Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λογισμικού Κυβερνοφυσικών Συστημάτων με τεχνικές Μηχανικής Λογισμικού Οδηγούμενης από Μοντέλα

Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης,
υλοποίησης και ανάπτυξης λογισμικού Κυβερνοφυσικών
Συστημάτων με τεχνικές Μηχανικής Λογισμικού Οδηγούμενης
από Μοντέλα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Πολυτεχνική Σχολή
Τμήμα Ηλεκτρολόγων Μηχανικών &
Μηχανικών Υπολογιστών
Τομέας Ηλεκτρονικής και Υπολογιστών
Διδακτορική Διατριβή
Εκπόνηση:
Παναγιώτου Κωνσταντίνος
Επιβλέπων:
Καθ. Ανδρέας Συμεωνίδης

Κωνσταντίνος Παναγιώτου
Το Κίνητρο
2
Πρόβλημα:
Πολυπλοκότητα σχεδίασης και ανάπτυξης εφαρμογών σε
Κυβερνοφυσικά συστήματα
Κίνητρο:
Ταχεία σχεδίαση και ανάπτυξη εφαρμογών για Κυβερνοφυσικά
συστήματα που διαχειρίζονται συσκευές και ρομποτικά συστήματα σε
Edge και Cloud

Στόχος της Διατριβής
3
Βασικοί Στόχοι:
1. Προσδιορισμός διαδικασιών ταχείας ανάπτυξης λογισμικού για ΚΦΣ
2. Μείωση της πολυπλοκότητας σχεδίασης και ανάπτυξης εφαρμογών ΚΦΣ
3. Αύξηση της παραγωγικότητας στην ανάπτυξη εφαρμογών ΚΦΣ
4. Πρόσβαση στην ανάπτυξη εφαρμογών ΚΦΣ από μη ειδικούς (Citizen Developers)
5. Αξιολόγηση των μεθόδων ανάπτυξης με τη χρήση κειμενικών Γλωσσών Ειδικού Πεδίου

Συνεισφορά της Διατριβής
4
1. Μεθοδολογία ανάπτυξης κειμενικών Γλωσσών Ειδικού Πεδίου
2. Μέτα-μοντελοποίηση διαφόρων πτυχών των σύγχρονων Κυβερνοφυσικών Συστημάτων
3. Υλοποίηση ενιαίου μεσολογισμικού διασύνδεσης και επικοινωνίας για ΚΦΣ
4. Ενσωμάτωση ρομποτικών συστημάτων σε συστήματα στο Edge και στο Cloud
5. Ανάπτυξη Γλωσσών Ειδικού Πεδίου για την υποστήριξη της ταχείας ανάπτυξης εφαρμογών
από “Citizen Developers”
4
Journal Articles
2
Conference Papers
3
Workshops

Συνεισφορά της Διατριβής
5
Συνεισφορά σε εργαλεία λογισμικού ανοιχτού κώδικα
● 13 Γλώσσες Ειδικού Πεδίου (9 εσωτερικές & 4 εξωτερικές)
● Μεσολογισμικό συσκευών σε ΚΦΣ
● Μεσολογισμικό επικοινωνίας σε ΚΦΣ
● Σύστημα διαχείρισης εφαρμογών σε συσκευές

Κωνσταντίνος Παναγιώτου 6
• ΜΕΡΟΣ Α •
ΘΕΩΡΗΤΙΚΟ ΥΠΟΒΑΘΡΟ
Theory - Background

1. ΚΥΒΕΡΝΟΦΥΣΙΚΑ ΣΥΣΤΗΜΑΤΑ
Cyber-Physical Systems

Ορισμός των ΚΦΣ
8
Κυβερνοφυσικά Συστήματα: Συστήματα
που ενσωματώνουν φυσικές και ψηφιακές
οντότητες, με ικανότητα:
● Διασύνδεσης και επικοινωνίας
● Απομακρυσμένης παρακολούθησης
και ελέγχου
● Αυτοματοποίησης διεργασιών
● Ενσωμάτωσης με τεχνολογίες Edge,
Cloud και Web

