KOMET

KOMET

Plattform für kontinuierliche Analyse von Modellqualität im Systems Engineering

KOMET

Im Projekt KOMET entwickelt fortiss automatisierte Verfahren zur Qualitätsverbesserung von Systemmodellen, die bei der Entwicklung komplexer Produkte wie Flugzeugen, Autos oder Medizintechnik zum Einsatz kommen. Durch den Einsatz von Machine Learning und die statistische Analyse der Modellhistorie können die Auswirkungen von Änderungen vorhergesagt und bisher manuelle Modellreviews automatisiert werden. Dies reduziert erheblich die Kosten und den Aufwand für die Entwicklung und Pflege von Systems-Engineering-Modellen, was ein entscheidender Faktor für deren industrielle Anwendbarkeit ist.

Projektbeschreibung

Im Projekt KOMET entwickelt fortiss innovative, automatisierte Verfahren zur Analyse und Verbesserung der Qualität von Systemmodellen. Produkte wie Autos, Flugzeuge und medizinische Geräte zeichnen sich durch komplexe, interagierende Anforderungen, Funktionen und Subsysteme aus verschiedenen Disziplinen (Mechanik, Elektronik, Software, etc.) aus. Um schnell marktreife Produkte zu erreichen, setzen Unternehmen häufig auf modellbasiertes Systems Engineering (MBSE). Da Änderungen in großen Modellen erhebliche Auswirkungen haben und manuelle Reviews aufwändig sind, können die Kosten für die Erstellung und Wartung qualitativ hochwertiger Modelle sehr hoch sein.

Der Fokus des Projekts liegt auf der Vorhersage der Auswirkungen von Modelländerungen und der Automatisierung von Modellreviews mittels Machine Learning. Dadurch reduzieren wir die Kosten und den Aufwand für die Pflege und Wartung hochwertiger Modelle erheblich. Dank der Aufwandsreduzierung können Modellreviews auch bei großen Modellen häufiger durchgeführt werden, wodurch einer Qualitätsdegradation frühzeitiger und effektiver entgegengewirkt werden kann. Qualitätsmanagement von Modellen wird nicht nur durch Sicherheitsstandards gefordert, sondern ist auch eine Voraussetzung für deren effiziente kollaborative Bearbeitung und Wiederverwendung.

Durch die Zusammenarbeit mit Industriepartnern stellen wir sicher, dass unsere Lösungen praxisnah und direkt anwendbar sind. Die Ergebnisse des Projekts KOMET ermöglichen es industriellen Anwendern von MBSE, effizienter und kostengünstiger zu arbeiten, indem sie von verbesserten Modellqualitäten und reduzierten Wartungskosten profitieren.

Forschungsbeitrag

Im Projekt KOMET entwickelt fortiss innovative Verfahren, die den Aufwand und die Kosten für das Qualitätsmanagement von Systemmodellen erheblich senken. Die Forschung basiert auf dem MBSE-Werkzeug AutoFOCUS3 von fortiss und wird mit Systems-Engineering-Modellen aus dem fortiss Mobility Lab sowie industriellen Modellen evaluiert. Die Projektergebnisse fließen in die in Zusammenarbeit mit der qwitto GmbH entwickelte KOMET-Plattform ein. Dabei wird fortiss die folgenden Lösungsansätze erforschen und prototypisch umsetzen:

  1. Es werden Methoden zur automatisierten Vorhersage der Auswirkungen von Modelländerungen untersucht, indem typische Verläufe und statistische Zusammenhänge aus der Änderungshistorie analysiert werden.
  2. Ein Machine-Learning-basierter Ansatz für automatische Modellreviews wird entwickelt. Das Verfahren generalisiert Expertenbewertungen historischer Modellrevisionen durch Korrelation mit automatisch bestimmbaren Modellmetriken auf aktuelle Modelle.

Die Forschung zielt darauf ab, den Wartungsaufwand zu reduzieren und die Qualität der Modelle zu verbessern. Die Ergebnisse fließen in das Open-Source-Tool AutoFOCUS3 ein, was den Technologietransfer in die Praxis sicherstellt.

Förderung

Fördergeber: Bundesministerium für Bildung und Forschung (BMBF)

FKZ: 01IS24012B

Förderprogramm: KMU Innovativ

Projektdauer

01.05.2024 - 30.04.2026

Demonstrator

 Simon Barner

Ihr Kontakt

Simon Barner

+49 89 3603522 22
barner@fortiss.org

Weitere Informationen

Projektpartner

Publikationen

  • 2024 Towards the Estimation of Quality Attributes on System Model Histories Konstantin Rupert Blaschke und Simon Barner In ACM/IEEE 27th International Conference on Model Driven Engineering Languages and Systems (MODELS Companion '24), ACM. Details DOI BIB
  • 2024 Automated Model Quality Estimation and Change Impact Analysis on Model Histories Konstantin Rupert Blaschke In IEEE/ACM 46th International Conference on Software Engineering: Companion Proceedings (ICSE-Companion ’24), pages 153–155, New York, NY, USA, ACM. Details DOI BIB