Management science/operations research (MS/OR) and decision support system(DSS) modeling is notoriously error-prone due to the deficiency of semantic formalization of commercial modeling languages and systems. The absence of precise, formal semantic definitions has contributed to the lack of successful modeling environment paradigms in various ways. For example, it has prevented the automatic generation of major components of modeling environments. It has increased the effort and cost of software development and maintenance.
Modeling environments have been proposed to support the entire modeling life-cycle with multiple modeling paradigms and solvers. Despite its potential for improving model-based works, developing such an environment is a complicated task requiring a large amount of time and effort. This partially explains why the field of modeling environments is still in its infancy, and practical ones are yet to come. As a result of the complexity, existing environments have suffered from the limitations of flexibility, extensibility, and integration capability.
As a way of improving the three capabilities of modeling environments, an approach for generating modeling environments through semantic formalization is proposed in this dissertation. The creation of a new generation of semantics-driven environments where mathematical modeling could be developed in a less error-prone fashion, and where environment tools could be automatically evolved, is one of the most pressing challenges currently faced by the MS/OR and DSS community. The significance of this approach is that it is possible to reduce the amount of time required to develop correct new models and to maintain existing ones. Furthermore, it is possible to automate the generation of the semantic tools and aids for the modeling environments from the formal specification. The benefits of this automation come not only from the time saved during the initial development of modeling environment tools, but from time savings achieved during enhancements, changes, and evolution of the environments.
The approach is based on a meta-modeling framework called constraint-based modeling. The meta-modeling framework is designed to be rigorous and general enough to specify the semantics of the conceptual modeling framework and modeling activities of a target environment. The constraint-based modeling framework reflects the view that a modeling environment restricts and guides modeling activities, and that the restrictions secure models against inconsistency and incompleteness. That is, a modeling environment is viewed as a constraint enforcement system.
Based on the constraint-based modeling framework, a prototype environment generator called MetaDSS has been implemented. MetaDSS automatically generates logic-based integrated modeling environments from the specification of their formal requirements.
To demonstrate the usefulness of the approach and the framework, two modeling environments are developed. A modeling environment is developed to compare it with other existing systems/environments. It is based on the framework of structured modeling. Through revisions and analysis using MetaDSS, the structured modeling framework and environment are upgraded with object-oriented features and intelligent support schemes. Object-oriented structuring principles such as object-oriented modular structure, models as entities, specialization, and derived entities are applied by constraints without fundamental modification of the original structure modeling framework. Two example problems are used to illustrate various features of the two environments.
We conclude that it is possible to use a constraint-based modeling frame-work to formalize the semantic requirements of modeling environments, and to automate the generation of modeling environment tools. This kind of explicit semantic formalization can help to make the modeling activities in MS/OR and DSS less error-prone, thereby shortening the length of time required to develop correct new models and to maintain existing ones. Furthermore, it is possible to increase the flexibility, extensibility, and integration capability of modeling environments through rapid prototyping.
의사결정 지원을 위한 모형화 작업시 많은 오류를 범하게 되는 것은 상업용 모형화 언어들과 시스템들이 의미 있는 요구사항(Semantic Requirement)들을 충분히 구조화하지 못하였기 때문이다. 또한 정확하게 공식적으로 정의된 요구사항이 부족하여 성공적인 모형화 환경의 구축에는 어려움이 많았다. 모형화 환경들은 다수의 모형화 패러다임(Paradigm)과 해를 구해주는 도구(Solver)들을 가지고 전체적인 모형화 수명주기 (Life Cycle)를 지원하기 위해 제안되었다. 비록 모형화 환경들이 모형을 바탕으로 하는 작업을 개선할 수 있는 가능성을 제시했지만, 실제로 한 환경을 개발하는 작업은 많은량의 시간과 노력을 필요로 하는 복잡한 작업이다. 이러한 이유로 모형화 환경 분야는 여전히 초기상태에 있으며 실제적으로 구현된 환경들은 거의 없다. 실험적으로 개발된 시스템들도 유연성(Flexibility), 확장성(Extensibility), 그리고 통합능력(Integration Capability)등이 제한되어 있어서 크게 개선되지 못하고 있다.
