Modelling an Environmental Knowledge-Representation System
AMAD-ATL (poster): A tool for dynamically composing new model transformations at runtime
1. AMAD-ATL(Architectural Model ADaptation using ATL)
A tool for dynamically composing new model
transformations at runtime
Agradecimientos:
Este trabajo ha sido financiado por el Ministerio de Economía y Competitividad,
bajo los proyectos TIN2010-15588, TRA2009-0309 y bajo una beca FPU
(AP2010-3259), y también por La Junta de Andalucía ref. TIC-6114
Javier Criado, Diego Rodríguez-Gracia, Luis Iribarne, Nicolás Padilla
Grupo de Informática Aplicada, Universidad de Almería, España
{javi.criado, diegorg, luis.iribarne, npadilla}@ual.es
Universidad de Almería Grupo de Informática Aplicada
XVIII Jornadas en Ingeniería del
Software y Bases de Datos
17 – 20 de Septiembre de 2013
Es una herramienta de dominio específico: Adaptación en tiempo de
ejecución de Interfaces de Usuario basadas en Componentes.
Ejecuta la primera etapa de un proceso de un proceso de adaptación
basado en dos operaciones:
1) Transformación: de los modelos abstractos de las IUs
2) Regeneración: de los modelo concretos a partir de los abstractos
Proceso de adaptación
Modelo de IU abstracta Modelo adaptado de IU abstracta
Transformación
dinámica
Modelo de IU
concreta
Nivel concreto
Nivel abstracto
Entradas de la herramienta:
- Modelo de arquitectura
inicial
- Variables de contexto:
* Perfil de usuario
* Ancho de banda
* Memoria principal
* Tamaño archivos
- Repositorio de reglas
* Pre-existente
* Personalizado
Arquitectura del servidor
en tres capas:
• Front-end
• Librerías ATL
• Librerías EMF
Front-end de la herramienta
Salidas de la herramienta:
- Modelo de arquitectura
adaptado
- Repositorio de reglas
actualizado
- Información de log y
trazabilidad
Esquema de adaptación para la composición dinámica de la
transformación
M2M (ATL) + Extracción TCS + Validación
- ContextProcessing: M2M que procesa el contexto y calcula las operaciones
de adaptación
- RRR: M2M que puntúa las reglas del repositorio
- RuleSelection: M2M que selecciona las reglas mejor puntuadas
- RSL: M2M que actualiza los atributos de las reglas del repositorio
- RuleTransformation: HOT que transforma las reglas seleccionadas en un
modelo de transformación
- ATLExtraction: extracción TCS que genera el código ATL de la transf. objetivo
- ArchitecturalModelTransformationi: M2M objetivo y creada dinámicamente
que adapta los modelos arquitectónicos