Οντότητες που συναντάμε σε ΚΦΣ
9
Φυσικές Οντότητες
● Αισθητήρες & Ενεργοποιητές
● Ρομπότ & Ενσωματωμένες Συσκευές
● Υπολογιστικές μονάδες και Διακομιστές
Ψηφιακές Οντότητες
● Υπηρεσίες αποθήκευσης δεδομένων
● Υπηρεσίες επεξεργασίας και ανάλυσης
δεδομένων
● Υπηρεσίες λήψης αποφάσεων
● Πλατφόρμες και περιβάλλοντα ανάπτυξης
● Εφαρμογές παρακολούθησης και ελέγχου
συσκευών/συστημάτων

Παραδείγματα Σύγχρονων ΚΦΣ
10
Ρομποτικά Συστήματα με δυνατότητα απομακρυσμένου ελέγχου
Έξυπνες Υποδομές (Smart Infrastructure)
● Smart Grid
● Smart Agriculture
● Smart Home
● Smart Industry
● Smart Cities
Αυτόνομα οχήματα
Ψηφιακά Δίδυμα (Digital Twins)

2. ΓΛΩΣΣΕΣ ΕΙΔΙΚΟΥ ΠΕΔΙΟΥ
Domain Specific Languages

Γλώσσες Ειδικού Πεδίου
12
Μια Γλώσσα Ειδικού Πεδίου (ΓΕΠ) είναι μία γλώσσα προγραμματισμού με
υψηλότερο επίπεδο αφαίρεσης, βελτιστοποιημένη για ένα συγκεκριμένο πεδίο.
Χρησιμοποιεί τις έννοιες και τους κανόνες από το πεδίο ή τον τομέα εφαρμογής.
Βασικά χαρακτηριστικά:
● Λιγότερο πολύπλοκη από τις General Purpose Languages (GPL)
● Αναπτύσσονται σε στενό συντονισμό με τους ειδικούς του πεδίου
● Προορίζονται να χρησιμοποιηθούν από μη προγραμματιστές που γνωρίζουν
καλά το πεδίο

Γλώσσες Ειδικού Πεδίου - Κατηγοριοποίηση
13

Δομή μιας ΓΕΠ
14
Κάθε ΓΕΠ έχει τη δική της
εσωτερική δομή.
● Metamodel(s) / Abstract Metamodel(s)
● Grammar(s) / Concrete Metamodel(s)
● Model Parser
● M2T Transformation(s)
● (Optional) Internal M2M(s)
● (Optional) CLI
● (Optional) REST API

Ορισμοί - Μέτα-Μοντέλο
15
Metamodel:
Ορίζει τις έννοιες
του υπό μελέτη
πεδίου και τις
συσχετίσεις τους

Ορισμοί - Γραμματική
16
Grammar:
Ορίζει τη γραμματική της
ΓΕΠ
Ακολουθεί το Metamodel

Ορισμοί - Μοντέλο
17
Model:
An instance of a
Metamodel

Γλώσσες Ειδικού Πεδίου - Μέγεθος Μέτα-Μοντέλων
18
{C}: Σύνολο εννοιών υποπεδίου Ζ
{Α}: Σύνολο συσχετίσεων εννοιών υποπεδίου
{R}: Σύνολο αναφορών σε όρους άλλων υποπεδίων
{E}: Σύνολο αναφερόμενων όρων άλλων υποπεδίων
Single metamodel
Μέγεθος Μέτα-μοντέλου:
Metamodel that references
another metamodel
Metamodel that references
several metamodels
*Διδακτορική Διατριβή του Δρ. Χριστόφορου Ζολώτα
http://ikee.lib.auth.gr/record/322055/files/GRI-2020-28762.pdf

• ΜΕΡΟΣ B •
ΜΕΘΟΔΟΛΟΓΙΑ ΑΝΑΠΤΥΞΗΣ
ΓΛΩΣΣΩΝ ΕΙΔΙΚΟΥ ΠΕΔΙΟΥ
DSL Development Methodology
Συνεισφορά #1
Μεθοδολογία ανάπτυξης κειμενικών Γλωσσών Ειδικού Πεδίου

Concept-driven Μεθοδολογία Ανάπτυξης ΓΕΠ
Στόχοι:
1. Η απεξάρτηση του επιπέδου
εφαρμογής από τα επίπεδα
Συσκευής και Συστήματος
2. Μείωση της πολυπλοκότητας
ανάπτυξης εφαρμογής
3. Αύξηση της παραγωγικότητας των
Citizen developers
Ύπαρξη πολλαπλών επιπέδων
ανάπτυξης
20

