Chapter 1 Introduction - Digital Library and Archives - Virginia Tech

145 Pages·1997·0.45 MB·English

by  David Zhong

Chapter 1 Introduction
1.1 Background of the Problem
evah seuqinhcet tnempoleved esac erawtfos dna )POO( gnimmargorP detneirO-tcejbO
nepo a we neuneva ni eghnt idtpiny petdamonrptaoo lr f ep.oxveeerldapwmt ofncoIseht
tsap evif sraey POO sah neeb desu ot poleved ynam fo eht esrnaowittfaocsi ltpaphatera
-s ygSnitare pwO e.Nsretupm oncoitatskr odw npaotks eddradna trs u fotos o nmniommoc
deyolpme osla evah srehto gnoma eB dna ,petSTXEN ,TN SWODNIW sa hcus )SO( smet
POO stpecnoc ni rieh ttnempoleved htiw eht esimorp ot yfilpmis edoc ecnanetniamdna
y teidliivboirspn eottxe eht lanigiro SO rof ly,. esettranunetumutefrconfanhUneconcepts
-targim ylwols neeb evah edaced a revo rof stsitneics retupmoc yb decarbme neeb evah taht
g.gnd niay,l ideoroiteT few eesnfhreitenging neeesu ,,+k+lCatl laavmaSJ ro rehtoPOO
tniop srohtua lareveS .senituor lanoitatupmoc ro snoitacilppa esuoh-ni poleved ot segaugnal
tuo taht snoitacilppa gnisu ta tsael emos fo eht stpecnoc fo POO seuqinhcet dluocevas
-if feer osmmargo re phgtnik ad mnsaem igtnid ogcnicud eytrbrof fd eneam ittnempoleved
-poleved erawtfos POO fo esu eht ni tniop gnilles tseb eht spahreP .]6991 ,lliH[ nur ot tneic
tnem krowemarf lliw eb a lait nnaotistbcuusder ni eh tecnanetni atmsoc fo a laer.ledom
hcooB ]4991[ setamitse taht neewteb %54 dna %56 fo eht tsoc ot poleved erawtfossi
1
.seuqinhcet gnimmargorp larudecorp dradnats ni desab ledom erawtfos a niatniam ot dedeen
.%nd0 oa 4oie s-ttt ee5cse hs2 unsaTi fdiumPoeoOrrOp
nI eh tcifice pasera f o ,rneo tilutaparmleouvcmeis s Pn OosOietgaaluugmneiavslah
.tsyla nnaoitalum iysre vfseode ee nhgtnisserd dsara enyeetf itfs ae lhrte vdoepolev endeeb
,III misdoM :era POO fo selpicnirp gnisu segaugnal noitalumis noitareneg wen fo selpmaxE
alumiS ,76 ,SSOR ,++miS XEMIS 0.3 dna 2PANQ gnoma .srehto elihW emos foeseht
yre vsrotce sgninnal pseitilica fdn agnirutcafuna mn ies udaerpsedi wdenia geva hsegaugnal
yadoT .noitalumis tropria dna lortnoc ciffart ria fo aera eht ni tsixe eseht fo snoitacilppa wef
gnikam smgidarap gnimmargorp larudecorp esu sledom noitalumis ecapsria dna tropria tseb eht
.niatni adm ngaub e,decnah n oettluciff isdledom
A la ceilppymtaxe fo a xelp mleoercduotmcur tssi spa hDrOeMpMIS - ehtlaredeF
-il pepraawt fso is.hlTe dnoomitalu meicsaps r ditnaraop r)i AaAn(Foitartsinim dnAoitaivA
noitac sesirpmoc erom naht eno derdnuh dnasuoht senil fo ecruos selif demmargorpni
eht ni tcudorp ICAC yb depoleved segaugnal noitalumis noitareneg tsrif a ,5.II TPIRCSMIS
sen inloill ifml adahehca eerv adhlu olced oem h fteoz ies h.T]09 9,1ICA Cs[eitnev eyslrae
oT .C ro NARTROF ekil segaugnal level hgih dradnats ni dedoc neeb ledom siht dah edoc fo
evi gn aae dys itefieso x r ifeenoe ronl omhspiplitimgmeth o nodatdcsecolntmuuimoirsg
ydb CATe lenn osrsep sotuc-nocitsiru elh lcaim itma hstez issuoir a fvsoenitu oyrtr onfaht
lort tfarcria no a dnuorg .krowten ehT ledom si denifer hguone ot etalum itsfarcria-hsup
