KR101607209B1 - 온톨로지를 이용한 자가적응시스템 및 자가적응방법 - Google Patents

온톨로지를 이용한 자가적응시스템 및 자가적응방법 Download PDF

Info

Publication number
KR101607209B1
KR101607209B1 KR1020140140101A KR20140140101A KR101607209B1 KR 101607209 B1 KR101607209 B1 KR 101607209B1 KR 1020140140101 A KR1020140140101 A KR 1020140140101A KR 20140140101 A KR20140140101 A KR 20140140101A KR 101607209 B1 KR101607209 B1 KR 101607209B1
Authority
KR
South Korea
Prior art keywords
target system
components
target
model
ontology
Prior art date
Application number
KR1020140140101A
Other languages
English (en)
Inventor
이석원
우인희
Original Assignee
아주대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 아주대학교산학협력단 filed Critical 아주대학교산학협력단
Priority to KR1020140140101A priority Critical patent/KR101607209B1/ko
Application granted granted Critical
Publication of KR101607209B1 publication Critical patent/KR101607209B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Stored Programmes (AREA)

Abstract

온톨로지를 이용한 자가적응시스템 및 자가적응방법이 개시된다. 본 발명의 실시예에 따른 온톨로지를 이용한 자가적응시스템은, 타겟 시스템(target system)의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐(Feature) 및 상기 타겟 시스템 구성요소들의 구조(Architecture) 중 적어도 하나가 온톨로지 모델에 따라 분류된 온톨로지 데이터를 포함한 데이터베이스; 와 상기 온톨로지 데이터를 이용하여, 상기 타겟 시스템이 환경변화에 적응하여 동작하도록 제어하는 적응 제어부를 포함한다.