Concept-driven Μεθοδολογία Ανάπτυξης ΓΕΠ
Στόχοι:
Citizen developers
ανάπτυξης
21

Concept-driven Μεθοδολογία - Ανταγωνισμός
Στόχοι:
Citizen developers
ανάπτυξης
22

Concept-driven Μεθοδολογία - Repositories
Επαναχρησιμοποίηση Μέτα-
μοντέλων και Μετασχηματισμών για
τη σύνθεση ΓΕΠ
● Metamodel Repository
● M2M Repository
● M2T Repository
Πρόβλημα:
Οι ΓΕΠ συνήθως επαναμοντελοποιούν
τις ίδιες έννοιες ξανά και ξανά!
23

Μετρικές Γλωσσών
24
Μετρική Επεξήγηση
S Μέγεθος μετα-μοντέλου
L Μέγεθος της ΓΕΠ
TS Μέγεθος μετασχηματισμών Μ2Τ σε αναφερόμενες έννοιες εισόδου
TSC Μέγεθος μετασχηματισμών Μ2Τ σε LoC
MS Μέγεθος μετασχηματισμού M2M σε αναφερόμενες έννοιες εισόδου-εξόδου
MSC Μέγεθος μετασχηματισμού M2M σε LoC
LS Μέγεθος μετασχηματισμού L2L σε αναφερόμενες έννοιες εισόδου-εξόδου
LSC Μέγεθος μετασχηματισμού L2L σε LoC
Προτεινόμενες Μετρικές

Concept-driven Μεθοδολογία - High Reusability
Ανάλυση δομής μιας ΓΕΠ:
Όπου:
{W}: Σύνολο των Μέτα-μοντέλων
{Z}: Σύνολο των μετασχηματισμών Μ2Μ
{P}: Σύνολο των μετασχηματισμών Μ2Τ
Σύνολο όρων της ΓΕΠ:
Ιδανικά θέλουμε:
Μη επικαλυπτόμενοι όροι στο
Metamodel Repository
25

Concept-driven Ανάπτυξη ΓΕΠ - Metrics
Μέγεθος της ΓΕΠ:
Όπου:
S: Μέγεθος Μέτα-μοντέλου
ΜS: Μέγεθος M2M σε αναφερόμενες έννοιες
TS: Μέγεθος M2T σε αναφερόμενες έννοιες
|L|: Μέγεθος της ΓΕΠ
α: Συντελεστής πολυπλοκότητας μέτα-μοντέλου
του υπό-πεδίου
β: Συντελεστής πολυπλοκότητας
μετασχηματισμού Μ2Μ
γ: Συντελεστής πολυπλοκότητας
μετασχηματισμού Μ2Τ
Πολυπλοκότητα της ΓΕΠ:
α = β = 1
γ: Εξαρτάται από την
πολυπλοκότητα
υλοποίησης σε GPL
26

Μετασχηματισμοί L2L - From MM to L
Μετασχηματισμός ΓΕΠ σε ΓΕΠ:
Υποθέσεις:
● Η ΓΕΠ είναι textual
● Η ΓΕΠ ορίζει το δικό της ΜΜ (Root MM)
● Το Root MM “πρέπει” να περιλαμβάνει
ΜΜ από το repository
Άρα:
● Ορίζουμε την έννοια L2L
● Ο L2L μετασχηματισμός είναι M2M
● Μπορεί να αναπτυχθεί όπως οι M2T
● Χρησιμοποιείται η έννοια Import για
μοντέλα μεταξύ διαφορετικών ΓΕΠ
27
Import model A to model B:
Use/Attach the information of model
A, so that B makes sense

Μετασχηματισμοί L2L - From MM to L
Η διαδικασία μετασχηματισμού θα
πρέπει να εφαρμόζει επικύρωση
στις 2 ΓΕΠ:
● Εκτελείται επικύρωση του μοντέλου
της ΓΕΠ Α
● Εκτελείται ο μετασχηματισμός Μ2Τ
● Εκτελείται επικύρωση του
παραγόμενου μοντέλου της ΓΕΠ Β
28
Μετασχηματισμός σε επίπεδο
Γραμματικής!!