tfarcri areht oo tsenal-ixa ttnecaj d n aisegakcol betalumi sdn aeta gamor fserudecor pkcab
.snoita rreep tognni iwtrfuad rs cefrroiuade cgonrip ceeitheat dlr uoomtis
eogtnel lt anahecs eDrOpM MhsI caSsulse dnoomitalu meils aecgs rly,aetlanutrofnU
larudec osnrtipnemet altasci gnoelew tseebicnedne psfetodnu oemga r eanhlet veidgargpu
eh trev otah tezilae ro ttnatropm is it iesa cn itnio patsu js iDOMMI Selih W.gnimmargorp
2
sl e sddd lnoenoam ioo eltsvetarshy lsannoaita rsdernpeaoen itgrnoe psr riyaate nyteswatl
esohw larudeco rgpnimmargorp lanretni erutcurts sah desop suoires segnellahc otetadpu
fy.ido mdna
.snoitarepo tropria emit-laer fo aera eht ni eht si seigolonhcet POO rof revird rehtonA
tropriA ecafrus ciffart lortnoc si na tnatropm itnemele fo eht llarevo riA ciffarTlortnoC
eht ni slaog rojam eht fo eno si wolf ciffart ecafrus tropria fo ssenhtooms ehT .)C(AT metsys
-ceffe eht ,eromrehtruF .ciffart eganam ot lennosrep CAT pleh ot ygolonhcet fo tnempoleved
yduts suoiverp a nI ty.efas noitaiva ot lacitirc si lortnoc ciffart ecafrus tropria eht fo ssenevit
retsilloH ]7891[ detacidni taht eht laitnetop rof suoires stnedicca no eht tropriaecafrus
-d Anoitaiv laAred e oFgtnidroc cty.Ailibisi vwo lredn usnoitarep odesaercn ihti wsesaercni
o t489 1n i7 7mor fdesaercn isnoisrucn iyawnu rf orebmu neh tscitsitat s)A An(Foitartsinim
stnedicca tfarcria fo seires tnecer A .]6991 ,AA[F 4991 ni 531 ot no neht dna 6891 ni 511 dna
sd lndoaeo nttoa mehtt o dnftnuorgeoum asahp detopmor pl de hetA epevAoeuheFtptds
sno in s.ot idfel nahltu r tososctcn rercirgrie aeuatoghdotaterrcpuofrp
-r uescapsr ilaanimr ee thnytiticap anecisaerc nn,iatni owpe ievdiw-mets ye shmtorF
.slevel etag dna yawixat ay,wnur eht ot noitsegnoc eht hsup lliw ytilicaf tropria eht gnidnuor
dna yticapac yawnur yb detimil era .S.U eht ni stropria detsegnoc tsom eht fo lareves ,tcaf nI
slo ontoitamot udaesopo rd pnsaeidu tysticap aycawn u.Reunitn oodctetcep xsdeine rstiht
- ullaous t. n ]ne; 5Av 0u ,9ei ,9Gt.9nt.9el1 ael1aerarTu[ta rd eenetsihiotl p noeervepabh
n odnilo t ui tseottr etcnoeogaepbtngmr o ipifcetoaohil tmce e ivtcnferaafdofaprrruTiSA
lortnoC metsyS )SCTSA( ot edivorp l eCnATn ods nrsaetepod li hiwltp-aimmweittspyos
se ilgoer ttoan tro tetccfgs iaa.frnsfcawarmorilta ftA si hetgat s emneolbo r fpnorecnooct
tsrtospyrlia ansai y teihxtel pfmooc eht tr niceAimf e fg)naaMorn(ATigTasnMiickeadm
-yreve desu era scitsirueh fo snezoD .krowten dnuorg tropria laer a ni ecalp gnikat sessecorp
dna SCTSA eht otni detaroprocni eb ot evah dluow taht swolf ciffart tfarcria eganam ot yad
3
.sci rntoeimtp my u aeslrlz neoeisoudm mcfiohnttiimr owngoolliaftazim ihdttepilowpuoc
deli astleeDvel fnoo iyttailluemdi islfliw eb dedeen rof hcus a metsys ni redro ottciped
etunim etat ssegnahc ni eht t fyarroctrcieajar tot ssessa dna evl oeslebris sdonpuorg-illoc
.s ntouioshti Wyna tbuod sih tmetsy slliw evah ot yler gn dnoeeittninoleilmtegitusaaosp
smetsys ,.e.i (laitnereffi dlabolg gninoitisop metsys - )SPG ro tropriA ecafruSnoitceteD
.snoitacil pepmait-l adneeird eyecnaru cncoaiti sdoepri s eeehdvtei hrocatadaR