Description

온톨로지를 이용한 자가적응시스템 및 자가적응방법{SELF ADAPTIVE SYSTEM AND METHOD USING ONTOLOGY}
본 발명은 온톨로지를 이용한 자가적응시스템 및 자가적응방법에 관한 것으로, 더욱 자세하게는 타겟 시스템(target system) 개발자의 경험 및 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 타겟 시스템 구성요소들의 휘쳐(Feature) 및 타겟 시스템 구성요소들의 구조(Architecture) 등이 반영된 온톨로지 데이터를 이용하여 환경변화에 타겟 시스템이 적응하도록 하는 기술에 관한 것이다.
현대 사회에서 소프트웨어의 비중이 커짐에 따라 소프트웨어가 다양한 환경 및 사용자의 요구의 변화를 맞이하게 되면서 이러한 변화에 스스로 적응할 수 있는 능력의 필요성이 강조되고 있다. 이에 따라 환경 및 시스템의 변화에 스스로 적응하는 자가 적응 시스템(Self-Adaptive System)에 대한 연구들이 진행되고 있다. 자가 적응 시스템이란 환경 및 시스템의 변화를 감지하고 이에 알맞은 행동을 취함으로써 스스로 적응하는 시스템이다.
최근, 자가 적응 시스템의 유지보수, 확장 및 재사용을 용이하게 하기 위해 외적 방법(external approach)들이 제안되고 있다. 외적 방법은 시스템의 적응과정을 모니터(Monitor), 분석(Analyze), 계획(Plan), 실행(Execute)로 구분하고, 각 단계들을 수행하기 위한 모듈을 시스템과 분리하여 개발하는 방법이다.
대표적인 연구로써, 카네기 멜런(Carnegie mellon) 대학의 Rainbow가 있다. Rainbow는 자가 적응 시스템을 개발하기 위해 제안된 프레임 워크로, 아키텍처 기반의 자가 적응 기술을 통해 시스템의 자가 적응을 수행하는 방법이다. 또한 SINTEF ICT에서 개발된 MADAM은 모바일 환경에서 자가 적응 시스템을 구축하기 위한 미들웨어로, 컴포넌트 기반의 다형성 모델링 기술을 통해 시스템의 자가 적응을 수행한다.
하지만 기존에 제안된 방법들은 시스템의 개발이 개발자의 지식과 경험에 의존되는 경향이 있다. 이와 같은 경향은 구성된 시스템을 검증 및 평가하기 위한 지식들이 제공되지 않고, 시스템의 유지보수 및 확장이 개발자에게 의존되어 있으며, 시스템의 적응과정을 이해하는데 많은 노력이 필요하기 때문에 시스템의 유지보수성 및 확장성이 낮아지게 되는 문제점이 발생한다.
본 발명과 관련된 선행문헌으로는 대한민국 등록특허 제10-0959173호(등록일: 2010년 05월 13일)가 있다.
본 발명의 기술적 과제는 타겟 시스템(target system)의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐 및 상기 타겟 시스템 구성요소들의 구조 등이 반영된 온톨로지 데이터를 이용하여 환경변화에 타겟 시스템이 적응하도록 하는 자가적응시스템 및 자가적응방법을 제공함에 있다.
본 발명의 해결하고자 하는 과제는 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 양상에 따른 온톨로지를 이용한 자가적응시스템은, 타겟 시스템(target system)의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐(Feature) 및 상기 타겟 시스템 구성요소들의 구조(Architecture) 중 적어도 하나가 온톨로지 모델에 따라 분류된 온톨로지 데이터를 포함한 데이터베이스; 와 상기 온톨로지 데이터를 이용하여, 상기 타겟 시스템이 환경변화에 적응하여 동작하도록 제어하는 적응 제어부를 포함한다.
상기 온톨로지 모델은, 상기 사용자의 요구사항인 정책(Policy)들, 상기 정책들 각각에 대한 타겟 시스템의 목표를 표현하기 위한 목표모델(Goal model), 상기 타겟 시스템의 목표를 달성하는데 필요한 구성요소들의 휘쳐를 표현하기 위한 휘쳐 모델(Feature model) 및 상기 구성요소들의 구조를 표현하기 위한 아키텍처 모델(Architecture model)로 이루어질 수 있다.
상기 온톨로지 모델은, 상기 정책들 각각 마다 적용되기 위해 선행되어야 하는 조건(Condition)을 더 포함할 수 있다.
상기 온톨로지 데이터는, 상기 타겟 시스템의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐 및 상기 타겟 시스템 구성요소들의 구조 중 적어도 하나가 상기 조건, 정책, 목표모델, 휘쳐 모델, 아키텍처 모델에 따라 분류된 데이터일 수 있다.