Μείωση πολυπλοκότητας ανάπτυξης Μ2Τ
Στόχος: Μείωση της πολυπλοκότητας
στην ανάπτυξη μετασχηματισμών Μ2Τ
Μείωση του συντελεστή “γ”
Ανάπτυξη Εσωτερικής ΓΕΠ (με το ίδιο ΜΜ)
29

Μείωση πολυπλοκότητας ανάπτυξης Μ2Τ
30
GoalDSL
LoC παραγόμενου κώδικα
Χρήση εσωτερικής ΓΕΠ:
● Μείωση του όγκου του παραγόμενου κώδικα
● Αύξηση της παραγωγικότητας στην
ανάπτυξη M2T
SmAuto
LoC παραγόμενου κώδικα
Μειονεκτήματα:
● Συντήρηση εξωτερικής και εσωτερικής
ΓΕΠ

Επικύρωση Προτεινόμενης Μεθοδολογίας
Birth and death of a commercial modeling tool: lessons learned
by Jordi Cabot | Oct 17, 2023 | AI, article, empirical studies
Moving to an Internal DSL to avoid
reinventing the wheel
31

• ΜΕΡΟΣ Γ •
ΣΧΕΔΙΑΣΗ ΚΑΙ ΥΛΟΠΟΙΗΣΗ
ΔΟΜΙΚΩΝ ΣΤΟΙΧΕΙΩΝ
Design and Implementation of Core Elements

Μοντελοστρεφής Ανάπτυξη ΚΦΣ
Διάσπαση του πεδίου και Μετα-
Μοντελοποίηση διαφόρων πτυχών των
ΚΦΣ:
● Device
● System
● Application
● Communication
Μέτα-μοντελοποίηση διαφόρων πτυχών των
Κυβερνοφυσικών Συστημάτων
33

Μοντελοστρεφής Ανάπτυξη ΚΦΣ
34
Συνεισφορά:
32 Μέτα-μοντέλα σε 4 Επίπεδα
4 εσωτερικές ΓΕΠ
9 εξωτερικές ΓΕΠ
10 μετασχηματισμοί M2M
15 μετασχηματισμοί Μ2Τ
6 μετασχηματισμοί L2L

1. ΕΠΙΠΕΔΟ ΕΠΙΚΟΙΝΩΝΙΑΣ
Communication Layer
Ενιαίο μεσολογισμικό διασύνδεσης και επικοινωνίας για ΚΦΣ

Commlib
36
● Τοπική επικοινωνία σε επίπεδο συσκευής
● Επικοινωνία συσκευής με Edge και Cloud
● Διασύνδεση Edge και Cloud
● Protocol-agnostic
○ MQTT
○ AMQP
○ Kafka
○ Redis
● Γέφυρες μεταξύ πρωτοκόλλων
● Επικοινωνία με REST υπηρεσίες
● Επικοινωνία με δομές αποθήκευσης

Commlib-py
37
*https://www.pepy.tech/projects/commlib-py
*https://pypistats.org/packages/commlib-py
*https://github.com/conda-forge/commlib-py-feedstock

2. ΕΠΙΠΕΔΟ ΣΥΣΚΕΥΗΣ
Device Layer
Ενσωμάτωση ρομποτικών συστημάτων σε συστήματα στο Edge
και στο Cloud

Η Γλώσσα GeneROS
39
Μοντελοποίηση ρομποτικών συστημάτων
Αφορά την:
● Μοντελοποίηση τοπολογίας Συστήματος
● Γεφύρωση με το μεσολογισμικό επικοινωνίας
● Επικοινωνία ρομποτικών συστημάτων με το Edge και
το Cloud
● Αυτόματη παραγωγή αρχείων τεκμηρίωσης
συστήματος
● Παραγωγή λογισμικού για ROS και ROS2 συστήματα
● Ενσωμάτωση με πλατφόρμες low-code

Η Γλώσσα GeneROS
40
● Turtlebot3 Platform
● 3 Sonar (Range Finder) Sensors
● Uses ROS2 packages

Η Γλώσσα DeMoL
41
Γλώσσα μοντελοποίησης και αυτόματης
παραγωγής λογισμικού για συσκευές χαμηλής
κατανάλωσης
● Μοντελοποίηση περιφερειακών συσκευών
(αισθητήρες & ενεργοποιητές)
● Σύνθεση ενσωματωμένων συσκευών (π.χ. Raspberry
και ESP32 boards)
● Αυτοματοποίηση της διαδικασίας ανάπτυξης του
λογισμικού ελέγχου (Drivers)
● Peripherals-as-a-Service
Ανάπτυξη ξεχωριστών
αρχείων template για κάθε
περιφερειακή συσκευή

