Name: RED SPLAT (Reverse Engineering von Softwareproduktlinien für Maschinen und Anlagenbau)
Förderer: Deutsche Forschungsgemeinschaft
Projektzeitraum: 01.10.2018 – 01.12.2020
Projektbeschreibung
Unternehmen des Maschinen- und Anlagenbaus (M&A) realisieren zunehmend mehr Funktionalität durch Software. Softwarevarianten werden im M&A typischerweise mittels copy-paste-and-modify Strategie (auch clone-and-own Ansatz genannt) gebildet, was die Wartung und Weiterentwicklung der Varianten behindert. Im Gegensatz dazu zeichnet sich das Konzept der Softwareproduktlinie durch eine strukturierte Variantenmodellierung und systematische Wiederverwendung von Softwarebausteinen aus. Der Übergang von einer Variantenentwicklung mittels clone-and-own zu einer strukturierten Wiederverwendung auf Basis von Softwareproduktlinien wird jedoch dadurch erschwert, dass bereits existierende Varianten große Werte für die Unternehmen darstellen und die Produktion während des Übergangs nicht stillstehen darf. Das Ziel dieses Projekts ist es daher, Methoden zu entwickeln, um eine durch clone-and-own gewachsene Variantenvielfalt automatisierungstechnischer Softwareprojekte (semi-)automatisch in eine Softwareproduktlinie mit hohem Wiederverwendungsgrad zu überführen. Dabei sollen insbesondere industrielle Anforderungen und eine Übertragbarkeit der Ergebnisse in die industrielle Praxis beachtet werden. Als erstes wird ein Verfahren entwickelt, um für eine existierende Menge von Varianten ein Familienmodell zu erstellen, das die Gemeinsamkeiten und Unterschiede der Software der Varianten repräsentiert. Danach werden Visualisierungstechniken erarbeitet, um für Domänenexperten die Struktur der Familie zu repräsentieren und Domänenwissen für die anschließende Restrukturierung der Softwarefamilie zu erheben. Zum Schluss werden Restrukturierungstechniken entworfen, welche aus den existierenden Varianten anhand der gegebenen Informationen wiederverwendbare Bausteine extrahieren und diese in eine Softwareproduktlinie überführen. Die entwickelten Verfahren werden implementiert und in akademischen und industriellen Fallstudien auf ihre Anwendbarkeit hin evaluiert.
Involvierte Partner: AIS TU München
Involvierte Mitarbeiter: Ina Schaefer, Alexander Schlie, Kamil Rosiak, Lukas Linsbauer