상기 적응 제어부는, 상기 환경 변화를 감지하기 위한 속성들의 값을 타겟 시스템으로부터 수신하고 상기 온톨로지 데이터에서 상기 속성들의 값에 맵핑되는 조건에 따른 정책을 파악하는 모니터링부; 상기 온톨로지 데이터에서 상기 파악된 정책과 맵핑되는 목표를 파악하는 목표 해석부; 상기 온톨로지 데이터에서 상기 파악된 목표와 맵핑되는 휘쳐를 파악하는 휘쳐 해석부; 상기 온톨로지 데이터에서 상기 파악된 휘쳐와 맵핑되는 구성요소들의 구조를 파악하는 아키텍처 해석부; 및 상기 파악된 구성요소들의 구조를 이용하여 상기 타겟 시스템이 환경변화에 적응하도록 상기 타겟 시스템을 재구성하는 재구성부를 포함할 수 있다.
상기 환경변화는, 상기 타겟 시스템의 실행 환경 변화 및 상기 타겟 시스템의 제어 대상 자체 변화 중 적어도 하나를 포함할 수 있다.
본 발명의 다른 양상에 따른 온톨로지를 이용한 자가적응방법은, 타겟 시스템(target system)의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐(Feature) 및 상기 타겟 시스템 구성요소들의 구조(Architecture) 중 적어도 하나가 온톨로지 모델에 따라 분류된 온톨로지 데이터를 포함한 데이터베이스를 구축하는 단계; 와 상기 온톨로지 데이터를 이용하여, 상기 타겟 시스템이 환경변화에 적응하여 동작하도록 제어하는 단계를 포함한다.
상기 온톨로지 데이터를 이용하여, 상기 타겟 시스템이 환경변화에 적응하여 동작하도록 제어하는 단계는, 상기 환경 변화를 감지하기 위한 속성들의 값을 타겟 시스템으로부터 수신하고 상기 온톨로지 데이터에서 상기 속성들의 값에 맵핑되는 조건에 따른 정책을 파악하는 단계; 상기 온톨로지 데이터에서 상기 파악된 정책과 맵핑되는 목표를 파악하는 단계; 상기 온톨로지 데이터에서 상기 파악된 목표와 맵핑되는 휘쳐를 파악하는 단계; 상기 온톨로지 데이터에서 상기 파악된 휘쳐와 맵핑되는 구성요소들의 구조를 파악하는 단계; 및 상기 파악된 구성요소들의 구조를 이용하여 상기 타겟 시스템이 환경변화에 적응하도록 상기 타겟 시스템을 재구성하는 단계를 포함할 수 있다.
본 발명의 실시예에 따른 온톨로지를 이용한 자가적응시스템 및 자가적응방법에 따르면, 타겟 시스템(target system)의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐 및 상기 타겟 시스템 구성요소들의 구조 등이 반영된 온톨로지 데이터를 이용하여 타겟 시스템의 실행 환경 변화 및 타겟 시스템의 자체 변화 중 적어도 하나에 타겟 시스템이 적응하도록 함으로써, 타겟 시스템이 환경변화에 적응하여 정상적으로 동작하도록 개발자 등이 일일이 타겟 시스템의 구성을 재구성하지 않아도 된다.
도 1은 본 발명의 실시예에 따른 온톨로지를 이용한 자가적응시스템을 구성을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 온톨로지 모델을 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 온톨로지를 이용한 자가적응방법에 대한 플로차트를 나타낸 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.　
본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위하여 제공되는 것이며, 아래의 실시예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 아래의 실시예들로 한정되는 것은 아니다. 오히려, 이들 실시예는 본 개시를 더욱 충실하고 완전하게 하며 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다.　
본 명세서에서 사용된 용어는 특정 실시예를 설명하기 위하여 사용되며, 본 발명을 제한하기 위한 것이 아니다. 본 명세서에서 사용된 바와 같이 단수 형태는 문맥상 다른 경우를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 경우 "포함한다(comprise)" 및/또는"포함하는(comprising)"은 언급한 형상들, 숫자, 단계, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 하나 이상의 다른 형상, 숫자, 동작, 부재, 요소 및/또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다. 본 명세서에서 사용된 바와 같이, 용어 "및/또는"은 해당 열거된 항목 중 어느 하나 및 하나 이상의 모든 조합을 포함한다.　
본 명세서에서 제1, 제2 등의 용어가 다양한 부재, 영역 및/또는 부위들을 설명하기 위하여 사용되지만, 이들 부재, 부품, 영역, 층들 및/또는 부위들은 이들 용어에 의해 한정되어서는 안됨은 자명하다. 이들 용어는 특정 순서나 상하, 또는 우열을 의미하지 않으며, 하나의 부재, 영역 또는 부위를 다른 부재, 영역 또는 부위와 구별하기 위하여만 사용된다. 따라서, 이하 상술할 제1 부재, 영역 또는 부위는 본 발명의 가르침으로부터 벗어나지 않고서도 제2 부재, 영역 또는 부위를 지칭할 수 있다.
