuer|daniel.draws@sqs.com Abstract: Digital preservation ensures continued access to digital information over time (e.g., 5, 15, 25 or 50 years). The long-term planning horizon of preserving relevant parts of a business processes raises a number of new research challenges for software design, development and maintenance (cf. [1]). In this paper we describe the challenges caused by the preservation of software and give a short overview of the TIMBUS research project that aims to address these challenges. The TIMBUS research project addresses these and other research issues, amongst which are authenticity of the preserved information, legal, contractual and regulatory issues and risk management with respect to business process preservation.
- ZeitschriftenartikelVerbesserung der Arbeitssituationen im Leitstand durch Anlageninformationsmodelle(Softwaretechnik-Trends: Vol. 32, No. 2, 2012) Reiswich, EugenEugen Reiswich, Universit¨ at Hamburg, reiswich@informatik.uni-hamburg.de 2. Mai 2012 1 Einleitung
- ZeitschriftenartikelLate propagation of Type-3 Clones(Softwaretechnik-Trends: Vol. 32, No. 2, 2012) Bazrafshan, SamanSaman Bazrafshan Universit¨ at Bremen saman.bazrafshan@informatik.uni-bremen.de Abstract
- ZeitschriftenartikelTowards Model-Driven Evolution of Performance Critical Business Information Systems to Cloud Computing Architectures(Softwaretechnik-Trends: Vol. 32, No. 2, 2012) Becker, Steffen; Tichy, MatthiasSteffen Becker Model-Driven Software Engineering Heinz Nixdorf Institute, Paderborn steffen.becker@upb.de Matthias Tichy Software Engineering, Computer Science and Engineering, Chalmers University of Technology, G¨ oteborg mtt@tichy.de
- ZeitschriftenartikelTackling the Challenges of Evolution in Multiperspective Software Design and Implementation(Softwaretechnik-Trends: Vol. 32, No. 2, 2012) Lehnert, Steffen; Riebisch, MatthiasSteffen Lehnert Ilmenau University of Technology Ilmenau, Germany steffen.lehnert@tu-ilmenau.de Abstract
- ZeitschriftenartikelAnalysing the Vocabulary to Identify Knowledge Divergence(Softwaretechnik-Trends: Vol. 32, No. 2, 2012) Nonnen, Jan; Imhoff, PaulJan Nonnen, Paul Imhoff University of Bonn Computer Science III Bonn, Germany {nonnen, imhoffj}@cs.uni-bonn.de
- ZeitschriftenartikelModellierung von Veränderungen in hierarchischen Strukturmodellen automatisierter Anlagen(Softwaretechnik-Trends: Vol. 32, No. 2, 2012) Göring, Markus; Fay, AlexanderMarkus Göring Vattenfall Europe Nuclear Energy GmbH Überseering 12 22297 Hamburg markusheinrich.goering@vattenfall.de Automatisierungssysteme sind ein wichtiger Bestandteil jeder Industrieanlage. Sie übernehmen vielfältige Aufgaben, zu denen u.a. Messen, Anzeigen, Melden, Stellen und Schützen zu zählen sind, und ermöglichen den Übergang von der physikalischen Welt in die Informationswelt einer Anlage. Im Lebenszyklus eines Automatisierungssystems, z.B. gemäß [D511] für die Prozessindustrie, folgen auf die Planung die Inbetriebnahme und der Betrieb, inklusive Instandhaltung und Modifikationen. Die physikalische Struktur unterliegt in allen Phasen des Engineerings diversen Modifikationen, geht aber als statische Struktur aus dem Engineering in den Betrieb über. In der Betriebsphase eines Automatisierungssystems treten jedoch physikalische Strukturveränderungen auf. Diese physikalischen Strukturveränderungen können mehrere Ursachen haben. Einerseits zählen hierzu geplante und gewollte dauerhafte Modifikationen während des Betriebs. Andererseits werden Fehler und daraus resultierende Ausfälle von Komponenten betrachtet, weil von den Ausfällen auch notwendige Funktionen betroffen sein können. Die letzteren physikalischen