3. ΕΠΙΠΕΔΟ ΣΥΣΤΗΜΑΤΟΣ
System Layer

H ΓΕΠ CPS-ML
43
Γλώσσα Μοντελοποίησης
Κυβερνοφυσικών Συστημάτων
Έννοιες:
● Smart Environment
● System
● Communication
● Networking
● Smart Things
● Messaging
● Geometry

H ΓΕΠ ROSBridgeML
44
Γλώσσα Γεφύρωσης Ρομποτικών Συστημάτων
με Edge και Cloud
Έννοιες:
● Topic Bridge
● Service Bridge
● Action Bridge
● TF Bridge
● Communication
Μετασχηματισμός σε λογισμικό γεφύρωσης για συστήματα ROS & ROS2

4. ΕΠΙΠΕΔΟ ΕΦΑΡΜΟΓΗΣ
Application Layer
Ανάπτυξη Γλωσσών Ειδικού Πεδίου για την υποστήριξη της ταχείας
ανάπτυξης εφαρμογών από “Citizen Developers”

H ΓΕΠ SmAuto
46
Ανάπτυξη εφαρμογών αυτοματισμού βάσει εργασιών
(Task-driven Applications)
Μετασχηματισμός σε λογισμικό αυτοματισμών
Μετασχηματισμός σε λογισμικό εικονικών οντοτήτων
Μετασχηματισμός σε μοντέλο της γλώσσας CodinTxt
Έννοιες:
● Entity
● Automation
● Condition
● Communication

H ΓΕΠ SmAuto - Entities
47
Μία Οντότητα:
● Φυσικοί ή Εικονικοί αισθητήρες (sensors)
● Φυσικοί ή Εικονικοί ενεργοποιητές (actuators)
● Ένας πόρος μίας Συσκευής/Ρομπότ
● Εξωτερικές Υπηρεσίες (π.χ. REST Services)
Λειτουργικότητα:
● Automation M2T
● Virtual Entity M2T
● Μ2Μ από μοντέλα System/Environment
● Αρχιτεκτονική πολλαπλών διαμεσολαβητών
Entity temperature_sensor
type: sensor
topic: "home.temperature"
broker: home_mqtt_broker
attributes:
- temperature: float
end

H ΓΕΠ SmAuto - Virtual Entities
48
Ορίζονται
value και noise generators για
κάθε Attribute
Entity weather_station
type: sensor
freq: 5
topic: "smauto.bme"
broker: home_mqtt_broker
attributes:
- temperature: float -> gaussian(10, 20, 5) with noise gaussian(1,1)
- humidity: float -> linear(1, 0.2) with noise uniform (0, 1)
- pressure: float -> constant(0.5)
end
<ValueGenerator> with noise <NoiseGenerator>
Entity State @ t
-
temperature: 11.5
- humidity:
65
- pressure:
0.5

H ΓΕΠ SmAuto - Automation
49
Τα Automations επιτρέπουν την εκτέλεση μιας σειράς από Actions όταν ικανοποιείται
μια προκαθορισμένη συνθήκη (Condition)
Τα Actions αποστέλλουν εντολές (messages) αλλαγής της κατάστασης (state change)
των ενεργοποιητών (actuators).
Τα Actions εφαρμόζονται στα Attributes των Entities.
Automation start_humidifier
condition:
bedroom_humidity_sensor.humidity >
0.6
continuous: false
actions:
- bedroom_humidifier.power: true
- bedroom_humidifier.timer: -1
starts:
- stop_humidifier
end
Automation stop_humidifier
condition:
bedroom_humidity_sensor.humidity <
0.3
enabled: false
continuous: false
actions:
- bedroom_humidifier.power: false
starts:
- start_humidifier
end
start_humidifier stop_humidifier
Start -> disabled
Stop -> enabled
Start -> enabled
Stop -> disabled

H ΓΕΠ GoalDSL
50
Επαλήθευση συμπεριφοράς εφαρμογών με
γνώμονα τον στόχο (Goal-driven Behaviour
Verification of Applications)
Μετασχηματισμός σε λογισμικό επαλήθευσης συμπεριφοράς
Μετασχηματισμός σε εικονικές οντότητες