이하, 본 발명의 실시예들은 본 발명의 실시예들을 개략적으로 도시하는 도면들을 참조하여 설명한다. 도면들에 있어서, 예를 들면, 제조 기술 및/또는 공차에 따라, 도시된 형상의 변형들이 예상될 수 있다. 따라서, 본 발명의 실시예는 본 명세서에 도시된 영역의 특정 형상에 제한된 것으로 해석되어서는 아니 되며, 예를 들면 제조상 초래되는 형상의 변화를 포함하여야 한다.
도 1은 본 발명의 실시예에 따른 온톨로지를 이용한 자가적응시스템을 구성을 나타낸 도면이다.
도 1을 참조하면 본 발명의 실시예에 따른 온톨로지를 이용한 자가적응시스템은, 데이터베이스(1)와 적응 제어부(2)를 포함한다.
데이터베이스(1)는 타겟 시스템(target system)의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐(Feature) 및 상기 타겟 시스템 구성요소들의 구조(Architecture) 중 적어도 하나가 온톨로지 모델에 따라 분류된 온톨로지 데이터를 포함한다.
이때 온톨로지 모델은 상기 사용자의 요구사항인 정책(Policy)들, 상기 정책들 각각에 대한 타겟 시스템의 목표를 표현하기 위한 목표모델(Goal model), 상기 타겟 시스템의 목표를 달성하는데 필요한 구성요소들의 휘쳐를 표현하기 위한 휘쳐 모델(Feature model) 및 상기 구성요소들의 구조를 표현하기 위한 아키텍처 모델(Architecture model)로 이루어질 수 있으며, 이에 더하여 상기 정책들 각각 마다 적용되기 위해 선행되어야 하는 조건(Condition)을 더 포함할 수 있다.
이에 따라서 온톨로지 데이터는 상기 타겟 시스템의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐 및 상기 타겟 시스템 구성요소들의 구조 중 적어도 하나가 상기 조건, 정책, 목표모델, 휘쳐 모델, 아키텍처 모델에 따라 분류된 데이터일 수 있다.
즉 온톨로지 데이터에 포함되는 타겟 시스템 사용자의 요구사항들, 타겟 시스템 구성요소들의 휘쳐 및 타겟 시스템 구성요소들의 구조는 타겟 시스템의 개발자의 경험과 지식이 반영된 상태의 데이터를 나타내며, 이하에서도 동일한 의미로 사용된다.
이렇게 온톨로지 데이터 내의 타겟 시스템 사용자의 요구사항들, 타겟 시스템 구성요소들의 휘쳐 및 타겟 시스템 구성요소들의 구조에는 타겟 시스템의 개발자의 경험과 지식이 반영되어 있으므로, 타겟 시스템의 유지 보수 과정에서 필요로 하는 지식들이 개발자 이외의 다른 개발자 또는 유지 보수자에게 제공되므로 타겟 시스템의 유지보수 및 확장이 용이하게 이루어질 수 있게 되는 것이다.
이러한 온톨로지 데이터를 생성하는데 이용되는 온톨로지 모델이 도 2에 예시되어 있다.
도 2를 참조하면, 정책(Policy), 목표모델(Goal Model), 휘쳐 모델(Feature 모델), 아키텍처 모델(ROAD Architecture Model)로 이루어져 있다.
정책은 특정 상황에서 어떤 목표를 달성함으로써 무엇을 지향해야 하는지를 명시한다. 조건(Condition)은 정책이 적용되기 위해 선행되어야 하는 상황을 나타낸다.
목표모델은 목표(Goal)와 소프트 목표(Soft Goal)로 이루어져 있다. 목표(Goal)는 타겟 시스템의 기능적 요구사항(Functional requirements)을 나타내는 요소로, 달성 여부에 대한 명확한 판단 기준이 존재한다. 소프트 목표는 타겟 시스템의 비기능적 요구사항(Non-functional requirements)을 나타내는 요소로, 목표(Goal)와 달리 명확한 측정의 기준이 없이 지향해야 하는 목표들을 나타낸다.
휘쳐 모델은 행동 휘쳐(Behavior Feautre)과 컴포넌트 휘쳐(Component Feature)로 타겟 시스템의 구성요소들의 휘쳐를 표현한다. 행동 휘쳐는 타겟 시스템의 목표를 달성하기 위해 갖추어야 할 기능들을 나타내는 모델링 요소이다. 컴포넌트 휘쳐는 타겟 시스템의 구성요소들의 기능들을 바탕으로 나타낸 모델링 요소이다.
아키텍처 모델은 조직(Organization), 규약(Contract), 역할(Role) 역량(Capability), 수행자(Player)로 타겟 시스템의 구성요소들의 구조를 표현한다. 조직은 협업(역할 분담)을 통해 목표를 달성하기 위한 요소를 나타낸다. 규약은 역할들 사이의 상호작용 과정을 나타내는 것으로, 각 상호작용 과정에서 고려되는 요청 양식과 조건 등을 포함한다. 역할은 타겟 시스템의 목표를 분담하기 위한 요소로써, 조직의 구성원들을 추상적으로 표현한 것이다. 역량은 역할을 수행하기 위해 요구되는 능력 또는 타겟 시스템의 구성요소가 보유한 능력을 나타내기 위해 사용된다. 수행자는 역할을 수행하기는 타겟 시스템의 구성요소를 나타낸다.