nI redro ot yd uttr soepc racifiarf uf,sasrw tot lcdf eegjtnb niodeleielrdpooumohctiw
sisyla nmaets ylsiat erd otf elso oltufrew o eapdblu osceitilibap atcnemegan anmoitamrofni
.met stynsemega ncaimff anrotitar etproop rei mali atdenra
1.2 Objective and Scope of This Study
seidutS no tropria snoitarepo evah ylniam desserdda dnuorg krowten ciffart,lortnoc
-nam wolf krowten dna ,snoitubirtsid ffoekat dna gnidnal tfarcria ,snoitarepo lanimret tropria
-alum icsifice pgsni sdueidu tysllacip ynte esb aghnireenig nteropr i fatoec ahfc a.Etnemega
-ves eriuqer yllausu sledom esehT .sevlesmeht gnoma etacinummoc modles taht sledom noit
tne ml gtg paos.nrnrortrdio iileaemfdsweee tmfnhohvyefaaeatltebodrnldigoolomfarvp
yrarbil ,.e.i( krowemarf noitalumis latnemirepxe na hsilbatse ot si yduts siht fo evitcejbo ehT
gnisu ++C dna .)avaJ oT eb desu ni a yteirav fo t rn oo.pisrteiasaryelpa oneahTdesoporp
sa hcus seiduts suoirav tneserper ot snoitacifidom kciuq gniwolla elbixelf eb lliw krowemarf
-lud ethhc gseinl if, lsrrnoioaitau lyatv eecfiafs feacrat ftrruos p,rsiiasy lyatniac adplaecifria
ryorarb i+l +dCradna tmso rsfessa lyctili t funooitazili teu hetzisahp mlel iywdu tssi h.Tgni
4
dleifria eht fo noitadnuof eht sa seirarbil eseht gnisU .)egaugnal POO noitareneg wen a( avaJ
demmargorp ylisae eb dluoc tik loot gniledom metsys ciffart dleifria eht ,krowemarf noitalumis
. tli oknootitacil pmpraoftalp-it lsuam
: sdaebircs eeddblu oycdu tssi hfetopo ceshT
ay,wnur ,tfarcria sa hcus stcejbo htiw smetsys ciffart ecafrus tropria fo sisylanA .1
eht ni enod eb osla nac krowten ecapsria eht ot snoisnetxE .snorpa dna yawixat
future.
tiklo octis a sabdae s eudblu otca hytrarb iglniled olmatnemirep x nehasilbat s.E2
tneATC regrfoun d fy idco ntrsol duorttestrategsies.hcrae sreorf
.ledom noitalumis ecapsria tropria noitareneg txen eht rof noitadnuof eht edivorP .3
n iegaugna lVA JAeh tf oseitilibapa cgniledo mtnednepedn imroftal peh tyf4i. r Ve
.noitacil pgpnaireeni gtnreo p trfnxioaeat neohct
5
Chapter 2 Evaluation of System Modeling Technologies
2.1 System Modeling Technologies
nI tnecer ,sraey retupmoc erawtfos tnempoleved ygolonhcet si gnitargim ottcejbO
nredom a sa deifissalc eb nac hcaorppa detneiro tcejbo eht fI .)POO( gnimmargorP detneirO
.snosa erroj ae mhytlbabo re prsacitsiretcara hgcniwoll oe fhgy,tolonhc egtniledom
no i.st1daeteuppsm ofCo l aic rseUm PmeColcb u yonrdee evstehhtgnioemdna
eht tinu tsoc rof gnisu a laicremmoc UPC htiw ema snoitatupm odceepssah
.decu dneereb
y lrl e a y svmc. s)resooi2d eMohedteecAtmtcnspviRsecaapar(aMARrohpldrd
-imonoce snoitacilppa evisnetni yromem fo tnempoleved eht gnikam sraey owt
.elbisae fyllac
smetsys noitamrofni tnemeganam deen srekam noisiced dna sreganam lairtsudnI .3
-amrofn iemi tlae rssecor pna ctah t)SSD (smetsy stroppu snoisice ddn a)SIM(
n osdi ln ts eiahc fsati eouti mlmlh e weaaeltedamnetattiyrsa atdylodsutmis
6
.seirosiv dnaoisic eeddivo r opdt nsalev emletsys
.4 metsy Sstsylana deen ot esu a yteirav fo sledom ot ezyl atnnaerefffiid-tahw
-libixelf eht evah dluohs sloot esehT .sloot retupmoc gniledom dipar htiw sesac
