DRES-ML: a Domain-specific Language for Modelling Exceptional Scenarios and Self-adaptive Behaviours for Drone-based Applications

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Alves, Lucas Vieira
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Estadual do Ceará
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=100430
Resumo: Os drones estão ganhando atenção devido à possibilidade de suportar diversos tipos de aplicações, como busca e resgate, vigilância e entrega de mercadorias. Como podem operar em diferentes ambientes, é possível encontrar incertezas e situações excepcionais, não previstas inicialmente, durante o uso de aplicativos baseados em drones. Nesse domínio, estratégias auto-adaptativas têm sido usadas com sucesso para garantir resiliência e execução contínua de tais aplicativos, apesar das mudanças no ambiente. Embora algumas abordagens tenham proposto o uso de notações de cenário, como Message Sequence Charts, ou linguagens de especificação de comportamento formal, como LTS, para modelar as situações excepcionais, elas são muito genéricas ou exigem um bom conhecimento dos métodos formais do usuário, que pode dificultar sua adoção. Além disso, eles também requerem um conhecimento profundo dos detalhes técnicos para implementar os mecanismos auto-adaptativos. Para mitigar esses problemas, este trabalho propõe uma linguagem de domínio específico, denominada DRES-ML, que permite modelar situações excepcionais e comportamentos auto-adaptativos para aplicações baseadas em drones. Ele se baseia no estrutura Dado-Quando-Então, usado na técnica de desenvolvimento orientado por comportamento (BDD) e nos principais conceitos de Programação orientada a aspectos. Também fornecemos um mecanismo de transformação de modelo em texto que traduz automaticamente os cenários excepcionais modelados em uma plataforma específica para drones, a fim de verificar os comportamentos adaptativos. A abordagem é avaliada por meio de prova de conceito que verifica a aplicabilidade em diferentes cenarios excepcionais.
id UECE-0_72616e72aec18266b47c5c0985ef2931
oai_identifier_str oai:uece.br:100430
network_acronym_str UECE-0
network_name_str Repositório Institucional da UECE
repository_id_str
spelling DRES-ML: a Domain-specific Language for Modelling Exceptional Scenarios and Self-adaptive Behaviours for Drone-based ApplicationsOs drones estão ganhando atenção devido à possibilidade de suportar diversos tipos de aplicações, como busca e resgate, vigilância e entrega de mercadorias. Como podem operar em diferentes ambientes, é possível encontrar incertezas e situações excepcionais, não previstas inicialmente, durante o uso de aplicativos baseados em drones. Nesse domínio, estratégias auto-adaptativas têm sido usadas com sucesso para garantir resiliência e execução contínua de tais aplicativos, apesar das mudanças no ambiente. Embora algumas abordagens tenham proposto o uso de notações de cenário, como Message Sequence Charts, ou linguagens de especificação de comportamento formal, como LTS, para modelar as situações excepcionais, elas são muito genéricas ou exigem um bom conhecimento dos métodos formais do usuário, que pode dificultar sua adoção. Além disso, eles também requerem um conhecimento profundo dos detalhes técnicos para implementar os mecanismos auto-adaptativos. Para mitigar esses problemas, este trabalho propõe uma linguagem de domínio específico, denominada DRES-ML, que permite modelar situações excepcionais e comportamentos auto-adaptativos para aplicações baseadas em drones. Ele se baseia no estrutura Dado-Quando-Então, usado na técnica de desenvolvimento orientado por comportamento (BDD) e nos principais conceitos de Programação orientada a aspectos. Também fornecemos um mecanismo de transformação de modelo em texto que traduz automaticamente os cenários excepcionais modelados em uma plataforma específica para drones, a fim de verificar os comportamentos adaptativos. A abordagem é avaliada por meio de prova de conceito que verifica a aplicabilidade em diferentes cenarios excepcionais.Drones are gaining attention due to its possibility to support wide different types of applications, such search-and-rescue, surveillance and goods delivery. Since they can operate in different environments, it is possible to encounter uncertainties and exceptional situations, not initially predicted, during the use of drone-based applications. In this realm, self-adaptive strategies have been successfully used to guarantee resilience and continuous execution of such applications despite environment changes. Although some approaches have proposed the use of scenario notations, such as Message Sequence Charts, or formal behaviour specification languages, like LTS, to model exceptionalal situations, they are either very generic or demands a good knowledge on formal methods from the user, which may hinder their adoption. Moreover, they also require a deep understanding in technical details in order to implement the self-adaptive mechanisms. To mitigate