이러한 온톨로지 모델 내 각 모델들의 구성요소들 간의 관계에 대해서 살펴 보기로 한다.
has_pre-condition은 조건이 정책이 선행한다는 것을 나타내며, perform은 정책과 정책이 수행하는 타겟 시스템의 목표와의 관계를 나타내며, has_intention은 정책과 정책이 지향하는 소프트 목표와의 관계를 나타내며, contribute는 목표와 소프트 목표 간 의존성을 나타내며, AND Refinement는 목표와 목표를 구성하는 하위 목표들과의 관계를 나타내며, OR Refinement는 목표와 목표를 달성하기 위해 선택되는 목표들과의 관계를 나타내며, satisfy는 목표와 목표를 달성하기 위한 행동 휘쳐(Behavior Feature)와의 관계를 나타내며, Mandatory는 행동 휘쳐와 행동 휘쳐를 구성하는 하위 행동 휘쳐들과의 관계를 나타내며, Alternative는 행동 휘쳐와 행동 휘쳐를 대체할 수 있는 행동 휘쳐들과의 관계를 나타내며, play는 역할과 역할을 수행하는 수행자와의 관계를 나타내며, require는 역할과 역할을 수행하기 위해 요구되는 역량들과의 관계를 나타내며, realize는 행동 휘쳐와 행동 휘쳐를 구현한 역할과의 관계를 나타내며, represented는 타겟 시스템의 구성요소(수행자)와 타겟 시스템의 구성요소(수행자)를 표현한 컴포넌트 휘쳐(Component Feature)와의 관계를 나타내며, has는 수행자와 수행자가 보유한 역량들과의 관계를 나타내며, is-a는 조직이 수행자의 하위 클래스임을 나타내며, participate는 규약과 규약에 참여하는 역할들과의 관계를 나타내며, compoesed_with는 조직을 구성하는 역할들과의 관계를 나타낸다.
이러한 온톨로지 모델에 따라 분류되는 온톨로지 데이터에 대한 예시를 들어보기로 한다.
예를 들어, "예비 전력이 3~6%인 경우 Direct Load Control(직접부하제어) 또는 Load Interruptible(차단 가능 서비스)를 통해 그리드의 부하를 감소시켜야 한다."인 Caution 정책인 경우, Caution 정책은 예비 전력이 3~6%라는 상태를 선행 조건(Condition)으로 가지며(has_pre-condition), Direct Load Control 또는 Load Interruptible이라는 타겟 시스템의 목표(Goal)를 통해(perform), 그리의 부하감소라는 의도(Soft Goal)를 가진다(has_intention). Direct Load Control이라는 목표의 경우, DLCFeature에 의해 달성이 되며(satisfy), DLCFeature는 Direct Load Control을 수행하는 있는 역량(Capability)을 갖춘 요소이다(require). DLCFeature는 DLCRole이라는 역할로 구현되어 있으며(realize), DRMS(Demand Response Management System)라는 시스템 구성요소(수행자:player)에 의해서 수행된다(play).
다시 도 1에서, 적응 제어부(2)는 상기 온톨로지 데이터를 이용하여, 상기 타겟 시스템(3)이 환경변화에 적응하여 동작하도록 제어하는데, 모니터링부(21), 목표 해석부(22), 휘쳐 해석부(23), 아키텍처 해석부(24) 및 재구성부(25)를 포함한다.
모니터링부(21)는 상기 환경 변화를 감지하기 위한 속성들의 값을 타겟 시스템으로부터 수신하고 상기 온톨로지 데이터에서 상기 속성들의 값에 맵핑되는 조건에 따른 정책을 파악한다.
이때 환경 변화는 타겟 시스템의 실행 환경 변화 및 타겟 시스템의 제어 대상 자체 변화 중 적어도 하나를 포함한다.
일 양상에 따르면, 핸드폰 디스플레이의 화면 밝기 변화의 경우, 핸드폰 디스플레이의 화면 밝기 제어 프로그램이 타겟 시스템에 해당 될 수 있다. 핸드폰 디스플레이의 주변 조도 변화 값에 따라(햇빛, 주/야간 등에 조도 변화에 따라) 핸드폰 디스플레이의 화면 밝기 제어 프로그램에 의해 핸드폰 디스플레이의 화면 밝기가 변하는 경우, 핸드폰 디스플레이의 주변 조도 변화가 타겟 시스템의 실행 환경 변화에 해당 될 수 있다. 핸드폰의 배터리 부족에 따라 핸드폰 디스플레이의 화면 밝기 제어 프로그램에 의해 핸드폰 디스플레이의 화면 밝기가 변하는 경우, 핸드폰의 배터리 부족이 타겟 시스템의 제어 대상 자체 변화에 해당될 수 있다.
목표 해석부(22)는 상기 온톨로지 데이터에서 상기 파악된 정책과 맵핑되는 목표를 파악한다.
휘쳐 해석부(23)는 상기 온톨로지 데이터에서 상기 파악된 목표와 맵핑되는 휘쳐를 파악한다.