.gniled ommets ydsetneiro-oirane ctsnemelp moyitti
.5 ehT tekr asmdname decr osfreledom ot kool ryotfi lginbialseudeorm nirieht
nwo hcraese r.sniamod stluseR ro snoisulcnoc morf rieht hcraeser dluohseb
ledom ni stcejorp hcraeser tnereffid gnoma krow tnadnuder dna elbasuer ylidaer
ni etartnecnoc nac srehcraeser ,sdrow rehto nI .dediova eb dluoc stnempoleved
.secafret nftionempolev ee dhnntia hrteht ahrtp emdelborp
2.2 New Requirements of System Integration
laer a tnemeganam dna noitazinagro eht ot hcaorppa na sa denifed si noitargetni metsyS
noita rmeeptos yhsguorht eht esu feotair psolrepvpeal fo retupmoc dnnoaitamr-ohfcneit
seig o,leozni M.[]2991 ehT erutan fo nmo eisttesaryri sgumeqe tetsnrstiynsemele robus
sledom ot eb elbalacs ot teem tner esftfniedmeri ugqneirtoned ’stn e.isleccnereferposlA
metsys fo erutan sihT .rehto hcae htiw snoitacilppa tnereffid ecafretni ot si noitargetni metsys
noita rsgeekta nmtic edje btgonneiilreodom ni hgih dna meesduac esb’MOO etalgnidnib
.erutaef
2.3 Object Oriented Programming(OOP) and Modeling (OOM)
d estinse yihlrgaou n-odat hncgtaenljiAbloed oyemlreavit awl eesnrtpecno cni-moc
-htem esoht ot lacitnedi era stpecnoc eseht taht dnatsrednu ot tluciffid ton si ti ,ecneics retup
7
sdo desu ni nerv eiydtloobmmm oe.tssuseaani lstraP dn aylbmess aera edam rodeilppus
morf t nserreerfufticdafun admna tnes ot evitom oytlubamessa .senil sraC eradelbmessa
r en haethdatar mta as t ,ec esstearlii hjt aesntba.ddyiiodeeolfw mtm atinnncteIaeijrboo
detneiro tcejbo eht ay,doT .dlrow laer eht ni tcejbo lacisyhp a fo setats gnitneserper snoitcnuf
a ni smetsys dlrow laer ledom ot dohtem etairporppa tsom eht eb ot deredisnoc si hcaorppa
.stpecn oPc OeO h fteom oestartsul lpil eyh asmelpma xgeniwoll oef h.Tretupmoc
:stcej bloacisy h.P1
mets ylsortn occiffa rrt i na natifarcriA
krowt ecniffa rntoita i nsvaitaropriA
led onmoitalum igsniwoll orf a nacsiraC
krow tdennu otrrgo ps nryniiaaawnuR
krowt ednnuo rtgropr i nnayaiawixaT
lanimre tan iseta gdn atropri an an islanimreT
krowt ednnuo rtgrop r nisaiaed od nnsakn illaicifitrA
.2 ataDstcejbo
et itsropr idaetce l neeais sodrniW
secivr eesnilr i fasoeludehcS
tfa recrr u ilteaa ru vraefiopuoreQrda
snoitarugifn oycawnuR
sel unroitarap ecsiffa rrtiA
seitit nneam u.H3
stoliP
sregnessaP
fo gnidnatsrednu ruo ni sa tsuj stcejbo ralimis fo noitcelloc a sa denifed si POO ni ssalC
tahw a ssalc si ni e h.tloohc s tAnenop ms oidcenife dsa n oaitce lf loroaclim idsna-llew
8
.sessal cdenifed
Comparing Different Object Oriented Methods
se hocta -oter ndpseper avegylfnbef isihsmdsueihutgn istd sodihedttenMeirO-tcejbO
eh to tgnidrocc aspuor glareve sotn idezirogeta cyllaus uer ayeh T.smetsy stegra teh tebircs
-tcejb otnereffi df onosirapmo cdeliate dyre v asedivor prelwo F.metsy seh twei vyeh tsyaw
-irav fo yrammus a stneserp gniwollof ehT .]5991 ,leahcimraC [ sdohtem gniledom detneiro
.rel wmo oFsrdfoh tdeemtneiro-tce jmbaoertsn idyaebmtp osdeaisarcnyso isduio
Viewing as Data Types, Classes and their Association
metsys eht ni stcejbo fo sepyt eht sa metsys a fo weiv larutcurts eht staert hcaorppa sihT