이 3가지 능력을 향상시키기 위하여 본 논문에서는 의미있는 요구사항을 구조화시켜 모형화 환경을 생성하기 위한 접근을 시도하였다. 의미에 의해 주도되는 차세대의 모형화 환경의 개발은 현재의 경영과학(MS/OR)과 의사결정지원시스템(DSS) 분야가 직면하고 있는 가장 긴급한 과제중의 하나이다. 이 접근법의 중요성은 새로운 모형의 개발과 기존 모형의 유지에 필요한 시간을 줄일 수 있으며, 나아가서 구조화된 요구명세서로부터 의미에 의해 주도되는 모형화 환경의 도구들을 자동으로 생성할 수 있다는 점이다. 이러한 자동화는 모형화 환경의 도구들을 처음으로 개발할 때 필요한 시간뿐 아니라, 기존 환경을 개선하고 변화시키는데 필요한 시간을 절약시켜 준다는 잇점이 있다.
본 논문이 시도한 접근법은 제약기반 모형화(Constraint-based Modeling)라고 하는 메타수준의 모형화 틀 (Meta-modeling Framework)에 바탕을 두고 있다. 이 틀은 개발대상이 되는 환경의 개념적 모형화 틀(Conceptual Modeling Framework)과 모형화 행위 (Modeling Activities)들에 관한 의미 있는 요구사항을 기술하기에 충분하도록 정확하고 일반성 있게 설계되었다. 이 제약기반 모형화 틀은 모형화 환경을 제약강요시스템 (Constraint Enforcement System)으로 볼 수 있다는 관점에서 출발한다. 즉, 모형화 환경은 모형화 행위들을 제약하거나 안내해주며, 이러한 제약은 모형을 일치되고 일관성 있게 해준다.
이 메타수준의 틀을 바탕으로 프로토타입 형태의 환경생성기인 MetaDSS가 구현 되었다. 모형화 환경의 모형에 관한 의미있는 요구사항을 제약기반 모형화 틀에 따라서 구조화하여 정의하면, MetaDSS는 자동으로 논리에 바탕을 둔 통합 모형화 환경을 생성해 준다.
이 접근법과 틀의 유용성을 보여주기 위하여 두 모형화 환경이 개발되었다. 첫 단계에서는 구조적 모형화 틀 (Structured Modeling Framework)에 바탕을 둔 환경을 개발해 보고 다른 기존 모형화 환경 또는 시스템들과 비교 하였다. 이 모형화 환경은 MetaDSS를 사용한 반복적인 개발과 분석을 통하여 점진적으로 개선되어 객체지향적인 특성과 지능적인 지원이 가능하게 되었다. 이러한 예를 통하여 본 연구의 접근법이 모형화 환경의 3가지 능력 즉 유연성과 확장성, 그리고 통합성을 증가시켰음을 보였다. 또한 이러한 측면에서의 평가기준이 될 수 있는 5가지 논점 (Issue)들을 제시하고, 대표적 모형화 환경인 FW/SM과 상대적인 장단점의 비교를 시도하였다.
결론적으로 제약기반 모형화 틀이 모형화 환경의 의미 있는 요구사항을 구조화 하는데 사용될 수 있으며 모형화 환경의 일부 도구들을 자동으로 생성할 수 있다는 점이 확인 되었다. 이러한 종류의 구조화는 의사결정지원을 위한 모형화 행위의 오류 가능성을 줄여주고 새로운 모형의 개발과 기존 모형을 개선하는데 드는 비용과 시간을 절약시켜 주었다. 또한 신속하게 프로토타입 형태의 모형화 환경을 생성함으로서 환경의 3가지 능력을 향상시킬 수 있었다.