H ΓΕΠ dFlow
51
Γλώσσα μοντελοποίησης και
αυτόματης παραγωγής λογισμικού
Ψηφιακών Βοηθών (Virtual Assistants /
VAs) ανοιχτού κώδικα
Μετασχηματισμός σε λογισμικό VA

H ΓΕΠ CodinTxt
52
Περιγραφή γραφικών περιβαλλόντων τύπου
Dashboards

Reusability στην Concept-driven Μεθοδολογία
54

5. ΠΛΑΤΦΟΡΜΑ ΑΝΑΠΤΥΞΗΣ ΣΕ ΚΦΣ
Low-code Platform for CPS

H Πλατφόρμα LocSys
56
Πλατφόρμα low-code ανάπτυξης ΚΦΣ:
● Υλοποιεί την Concept-driven
Μεθοδολογία
● Ενσωμάτωση ΓΕΠ σε Περιβάλλοντα στο
Web
● Ενσωμάτωση μετασχηματισμών M2M και
M2T
● Ανάπτυξη Σύνθετων ΓΕΠ (Pipelines)

H Πλατφόρμα LocSys - Α use case
57

• ΜΕΡΟΣ Δ •
ΑΞΙΟΛΟΓΗΣΗ
Evaluation

1. ΜΕΤΡΙΚΕΣ ΤΩΝ ΓΕΠ
Evaluation: DSL metrics

Μετρικές Μέτα-Μοντέλων
60
S < 60
(Με βάση τη βιβλιογραφία)
S < 20: Υπο-πεδία που
επαναχρησιμοποιούνται σε ΓΕΠ
Do NOT reinvent the wheel
Reuse instead!!!
32 Μέτα-μοντέλα

Μετρικές Μετασχηματισμών M2T
61
DeMoL: Ανάπτυξη ξεχωριστών αρχείων
template για κάθε περιφερειακή συσκευή
M2T TSC TS
ExtendedEntityToPython 309 11
ExtendedEntityToPythonMerged 509 11
SmAutoToPython 544 14
GoalDSLToPython 118 14
DeMoLToDiagram 92 4
DeMoLToRiot 162 40
DeMoLToRaspi 174 40
GenerosToROS2 634 63
RosbridgeToROS 172 9
RosbridgeToROS2 180 9
CodinTxtToCodin 217 17
CPSSystem2Diagram 121 8
CPSSystem2Markdown 82 27
CommIDLToPython 203 4
dFlow2Code 557 37
Επίπεδο Εφαρμογής
Επίπεδο Συσκευής

Μετρικές Μετασχηματισμών M2T
62
M2T TSC TS
ExtendedEntityToPython 309 11
ExtendedEntityToPythonMerged 509 11
SmAutoToPython 544 14
GoalDSLToPython 118 14
DeMoLToDiagram 92 4
DeMoLToRiot 162 40
DeMoLToRaspi 174 40
GenerosToROS2 634 63
RosbridgeToROS 172 9
RosbridgeToROS2 180 9
CodinTxtToCodin 117 17
CPSSystem2Diagram 121 8
CPSSystem2Markdown 82 27
CommIDLToPython 203 4
dFlow2Code 557 37
Χρήση Εσωτερικής ΓΕΠ
Μείωση μεγέθους του Μ2Τ

Μετρικές Μετασχηματισμών M2M
63
M2M MSC MS In MS Out MS
CPSMLSystemToEntity 68 11 4 15
CPSMLEnvironmentToEntity 52 7 4 11
CPSMLSystemToExtendedEntity 225 11 11 22
CPSMLEnvironmentToExtendedEntity 207 7 11 18
CPSMLResourceToApi 55 8 6 14
CPSMLSystemToResources 71 11 8 19
CPSMLEnvironmentToResources 63 7 8 15
ExtendedEntityToSmAuto 163 11 4 15
ExtendedEntityToGoalDSL 163 11 4 15
ExtendedEntityToCodinTxt 100 11 10 21
Μέτρο της δυσκολίας ανάπτυξης

L2L LSC LS
CPSMLToSmAuto 39 7
CPSMLToGoalDSL 39 7
RosbridgeMLToCommlibIDL 64 8
SmAutoToCodinTxt 100 12
GoalDSLToCodinTxt 100 12
GeneROSToRosbridgeML 174 15
Μετρικές Μετασχηματισμών L2L
64
Επαναχρησιμοποίηση μοντέλων
μεταξύ των ΓΕΠ (IMPORT)
Διαφορετικά θα έπρεπε:
CPSML.System
Model
ExtendedEntity
Model
Μ2Μ
SmAuto
Model
GoalDSL
Model
Μ2Μ
Μ2Μ
M2M MS
CPSMLSystemToExtendedEntity 225
ExtendedEntityToSmAuto 163
ExtendedEntityToGoalDSL 145
ExtendedEntityToCodinTxt 100
225
163
145

