MBDO

Model-Based DevOps

Hintergrund

Die Zeit bis zur Markteinführung und die kontinuierliche Verbesserung werden zu wichtigen Erfolgsindikatoren für die Bereitstellung von Cloud-nativen und Internet-of-Things-Systemen (IoT), die auch den IoT-Teil von Cyber-Physical Systems (CPS) umfassen. Diese Systeme sind von wesentlicher Bedeutung für die Vision der Europäischen Kommission zur Industrie 5.0, einer nachhaltigen, auf den Menschen ausgerichteten und widerstandsfähigen Industrie 4.0. In diesem Zusammenhang zielt der zunehmend populäre DevOps-Ansatz darauf ab, die Softwareentwicklung („Dev“) und den IT-Betrieb („Ops“) zu einem hochintegrierten kontinuierlichen Kreislauf zu verbinden. Durch Agilität und Automatisierung komplexer Pipelines über die verschiedenen Beteiligten des gesamten Lebenszyklus hinweg zielt DevOps darauf ab, die Systementwicklungszeit zu verkürzen und eine kontinuierliche Bereitstellung mit hoher Softwarequalität zu gewährleisten. Durch diese kontinuierliche Bereitstellung können die Qualität, Nachhaltigkeit und Widerstandsfähigkeit von IoT-Systemen kontinuierlich verbessert werden.

Problemstellung

Die Automatisierung in DevOps wird durch die Nutzung mehrerer Modelle ermöglicht, die in der Regel entweder in expliziten domänenspezifischen Sprachen oder, was am häufigsten der Fall ist, implizit durch konkrete Syntaxen wie JSON, XML oder auch nur Ad-hoc-Annotationen in einer allgemeinen Programmiersprache wie Java ausgedrückt werden. Leider sind die Modelle heute streng voneinander getrennt und können entweder während des Entwurfs oder während der Laufzeit verwendet werden. Dies behindert die Optimierung der dargestellten Systeme, das Lernen aus ihrem Betrieb und die Verbesserung künftiger Versionen. Derzeit gibt es keine Möglichkeit, ein Modell vom Entwurf zur Laufzeit oder umgekehrt zu migrieren. Daher gehen Verbesserungen, die während der Systemlaufzeit vorgenommen werden, verloren oder müssen manuell in die Entwurfsmodelle migriert werden, was kostspielig und fehleranfällig ist und daher selten gemacht wird. Das Zusammenspiel dieser Modelle bedarf einer soliden und präzisen Semantik und einer methodischen Untersuchung, um MBDO im Kontext komplexer IoT-Systeme, in denen adaptive Dienste von modellbasierten digitalen Zwillingen bereitgestellt werden, effektiv zu berücksichtigen.

Zielsetzung/Ergebnisse

Das Ziel in MBDO ist es, die Grundlagen für ein modellbasiertes DevOps-Framework zu schaffen, das diese verschiedenen Formen von Modellen im spezifischen Kontext von Cloud-nativen und IoT-Systemen vereint. Das vorgeschlagene modellbasierte DevOps-Framework würde es Ingenieuren ermöglichen, durch die Nutzung halbautomatisch generierter digitaler Zwillinge ihrer Systeme nahtlos von der Entwicklungs- in die Betriebszeit überzugehen.

Projektwebseite

Ihr Ansprechpartner

Dieses Bild zeigt Jingxi Zhang

Jingxi Zhang

M.Sc.

Wissenschaftlicher Mitarbeiter "Software- und Engineeringmethoden"

Dieses Bild zeigt Andreas Wortmann

Andreas Wortmann

Univ.-Prof. Dr. rer. nat. habil.

Lehrstuhlinhaber "Model-Driven Engineering for Manufacturing Automation"

Zum Seitenanfang