spihsnoitaler fo sdnik eerhT .meht neewteb tsixe taht spihsnoitaler citats fo sdnik suoirav dna
era :tnatropmi associations ,.g.e( a rosseforp yam evah a rebmun fo ,)stneduts subtypes
dna ,)C yrogetac hcaorppa ot gnignoleb tfarcria fo epyt a si 727-B a ,.g.e( aggregation(e.g.,
t dn(nearef f ei lsdsludaoh tdeemtneiro-tce jsbuooi r ea.hv)Ttfarc rtfni roaaesanipi gnnae
-xe sa anemonehp siht sezingocer relwoF .stpecnoc eseht rof ygolonimret )gnitcilfnoc netfo
gn iy tl.aee rmlttebusrabut trrifov F ee,pnlgiipnhoisseln epeoopdihyotwtmal eerk-iyltitne
g,nsip p idysshn tinsad- onnbe i oouh.toips t eattsoy,mi-aettsacwlriesooertpsHronysceta
reve eht noiton fo sepyt si nommoc ot t s.osmdoh tpei mmhngsIindoairtaa pleehrt-ytitne
s ldeedt onemer sasearper a xob ni .a mnairtgra aidMd n,a lelreud gO,i 3Fe.n2ticfeejdbo
,nodru-Yo-giFd a.onCoitatnemel pr mi t iefreshoaretpass adllnacautpec net orascahetpyt
eru dna1.2 ,3.2 dna ,hcooB erugiF 2.2 dna ,3.2 hsiugnitsid ni smargaid neewtebtcartsba
sessalc dellac( )ssalc dna tcartsba nsoenssalc ssalc( dna .)tcejbo ehT hcooB noitatonosla
.sessa ldceziretemar ad pnsaessalcat er mosfnoitcnits isddda
9
nwohs sa stcejbo lortnoc ro ,stcejbo ecafretni ,stcejbo ytitne sa sepyt seifissalc nosbocaJ
ot desu era stcejbo ecafretni ,noitamrofni derots dloh ot desu era stcejbo ytitnE .1.2 erugiF ni
.gnissecorp rof desu era stcejbo lortnoc dna ,)sresu ,.g.e( srotca lanretxe htiw etacinummoc
se c nn seaf p etosi,wseh.tnpsgeiyn.b toe ti(an nto seasskslrnre eeoorrrpiwpotefaricaossA
s rneno tiionttiaoip cdoesrs aarp em .lony,y )wcans so apareFaphm e cmaobfiomcofcufno
-noc yllausu era yeht taht noitcnitsid tnatropmi eht tuo stniop tub ,segaugnal detneiro-tcejbo
.noitcer irdeht indeietagiv aenn bad cnlaanoitcerid- i eobdbteredis
setubirt td Ansanoitare peor aylla rdeenledgnah ni a ralimisay. wMethods show at-
.sledom llams rof etairporppa ylno era yeht tub ,xob epyt eht nihtiw snoitaicossa dna setubirt
roF regral ,sledom ti si tseb ot eton meht no a etarapes txet .tsil hguabmu Rsetacidnieht
ecnatropmi fo gnittup eht etubirtta epyt rof ,setubirtta dna noitarepo nruter epyt dna-ugra
-dulcni ,snoitacidni elbissop fo egnar ediw yrev a sdda hcooB .snoitinifed noitarepo no stnem
.eeccn ne ger dn trnniesuAalicpsnmroaec xpfeo a hmcaorogBa isdi nwohs n ierug,i4F.2
draobetihw a no ward ot tluciffid si tI .desu noitaton drawkwa ylthgils eht swohs osla hcihw
r. oe hggt anirkiwec wtaaauprpdmoc
Viewing Systems by their Behaviors
euqinhce tpihsnoitaleR-ytitn Eeh tf oytiminan uevitarapmo ceh tsdohte mderutcurt snI
sehcaorppa suoirVa .roivaheb gnitneserper rof tnelaviuqe na dah reven sah atad gniledom rof
-ledom larutcetihcra dna laroivaheb fo snoiton eht denibmoc hcihw fo ynam ,desu neeb evah
.gni ehT tsom nommoc hcaorppa rof laroivaheb gniledom si llits eht wolf ro—trahcsti
cita mtmnaerlgaaviidunqoen fo .edocoduesp ehT stcefed fo yna fo deesseahbt-erudecorp
seuqinhce trof ,egra lxel psmroocivaheb sah neeb l l.edwet n,ermeuvceowdoH htob-hcet
ton si ti gnidivorp ,mhtirogla elgnis a fo noitpircsed eht rof delavirnu llits ylbaborp era seuqin
gn ig o. gneornodtoalirw
10