Μετρικές Μεγέθους ΓΕΠ
65
Metric DeMoL GeneROS CPSML Smauto GoalDSL dFlow CodinTxt ROSBridgeML CommIDL
S 100 164 235 104 84 78 54 49 39
MS 0 0 165 0 0 0 0 0 0
TS 84 63 57 36 36 37 17 18 4
LS 0 15 14 12 12 0 0 8 0
|L| 184 242 471 152 132 115 71 75 43
Όπου:
S: Μέγεθος Μέτα-μοντέλου
ΜS: Μέγεθος M2M σε αναφερόμενους
όρους
TS: Μέγεθος M2T σε αναφερόμενους
όρους
ΜS: Μέγεθος L2L σε αναφερόμενους
όρους
|L|: Μέγεθος της ΓΕΠ
Concept-driven DSL Development

2. ΕΡΓΑΣΤΗΡΙΑ ΑΞΙΟΛΟΓΗΣΗΣ
Evaluation: Workshops
SmAuto
Workshop
LocSys
Workshop
dFlow
Workshop

Αξιολόγηση - SUS
67
Εργαλείο Ευχρηστίας SUS*
Εργαλείο για την αξιολόγηση της ευχρηστίας ενός συγκεκριμένου
εργαλείου, συστήματος ή υπηρεσίας
Ερωτηματολόγιο με 10 Ερωτήσεις
Χ: Αφορά τη βαθμολογία για όλες τις ερωτήσεις με μονό αριθμό
Υ: Αφορά τη βαθμολογία για όλες τις ερωτήσεις με ζυγό αριθμό
SUS: Βαθμολογία SUS για κάθε συμμετέχοντα
*https://www.usability.gov/how-to-and-tools/methods/system-usability-scale.html

Αξιολόγηση - Εργαστήριο dFlow
Συμμετέχοντες: 219 Φοιτητές
3 Tasks: 2 hours
Submitted 842 Models

69
Οικειότητα με το πεδίο
Χαμηλή
Programming: 2.4
NLU: 1.36
Κλίμακα: 1-5 (Low-High)

70

Αξιολόγηση - Εργαστήριο SmAuto
71
3 Tasks: 15’, 15’ και 30’

72
Επιτυχία: 22 / 22 = 100%
Μέτρια
IoT: 2.63
Smart Home: 2.36
Programming: 3.54

73

Αξιολόγηση - Εργαστήριο LocSys
74
4 Tasks: 5’, 10’, 30’ και 10’
T1: Create an environment of size 4x4 using
EnvMaker
T2: Import this environment in an EnvPop model
and add sensors/actuators
T3: Transform to an SmAuto model and add
Automations
T4: Transform to CodinTxt and deploy the
dashboard
Συμμετέχοντες: 86 (Open Call)

75
Επιτυχία: 81 / 84 = 96.42%
Model Validations: 943 (σε 55’)
Total Models: 86
Χαμηλή/Μέτρια
CPS: 2.16
Smart Home: 2.49
Programming: 3.23