아키텍처 해석부(24)는 상기 온톨로지 데이터에서 상기 파악된 휘쳐와 맵핑되는 구성요소들의 구조를 파악한다.
재구성부(25)는 상기 파악된 구성요소들의 구조를 이용하여 상기 타겟 시스템이 환경변화에 적응하도록 상기 타겟 시스템(3)을 재구성한다.
일 양상에 있어서, 타겟 시스템(3)이 핸드폰 디스플레이의 화면 밝기 제어 프로그램인 경우이고, 환경변화가 핸드폰의 배터리 (용량)부족이고, 상기 핸드폰의 배터리 부족이라는 환경변화 전 상기 화면 밝기 제어프로그램이 핸드폰 디스플레이의 주변 조도 변화에 맞게 상기 디스플레이의 화면 밝기를 변화시키기 위한 구성요소들의 구조(조도 기반 화면 밝기 조절을 위한 구성요소들의 구조)로 구성된 경우, 재구성부(25)는 상기 조도 기반 화면 밝기 조절을 위한 구성요소들의 구조 대신에 상기 핸드폰의 배터리 부족에 맞게 핸드폰 디스플레이의 밝기를 제어하기 위한 구성요소들의 구조(배터리 용량 기반 화면 밝기 조절을 위한 구성요소들의 구조)로 상기 화면 밝기 제어 프로그램(타겟 시스템)을 재구성한다. 즉 배터리 부족이라는 환경변화가 발생함에 따라 상기 조도 기반 화면 밝기 조절을 위한 구성요소들 구조로 구성된 화면 밝기 제어프로그램(타겟 시스템)이 상기 배터리 용량 기반 화면 밝기 조절을 위한 구성요소들의 구조로 재구성된다.
도 1에 도시된 본 발명의 실시예에 따른 온톨로지를 이용한 자가적응 시스템의 구성은 단순히 기능적인 관점에서 분류된 것일 뿐, 실제 구현방식 또는 하드웨어 방식을 의미하는 것은 아니다. 도 1에 도시된 하나 이상의 구성 모듈은 하나 또는 그 이상의 구성 모듈로 통합 또는 세분화될 수 있으며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가지는 자에게 자명하다고 할 것이다.
도 3은 본 발명의 실시예에 따른 온톨로지를 이용한 자가적응방법에 대한 플로차트이다.
도 3을 참조하면, 먼저 타겟 시스템(target system)의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐(Feature) 및 상기 타겟 시스템 구성요소들의 구조 적어도 하나가 온톨로지 모델에 따라 분류된 온톨로지 데이터를 포함하는 데이터베이스를 구축한다(S1). 이때 상기 온톨로지 모델은, 상기 사용자의 요구사항인 정책(Policy)들, 상기 정책들 각각에 대한 타겟 시스템의 목표를 표현하기 위한 목표모델(Goal model), 상기 타겟 시스템의 목표를 달성하는데 필요한 구성요소들의 휘쳐를 표현하기 위한 휘쳐 모델(Feature model) 및 상기 구성요소들의 구조를 표현하기 위한 아키텍처 모델(Architecture model)로 이루어질 수 있으며, 이에 더하여 상기 정책들 각각 마다 적용되기 위해 선행되어야 하는 조건(Condition)을 더 포함할 수 있다.
이렇게 온톨로지 모델에 의해서 분류된 온톨로지 데이터는, 상기 타겟 시스템의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐 및 상기 타겟 시스템 구성요소들의 구조 중 적어도 하나가 상기 조건, 정책, 목표모델, 휘쳐 모델, 아키텍처 모델에 따라 분류된 데이터일 수 있다.
이후, 상기 온톨로지 데이터를 이용하여, 상기 타겟 시스템이 환경변화에 적응하여 동작하도록 제어가 이루어진다(S2).
이에 대해서 좀 더 구체적으로 살펴보기로 한다.
상기 환경 변화를 감지하기 위한 속성들의 값을 타겟 시스템으로부터 수신하고 상기 온톨로지 데이터에서 상기 속성들의 값에 맵핑되는 조건에 따른 정책을 파악한다(S21).
상기 온톨로지 데이터에서 상기 파악된 정책과 맵핑되는 목표를 파악한다(S22).
상기 온톨로지 데이터에서 상기 파악된 목표와 맵핑되는 휘쳐를 파악한다(S23).
상기 온톨로지 데이터에서 상기 파악된 휘쳐와 맵핑되는 구성요소들의 구조를 파악한다(S24).
상기 파악된 구성요소들의 구조를 이용하여 상기 타겟 시스템이 환경변화에 적응하도록 상기 타겟 시스템을 재구성한다(S25). 상기 파악된 구성요소들의 구조에 따라 상기 타겟 시스템이 환경변화에 적응하도록 상기 타겟 시스템의 구성요소들이 재배치된다.
이제까지 본 발명에 대하여 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 따라서 본 발명의 범위는 전술한 실시예에 한정되지 않고 특허청구범위에 기재된 내용 및 그와 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
1 : 데이터베이스
2 : 적응 제어부
3 : 타겟 시스템
21 : 모니터링부
22 : 목표 해석부
23 : 휘쳐 해석부
24 : 아카텍처 해석부
25 : 재구성부