Strukturveränderungen sind temporär (zeitlich begrenzt) und werden daher als temporäre physikalische Strukturveränderungen bezeichnet. Zudem resultieren temporäre physikalische Strukturveränderungen auch aus der Instandhaltung, bei der Komponenten bzw. Systeme außer Betrieb genommen und Prüfgeräte integriert werden. Die Modellierung eines Automatisierungssystems erfolgt im hier vorgestellten Ansatz exemplarisch auf Basis des Beschreibungsmittels Computer Aided Engineering eXchange (CAEX) [Fe03]. Im Bereich der Automatisierungstechnik wurde die Eignung von CAEX zur Modellierung hierarchischer Strukturen in verschiedenen Veröffentlichungen gezeigt, z.B. in [St11]. Dieser Beitrag verwendet für die differenzierte Modellierung von physikalischer Struktur und funktionaler Struktur die Aspekte Produkt, Funktion und Ort gemäß DIN EN 81346 [D346], wobei der Aspekt Produkt die physikalische Struktur umfasst. Mit dem Ortsaspekt werden Modelle von Automatisierungssystemen um räumliche Information ergänzt, die z.B. bei der Analyse von Umgebungseinflüssen hilfreich ist. Neben der isolierten Modellierung der hierarchischen Produkt-, Funktions- und Ortsstrukturen ermöglicht CAEX die umfassende Modellierung von inter- und Alexander Fay Helmut-Schmidt-Universität Holstenhofweg 85 22043 Hamburg alexander.fay@hsu-hh.de intra-strukturellen Zusammenhängen. So beinhaltet die Modellierung u.a. das Auslegungsmerkmal Redundanz innerhalb der Produktstruktur als auch die Abhängigkeiten zwischen der Funktions- und Produktstruktur bzw. der Produkt- und Ortsstruktur. Implizit sind hiermit auch die Abhängigkeiten zwischen der Funktions- und Ortsstruktur gegeben. Dieser Ansatz resultiert in hierarchischen Modellen statischer Strukturen, die vorgestellten temporären physikalischen Strukturveränderungen von Automatisierungssystemen werden jedoch nicht erfasst. Aufbauend auf dem hierarchischen CAEX-Modell wird die Modellierung temporärer physikalischer Strukturveränderungen auf Basis der Change Description Language (CDL) [Ho00] und der Process Specification Language (PSL) [Sc00] vorgenommen. Die Ursache temporärer physikalischer Strukturveränderungen wird in Form von Zustandsänderungen von Komponenten und Systemen modelliert, die aufgrund entsprechender Ereignisse ausgelöst werden. Hingegen treten die Auswirkungen innerhalb der funktionalen Struktur als Reduktionen bzw. Ausfällen von Funktionen auf [D508]. CDL wird in der Domäne der geographischen Informationssysteme für die Modellierung von Veränderungen geographischer Objekte verwendet, basierend auf Zuständen und Zustandsübergängen. Ein Vorteil von CDL sind die geringe Anzahl diskreter (identitätsbasierter) Zustände, so dass die Modellierung der Veränderungen einfach und übersichtlich ist. In Anlehnung an die CDL werden drei funktionsbezogene Zustände definiert: existing, defective-existing und non-existing. Existing modelliert eine vorhandene Komponente bzw. System mit vollständiger Funktionalität, non-existing modelliert nicht vorhandene Funktionalität und defective-existing modelliert Ausfälle von Funktionen mit gestörtem Zeitverhalten oder gestörtem Signalwert. Mit den neun definierten Zustandsübergängen in Tabelle 1 lassen sich die betrachteten temporären physikalischen Strukturveränderungen vollständig modellieren. Abbildung 1 zeigt beispielhaft die physikalische Struktur eines Automatisierungssystems für die Ansteuerung von zwei Kühlsystemen, bei dem Prozessgrößen dreifach redundant erfasst werden und die Kühlsysteme nach einer 2-von-3 Auswahl über separate CPUs angesteuert werden. Exemplarisch wird angenommen, dass CPU A nicht korrekt arbeitet, dieses wird somit mit dem