76
Συμμετέχοντες: 86
Ερωτηματολόγιο: 44 συμμετέχοντες

• ΜΕΡΟΣ E •
ΣΥΜΠΕΡΑΣΜΑΤΑ &
ΜΕΛΛΟΝΤΙΚΕΣ ΕΠΕΚΤΑΣΕΙΣ
Conclusion & Future Work

Συμπεράσματα Διατριβής
78
Με βάση τους στόχους της διατριβής:
● Μέτα-Μοντελοποιήσαμε διάφορες πτυχές των ΚΦΣ
● Προτείναμε μεθοδολογία Concept-driven στη μέτα-μοντελοποίηση και στην ανάπτυξη ΓΕΠ για
σύνθετα πολυ-επίπεδα πεδία
● Διασπάσαμε τις ΓΕΠ σε υπό-πεδία εξειδίκευσης και ανάπτυξης
● Ενσωματώσαμε ρομποτικά συστήματα στο φάσμα των σύγχρονων ΚΦΣ, σε Edge και Cloud
συστήματα και πλατφόρμες
● Αξιολογήσαμε την προτεινόμενη μεθοδολογία μέσα από Workshops με σημαντικό αριθμό
χρηστών
Τι πετύχαμε:
● Επιτάχυνση της διαδικασίας σχεδίασης και ανάπτυξης ΚΦΣ
● Αύξηση της παραγωγικότητας ανάπτυξης εφαρμογών
● Δημιουργία ΓΕΠ υψηλού επιπέδου (εφαρμογής), ιδανικές για την ανάπτυξη από μη ειδικούς
● Αποδόμηση του προβλήματος σε ΓΕΠ μικρής πολυπλοκότητας

Μελλοντικές Επεκτάσεις
79
● Επέκταση της πλατφόρμας LocSys για πλήρη αυτοματοποίηση σε όλο το φάσμα των
ΚΦΣ
● Μελέτη αυτοματοποίησης από αφαιρετικά μοντέλα προδιαγραφών (user requirements,
user stories)
● Εκπαίδευση μοντέλων LLM σε κειμενικές ΓΕΠ για τον μετασχηματισμό λεκτικών
περιγραφών σε μοντέλα με ικανότητες αυτοματοποίησης
● Διοργάνωση Εργαστηρίων Αξιολόγησης των γλωσσών DeMoL και GeneROS με
ειδικούς των πεδίων
● Υλοποίηση ΓΕΠ ανάπτυξης εξειδικευμένης λειτουργικότητας σε ρομπότ
● Αυτόματη εγκατάσταση μηχανισμού ελέγχου πρόσβασης σε επίπεδο μεσολογισμικού
επικοινωνίας, από μοντέλα περιγραφής Συστήματος/Περιβάλλοντος

Επιστημονικές Δημοσιεύσεις
80
Εργασίες σε Περιοδικά με κριτές
1. Panayiotou, Konstantinos, Emmanouil Tsardoulias, Christoforos Zolotas, Andreas L. Symeonidis, and
Loukas Petrou. ”A Framework for Rapid Robotic Application Development for Citizen Developers.” Software
1, no. 1 (2022): 53-79.
2. Panayiotou, Konstantinos, Emmanouil Tsardoulias, and Andreas L. Symeonidis. ”Commlib: An easy-to-
use communication library for Cyber–Physical Systems.” SoftwareX 19 (2022): 101180
3. Brouzos, R., Panayiotou, K., Tsardoulias, E. et al. A Low-Code Approach for Connected Robots. J Intell
Robot Syst 108, 28 (2023)
4. Panayiotou Konstantinos, Emmanouil Tsardoulias, and Andreas L. Symeonidis. SmAuto: A Domain-
specific-Language for Application Development in Smart Environments. Journal of Pervasive and Mobile
Computing, Accepted (2023).
5. Konstantinos Panayiotou, Emmanouil Tsardoulias, Andreas L. Symeonidis, Defining a Domain-specific
Language for verifying the validity of Cyber-Physical Systems (Under review)
6. Nikolaos Malamas, Konstantinos Panayiotou, Andreas L. Symeonidis, dFlow: A Domain Specific
Language for the Rapid Development of open-source Virtual Assistants (Under review)

Επιστημονικές Δημοσιεύσεις
81
Δημοσιεύσεις σε Πρακτικά Συνεδρίων με Σύστημα Κριτών
1. Panayiotou Konstantinos, Emmanouil Tsardoulias, Christopher Zolotas, Andreas L. Symeonidis et al. "Ms
Pacman and the Robotic Ghost: A Modern Cyber-Physical Remake of the Famous Pacman Game." In 2019
Sixth International Conference on Internet of Things: Systems, Management and Security (IOTSMS), pp.
147-154. IEEE, 2019.
2. Mousouliotis, Panagiotis G., Konstantinos L. Panayiotou, Emmanouil G. Tsardoulias, Loukas P. Petrou,
and Andreas L. Symeonidis. ”Expanding a robot’s life: Low power object recognition via FPGA-based DCNN
deployment.” In 2018 7th International Conference on Modern Circuits and Systems Technologies
(MOCAST), pp. 1-4. IEEE, 2018

Thank you for your Patience!!
Feeling ready for Q&As
Contact: klpanagi@ece.auth.gr

More Related Content

More from ISSEL

Editor's Notes