АВТОМАТИЗАЦІЯ ПРОЄКТУВАННЯ АРХІТЕКТУРИ ІНФОРМАЦІЙНОЇ СИСТЕМИ ПРИЙОМУ КОМУНАЛЬНИХ ПЛАТЕЖІВ З ВИКОРИСТАННЯМ ШТУЧНОГО ІНТЕЛЕКТУ
DOI:
https://doi.org/10.32782/tnv-tech.2024.2.6Ключові слова:
проєктування архітектури програмного забезпечення, штучний інтелект, ChatGPT, автоматизація, стандарти побудови архітектури програмного забезпечення, нотація C4Анотація
Автоматизація проєктування архітектури програмного забезпечення за допомогою генеративного штучного інтелекту забезпечує ефективне вирішення проблем, які виникають у сучасній розробці програмного забезпечення. У цій статті подано дослідження використання генеративного штучного інтелекту під час проєктування архітектури програмного забезпечення для покращення процесів шляхом використання єдиного стандарту. За допомогою генеративного штучного інтелекту архітектори програмного забезпечення можуть оптимізувати проєкти архітектури відповідно до підвищених вимог до складності та якості сучасних інформаційних систем. Під час роботи були вивчені сучасні дослідження, присвячені використанню нотації проєктування архітектури інформаційної системи. Було проаналізовано нотацію С4, висвітлено та описано основні компоненти даної нотації, які дають змогу привести до єдиного ста`ндарту побудову архітектури інформаційної системи. Окрім того, було досліджено застосування інструментів штучного інтелекту в формуванні архітектури системи. В результаті проведеного аналізу було виконано практичне дослідження, а саме побудована архітектура інформаційної системи прийому комунальних платежів, яка побудована в нотації С4 і складається з чотирьох рівнів: контекст, контейнери, компоненти, код. Кожен рівень було побудовано за допомогою згенерованого коду з використанням інструменту штучного інтелекту ChatGPT в нотації PlantUML та, використовуючи графічний редактор з генерацією діаграм з коду draw.io, відображено у вигляді чотирьох діграм: діаграма контексту, діаграма контейнерів, діаграма компонентів, діаграма коду (класів). В результаті практичного дослідження було проаналізовано побудовану архітектуру інформаційної системи прийому комунальних платежів та надано практичних рекомендацій для покращення якості згенерованих діаграм. Виділено основні переваги застосування ChatGPT та нотації С4 архітекторами для побудови архітектури інформаційної системи та визначено основні недоліки, які потребують подальшої оптимізації.
Посилання
Bengio Y., Courville A., Vincent P. Representation learning: a review and new perspectives. ieee transactions on pattern analysis and machine intelligence. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2013. Vol. 35, no. 8. P. 1798–1828.
Lee Y.-G. A Study on The Development of Automatic Design Alternatives Generation Technology Used in the Early Stages of Architectural Design. Asia-pacific Journal of Convergent Research Interchange. 2021. Vol. 7, no. 3. P. 123–132.
Li Z., Liang P., Avgeriou P. Application of knowledge-based approaches in software architecture: A systematic mapping study. Information and Software Technology. 2013. Vol. 55, no. 5. P. 777–794.
Nascimento N., Cowan R., Alencar P. Artificial intelligence versus software engineers: an evidence-based assessment focusing on non- functional requirements. 2023. P. 1–21.
Model Checking Software Architecture Design. Home Page. URL: https://doi.org/10.1109/hase.2012.12
Vathsavayi S., Hadaytullah H., Koskimies K. Interleaving human and searchbased software architecture design. Proceedings of the Estonian Academy of Sciences. 2013. Vol. 62, no. 1. P. 16.
Harman M., Mansouri S. A., Zhang Y. Search-based software engineering. ACM Computing Surveys. 2012. Vol. 45, no. 1. P. 1–61. URL: https://doi.org/10.1145/2379776.2379787.
The C4 model for visualising software architecture. The C4 model for visualising software architecture. URL: https://c4model.com/#SystemContextDiagram (дата звернення: 25.05.2024).