those problems, this work proposes a domain-specific language, called DRES-ML, which allows modelling exceptional situations and self-adaptive behaviours for drone-based applications. It relies on the Given-When-Then template used in the Behaviour-driven development (BDD) technique and the main Aspect-oriented Programming concepts. We also provide a model-to-text transformation engine that automatically translates the modelled exceptional scenarios to a drone-specific platform in order to verify the adaptive behaviours. The approach is evaluated through a proof of concept that verifies its applicability in different exceptional scenarios.Universidade Estadual do CearáPaulo Henrique Mendes Maia Alves, Lucas Vieira2021-04-10T11:53:22Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=100430info:eu-repo/semantics/openAccessengreponame:Repositório Institucional da UECEinstname:Universidade Estadual do Cearáinstacron:UECE2021-04-10T11:53:22Zoai:uece.br:100430Repositório InstitucionalPUBhttps://siduece.uece.br/siduece/api/oai/requestopendoar:2021-04-10T11:53:22Repositório Institucional da UECE - Universidade Estadual do Cearáfalse
dc.title.none.fl_str_mv DRES-ML: a Domain-specific Language for Modelling Exceptional Scenarios and Self-adaptive Behaviours for Drone-based Applications
title DRES-ML: a Domain-specific Language for Modelling Exceptional Scenarios and Self-adaptive Behaviours for Drone-based Applications
spellingShingle DRES-ML: a Domain-specific Language for Modelling Exceptional Scenarios and Self-adaptive Behaviours for Drone-based Applications
Alves, Lucas Vieira
title_short DRES-ML: a Domain-specific Language for Modelling Exceptional Scenarios and Self-adaptive Behaviours for Drone-based Applications
title_full DRES-ML: a Domain-specific Language for Modelling Exceptional Scenarios and Self-adaptive Behaviours for Drone-based Applications
title_fullStr DRES-ML: a Domain-specific Language for Modelling Exceptional Scenarios and Self-adaptive Behaviours for Drone-based Applications
title_full_unstemmed DRES-ML: a Domain-specific Language for Modelling Exceptional Scenarios and Self-adaptive Behaviours for Drone-based Applications
title_sort DRES-ML: a Domain-specific Language for Modelling Exceptional Scenarios and Self-adaptive Behaviours for Drone-based Applications
author Alves, Lucas Vieira
author_facet Alves, Lucas Vieira
author_role author
dc.contributor.none.fl_str_mv Paulo Henrique Mendes Maia
dc.contributor.author.fl_str_mv Alves, Lucas Vieira
dc.subject.none.fl_str_mv
description Os drones estão ganhando atenção devido à possibilidade de suportar diversos tipos de aplicações, como busca e resgate, vigilância e entrega de mercadorias. Como podem operar em diferentes ambientes, é possível encontrar incertezas e situações excepcionais, não previstas inicialmente, durante o uso de aplicativos baseados em drones. Nesse domínio, estratégias auto-adaptativas têm sido usadas com sucesso para garantir resiliência e execução contínua de tais aplicativos, apesar das mudanças no ambiente. Embora algumas abordagens tenham proposto o uso de notações de cenário, como Message Sequence Charts, ou linguagens de especificação de comportamento formal, como LTS, para modelar as situações excepcionais, elas são muito genéricas ou exigem um bom conhecimento dos métodos formais do usuário, que pode dificultar sua adoção. Além disso, eles também requerem um conhecimento profundo dos detalhes técnicos para implementar os mecanismos auto-adaptativos. Para mitigar esses problemas, este trabalho propõe uma linguagem de domínio específico, denominada DRES-ML, que permite modelar situações excepcionais e comportamentos auto-adaptativos para aplicações baseadas em drones. Ele se baseia no estrutura Dado-Quando-Então, usado na técnica de desenvolvimento orientado por comportamento (BDD) e nos principais conceitos de Programação orientada a aspectos. Também fornecemos um mecanismo de transformação de modelo em texto que traduz automaticamente os cenários excepcionais modelados em uma plataforma específica para drones, a fim de verificar os comportamentos adaptativos. A abordagem é avaliada por meio de prova de conceito que verifica a aplicabilidade em diferentes cenarios excepcionais.
publishDate 2021
dc.date.none.fl_str_mv 2021-04-10T11:53:22Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=100430
url https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=100430
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual do Ceará
publisher.none.fl_str_mv Universidade Estadual do Ceará
dc.source.none.fl_str_mv reponame:Repositório Institucional da UECE
instname:Universidade Estadual do Ceará
instacron:UECE
instname_str Universidade Estadual do Ceará
instacron_str UECE
institution UECE
reponame_str Repositório Institucional da UECE
collection Repositório Institucional da UECE
repository.name.fl_str_mv Repositório Institucional da UECE - Universidade Estadual do Ceará
repository.mail.fl_str_mv
_version_ 1828296409795788800

Registros relacionados