Статья опубликована в рамках: CIV Международной научно-практической конференции «Вопросы технических и физико-математических наук в свете современных исследований» (Россия, г. Новосибирск, 26 октября 2026 г.)
Наука: Информационные технологии
Секция: Системы автоматизации проектирования
Скачать книгу(-и): Скачать книгу
дипломов
РАЗРАБОТКА ФУНКЦИОНАЛЬНОЙ МОДЕЛИ ИНТЕЛЛЕКТУАЛЬНОГО ПРИЛОЖЕНИЯ ДЛЯ ВИЗУАЛЬНОГО МОДЕЛИРОВАНИЯ UML-ДИАГРАММ
DEVELOPMENT OF A FUNCTIONAL MODEL OF AN INTELLIGENT APPLICATION FOR VISUAL MODELING USING UML DIAGRAMS
Аннотация
Целью данного исследования является формализация требований и проектирование бизнес-процессов для разрабатываемого веб-инструмента визуального моделирования диаграмм вариантов использования (Use Case) UML, обеспечивающего автоматическую генерацию моделей по текстовому описанию с помощью больших языковых моделей (LLM). В основе исследования лежит структурно-функциональный анализ и методология моделирования бизнес-процессов. Для описания системы использованы нотации IDEF0 и BPMN. Разработаны контекстная диаграмма и диаграмма декомпозиции IDEF0, отражающие преобразование входных текстовых данных в готовый UML-артефакт с учетом управляющих воздействий и механизмов. Построена BPMN-модель, описывающая взаимодействие пользователя, веб-приложения и AI-модуля. Построенные модели позволяют четко разграничить зоны ответственности нейросетевых алгоритмов и детерминированной логики приложения, что является основой для дальнейшей качественной программной реализации.
Abstract
The purpose of this study is to formalize requirements and design business processes for the UML web-based visual modeling tool for use Case diagrams, which provides automatic model generation based on text descriptions using large language models (LLM). The research is based on structural and functional analysis and business process modeling methodology. The notation IDEF0 and BPMN are used to describe the system. A context diagram and an IDEF0 decomposition diagram have been developed, reflecting the transformation of text data input into a finished UML artifact, taking into account control actions and mechanisms. A BPMN model has been built, describing the interaction between the user, the web application, and the AI module. The constructed models make it possible to clearly delineate the areas of responsibility of neural network algorithms and the deterministic logic of the application, which is the basis for further high‑quality software implementation.
Ключевые слова: IDEF0, BPMN, UML, Use Case, большие языковые модели, функциональное моделирование, автоматизация проектирования, инженерия требований.
Keywords: IDEF0, BPMN, UML, Use Case, large language models, functional modeling, design automation, requirements engineering.
Введение
В современной инженерии программного обеспечения диаграммы вариантов использования (Use Case Diagram) играют ключевую роль на этапе сбора и формализации требований [1]. С развитием технологий искусственного интеллекта появилась возможность автоматизировать начальный этап их построения. Большие языковые модели (LLM) способны анализировать текст на естественном языке и выделять из него акторов и прецеденты [2].
Однако процесс интеграции нейросети в инструмент моделирования требует тщательного проектирования. Нейросеть не должна брать на себя функции валидации строгой нотации UML, так как она подвержена ошибкам. Для создания качественного программного средства необходимо сначала спроектировать его функциональную структуру и бизнес-процессы.
Целью данной работы является формализация требований к разрабатываемому веб-приложению посредством функционального моделирования (IDEF0) и моделирования бизнес-процессов (BPMN).
Функциональное моделирование системы(IDEF0).
Для системного представления функций разрабатываемого веб-приложения была использована методология IDEF0. На верхнем уровне (контекстная диаграмма А-0) система представлена единым блоком «Визуальное моделирование диаграмм Use Case UML»
Входами системы являются: текстовое описание требований (на естественном языке), данные пользователя и команды редактирования. Выходами выступают: готовая диаграмма Use Case, отчёт о валидации и экспортированный файл. Управляющими воздействиями служат: нотация UML, правила валидации, права доступа и модель нейросети. Механизмами реализации являются веб-браузер, серверная часть, база данных и API нейросети (Рисунок 1).
Для детализации внутренних процессов была выполнена декомпозиция контекстной диаграммы на шесть функциональных блоков (Рисунок 2):
1. «Управлять проектами»: обеспечивает базовую работу с пользовательскими данными и создание контекста проекта;
2. «Анализировать текст»: нейросетевой модуль обрабатывает входной текст и извлекает структурированные элементы;
3. «Генерировать диаграмму»: модуль генерации автоматически размещает извлеченные элементы на холсте;
4. «Редактировать диаграмму»: графический редактор позволяет пользователю вносить изменения;
5. «Проверять корректность»: модуль валидации на основе жестких правил UML проверяет текущую диаграмму;
6. «Сохранять и экспортировать»: модуль экспорта формирует итоговый файл.
Представленная модель наглядно демонстрирует итеративный характер работы: блоки редактирования и валидации образуют цикл, обеспечивающий высокое качество итоговой модели.
Моделирование бизнес-процессов (BPMN).
Для визуализации динамики взаимодействия пользователя с системой и внутренних процессов обработки данных была построена модель в нотации BPMN (Рисунок 3). Модель разделена на три пула: «Пользователь», «Веб-редактор» и «AI-модуль (LLM)».
Процесс начинается с ввода текстового описания требований. Веб-редактор передает запрос в AI-модуль, где нейросеть выполняет анализ текста, извлечение акторов и вариантов использования, а также определение связей между ними. Полученные данные возвращаются в веб-редактор для построения черновой диаграммы.
Далее вступает пользователь: с помощью шлюза он принимает решение о корректности черновика. Если результат неудовлетворителен, текст переформулируется и процесс повторяется. Если диаграмма верна, пользователь переходит к этапу ручного редактирования. Завершающим этапом является сохранение модели в базу данных.
Построенная BPMN-модель подтверждает ключевое архитектурное решение: искусственный интеллект используется исключительно на этапе первичного анализа текста и генерации черновика, в то время как все дальнейшие манипуляции выполняются классическими алгоритмами без участия AI.
Заключение
В ходе работы были спроектированы функциональная (IDEF0) и процессная (BPMN) модели веб-приложения для автоматизированного построения UML Use Case диаграмм. Использование данных нотаций позволило четко определить информационные потоки, ресурсы и участников процесса. Разработанные модели демонстрируют обоснованность разделения функций нейросетевой генерации и формальной валидации, что позволит в дальнейшем реализовать программный продукт, отвечающий высоким стандартам качества и надежности инженерии требований.
Список литературы
- Фаулер М. UML. Основы. 3-е изд. – СПб.: Символ-Плюс, 2004. – 192 с.
- Белоусова А.С., Ковалев С.П. Применение больших языковых моделей для автоматизации анализа текстовых требований к программному обеспечению // Программные продукты и системы. – 2023. – № 4. – С. 112–119.
- Черемных С.В., Семенов И.О., Ручкин В.С. Структурный анализ систем: IDEF-технологии. – М.: Финансы и статистика, 2001. – 208 с.
- Силвер Б. BPMN методология: моделирование, анализ и автоматизация бизнес-процессов. – М.: ДМК Пресс, 2019. – 350 с.
дипломов