Claims (12)

  1. 타겟 시스템(target system)의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐(Feature) 및 상기 타겟 시스템 구성요소들의 구조(Architecture) 중 적어도 하나가 온톨로지 모델에 따라 분류된 온톨로지 데이터를 포함한 데이터베이스; 와
    상기 온톨로지 데이터를 이용하여, 상기 타겟 시스템이 환경변화에 적응하여 동작하도록 제어하는 적응 제어부를 포함하며,
    상기 온톨로지 모델은,
    상기 환경변화에 따라 상기 적응 제어부가 환경변화 전 타겟시스템의 구성요소들의 구조를 환경변화에 적응하기 위한 타겟시스템의 구성요소들의 구조로 재구성하는데 이용하는 온톨로지 데이터의 생성하는데 이용되며, 상기 사용자의 요구사항인 정책(Policy)들, 상기 정책들 각각에 대한 타겟 시스템의 목표를 표현하기 위한 목표모델(Goal model), 상기 타겟 시스템의 목표를 달성하는데 필요한 구성요소들의 휘쳐를 표현하기 위한 휘쳐 모델(Feature model) 및 상기 구성요소들의 구조를 표현하기 위한 아키텍처 모델(Architecture model)로 이루어지는 것을 특징으로 하는 자가적응시스템.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 온톨로지 모델은,
    상기 정책들 각각 마다 적용되기 위해 선행되어야 하는 조건(Condition)을 더 포함하는 것을 특징으로 하는 자가적응시스템.
  4. 청구항 3에 있어서,
    상기 온톨로지 데이터는,
    상기 타겟 시스템의 개발자의 경험과 지식이 반영된 상태의 의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐 및 상기 타겟 시스템 구성요소들의 구조 중 적어도 하나가 상기 조건, 정책, 목표모델, 휘쳐 모델, 아키텍처 모델에 따라 분류된 데이터인 것을 특징으로 하는 자가적응시스템.
  5. 청구항 3에 있어서,
    상기 적응 제어부는
    상기 환경 변화를 감지하기 위한 속성들의 값을 타겟 시스템으로부터 수신하고 상기 온톨로지 데이터에서 상기 속성들의 값에 맵핑되는 조건에 따른 정책을 파악하는 모니터링부;
    상기 온톨로지 데이터에서 상기 파악된 정책과 맵핑되는 목표를 파악하는 목표 해석부;
    상기 온톨로지 데이터에서 상기 파악된 목표와 맵핑되는 휘쳐를 파악하는 휘쳐 해석부;
    상기 온톨로지 데이터에서 상기 파악된 휘쳐와 맵핑되는 구성요소들의 구조를 파악하는 아키텍처 해석부; 및
    상기 파악된 구성요소들의 구조를 이용하여 환경변화 전 타겟시스템의 구성요소들의 구조를 환경변화에 적응하기 위한 타겟시스템의 구성요소들의 구조로 재구성하는 재구성부를 포함하는 것을 특징으로 하는 자가적응 시스템.
  6. 청구항 1에 있어서,
    상기 환경변화는, 상기 타겟 시스템의 실행 환경 변화 및 상기 타겟 시스템의 제어 대상 자체 변화 중 적어도 하나를 포함하는 것을 특징으로 하는 자가적응 시스템.
  7. 타겟 시스템(target system)의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐(Feature) 및 상기 타겟 시스템 구성요소들의 구조(Architecture) 중 적어도 하나가 온톨로지 모델에 따라 분류된 온톨로지 데이터를 포함한 데이터베이스를 구축하는 단계; 와
    상기 온톨로지 데이터를 이용하여, 상기 타겟 시스템이 환경변화에 적응하여 동작하도록 제어하는 단계를 포함하며,
    상기 온톨로지 모델은,
    상기 환경변화에 따라 상기 제어하는 단계가 환경변화 전 타겟시스템의 구성요소들의 구조를 환경변화에 적응하기 위한 타겟시스템의 구성요소들의 구조로 재구성하는데 이용하는 온톨로지 데이터의 생성하는 데 이용되며, 상기 사용자의 요구사항인 정책(Policy)들, 상기 정책들 각각에 대한 타겟 시스템의 목표를 표현하기 위한 목표모델(Goal model), 상기 타겟 시스템의 목표를 달성하는데 필요한 구성요소들의 휘쳐를 표현하기 위한 휘쳐 모델(Feature model) 및 상기 구성요소들의 구조를 표현하기 위한 아키텍처 모델(Architecture model)로 이루어지는 것을 특징으로 하는 자가적응방법.
  8. 삭제
  9. 청구항 7에 있어서,
    상기 온톨로지 모델은,
    상기 정책들 각각 마다 적용되기 위해 선행되어야 하는 조건(Condition)을 더 포함하는 것을 특징으로 하는 자가적응방법.
  10. 청구항 9에 있어서,
    상기 온톨로지 데이터는,
    상기 타겟 시스템의 개발자의 경험과 지식이 반영된 상태의 타겟 시스템 사용자의 요구사항들, 상기 타겟 시스템 구성요소들의 휘쳐 및 상기 타겟 시스템 구성요소들의 구조 중 적어도 하나가 상기 조건, 정책, 목표모델, 휘쳐 모델, 아키텍처 모델에 따라 분류된 데이터인 것을 특징으로 하는 자가적응방법.
  11. 청구항 9에 있어서,
    상기 온톨로지 데이터를 이용하여, 상기 타겟 시스템이 환경변화에 적응하여 동작하도록 제어하는 단계는,
    상기 환경 변화를 감지하기 위한 속성들의 값을 타겟 시스템으로부터 수신하고 상기 온톨로지 데이터에서 상기 속성들의 값에 맵핑되는 조건에 따른 정책을 파악하는 단계;
    상기 온톨로지 데이터에서 상기 파악된 정책과 맵핑되는 목표를 파악하는 단계;
    상기 온톨로지 데이터에서 상기 파악된 목표와 맵핑되는 휘쳐를 파악하는 단계;
    상기 온톨로지 데이터에서 상기 파악된 휘쳐와 맵핑되는 구성요소들의 구조를 파악하는 단계; 및
    상기 파악된 구성요소들의 구조를 이용하여 환경변화 전 타겟시스템의 구성요소들의 구조를 환경변화에 적응하기 위한 타겟시스템의 구성요소들의 구조로 재구성하는 단계를 포함하는 것을 특징으로 하는 자가적응방법.
  12. 청구항 7에 있어서,
    상기 환경변화는, 상기 타겟 시스템의 실행 환경 변화 및 상기 타겟 시스템의 제어 대상 자체 변화 중 적어도 하나를 포함하는 것을 특징으로 하는 자가적응방법.
KR1020140140101A 2014-10-16 2014-10-16 온톨로지를 이용한 자가적응시스템 및 자가적응방법 KR101607209B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140140101A KR101607209B1 (ko) 2014-10-16 2014-10-16 온톨로지를 이용한 자가적응시스템 및 자가적응방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140140101A KR101607209B1 (ko) 2014-10-16 2014-10-16 온톨로지를 이용한 자가적응시스템 및 자가적응방법

