Navegación

Búsqueda

Búsqueda avanzada

Generación de Interfaces de Usuario a partir de Modelos BPMN con Estereotipos

La notación de modelo de procesos de negocio (BPMN – Business Process Model Notation) proporciona a las organizaciones un estándar que facilita una mayor compresión del proceso empresarial. BPMN se centra en los procesos funcionales, dejando el desarrollo de las interfaces a un lado. De este modo, el diseño de la interfaz generalmente depende de la experiencia subjetiva del analista y no existe un procedimiento para extraer la interfaz de los procesos. Este artículo propone un nuevo método para generar interfaces de usuario a partir de modelos BPMN y Diagramas de Clases. La propuesta se basa en la identificación de reglas de generación de procesos a interfaces. Se han definido estereotipos para extender la notación BPMN en aquellas reglas donde haya más de una posible transformación. Estos estereotipos permiten aplicar la regla de forma inequívoca. Las reglas se extrajeron de cinco proyectos, tres existentes en el repositorio de Bizagi y dos de empresas reales. Específicamente, la propuesta se basa en la extracción de reglas para generar interfaces de usuario basadas en tres patrones, Patrón de Secuencia, Patrón de Decisión Implícita y Patrón de Ejecución Intercalada. Como resultado de nuestra propuesta, se han agregado catorce nuevos estereotipos a la notación BPMN. Para ilustrar la propuesta, los estereotipos se aplicaron a un ejemplo ilustrativo. Los resultados muestran que este trabajo es un «paso adelante» para la generación automática de códigos a partir modelos.

Predicción de módulos defectuosos como un problema de optimización multiobjetivo

La dificultad de aplicar técnicas de análisis de datos al problema de la calidad del software radica principalmente en dos razones: la ausencia de datos generalistas y de herramientas específicas. En este trabajo exponemos los primeros pasos de una iniciativa para paliar estos inconvenientes. Con respecto al primero, hemos trabajado con dos conjuntos de datos públicos que han sido tratados de forma conjunta para poder lograr modelos más generales. Para el segundo propósito se ha aplicado un algoritmo multiobjetivo que mediante reglas cuantitativas establezca cuáles son los íımites empíricos de los atributos que miden la complejidad a partir de los cuales la probabilidad de error aumenta significativamente e incluso la posibilidad de medir ese aumento.