Publications (1)

Publication Number Publication Date
KR101607209B1 true KR101607209B1 (ko) 2016-03-30

Family

ID=55660445

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140140101A KR101607209B1 (ko) 2014-10-16 2014-10-16 온톨로지를 이용한 자가적응시스템 및 자가적응방법

Country Status (1)

Country Link
KR (1) KR101607209B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018131749A1 (ko) * 2017-01-16 2018-07-19 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 엔진 모듈
WO2018135696A1 (ko) * 2017-01-20 2018-07-26 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018131749A1 (ko) * 2017-01-16 2018-07-19 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 엔진 모듈
WO2018135696A1 (ko) * 2017-01-20 2018-07-26 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼

Similar Documents

Publication Publication Date Title
Menasce et al. Sassy: A framework for self-architecting service-oriented systems
Schneider et al. Conditional safety certification of open adaptive systems
US20240045732A1 (en) Event processing in a distributed computing environment
US9122524B2 (en) Identifying and throttling tasks based on task interactivity
US20110071970A1 (en) Automated control of a power network using metadata and automated creation of predictive process models
CN104461746B (zh) 一种基于Android系统的内存空间优化方法及系统
US11397620B2 (en) Deployment of event-driven application in an IoT environment
Krupitzer et al. FESAS IDE: An integrated development environment for autonomic computing
KR101607209B1 (ko) 온톨로지를 이용한 자가적응시스템 및 자가적응방법
CN101673197B (zh) 一种基于体系结构演化的软件可信保证方法
CN108052385A (zh) 一种容器管理方法、系统、设备及计算机存储介质
Schneider et al. B-space: dynamic management and assurance of open systems of systems
Huang et al. Supporting edge intelligence in service-oriented smart iot applications
Poquet Simulation approach for resource management
Berkane et al. Using variability modelling and design patterns for self-adaptive system engineering: application to smart-home
Eze et al. The challenge of validation for autonomic and self-managing systems
Tarvainen Adaptability evaluation of software architectures; a case study
Miseldine et al. A programmatic approach to applying sympathetic and parasympathetic autonomic systems to software design
KR101379835B1 (ko) 가상 머신에 가상 배터리를 제공하는 가상 머신 모니터, 가상 머신 호스트 시스템 및 가상 배터리 관리 방법
Classen et al. Modelling variability in self-adaptive systems: Towards a research agenda
US20090083020A1 (en) Alternate task processing time modeling
Goumopoulos et al. Atraco: Adaptive and trusted ambient ecologies
Pfannemüller et al. REACT-ION: A model-based runtime environment for situation-aware adaptations
Bucchiarone et al. A MAPE-K approach to autonomic microservices
Bjelica et al. Evaluation of the available scripting languages for home automation networks: Real world case study

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190305

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20191223

Year of fee payment: 5