상태 기계는 시스템이나 컴포넌트, 객체의 행위를 표현하는 동적 행위 모델로서, 정형 검증, 테스트, 코드 자동 생성 등 다양한 분야에서 활용된다. 상태 기계는 시스템의 모든 실행 가능한 메소드들의 흐름을 표현하므로 복잡도가 높다. 따라서 수동으로 정확하고 완전한 상태 기계를 작성하는 것은 많은 시간과 노력이 소요되며, 실수를 유발하는 작업이다. 따라서 자동으로 완전하고 정확한 상태 기계를 구축하는 기법에 대한 연구가 필요하다. 상태 기계의 이해도는 상태 기계를 통하여 시스템의 행위를 얼마나 정확하게 이해할 수 있는지를 나타내는 척도이다. 이해도는 유지보수성의 중요한 요소로 알려져 있다. 상태 기계의 특성상 동일한 시스템의 행위를 다양한 형태의 상태 기계로 표현 가능하다. 상태 기계의 형태가 달라지면 그 이해도 또한 달라진다. 그러므로 상태 기계를 생성할 때, 이해도에 대한 고려가 필요하다. 기존에, 상태 기계를 자동으로 구축하기 위한 많은 연구가 있었지만, 완전 자동화에 대한 연구와 생성된 상태 기계의 이해도에 대한 고려가 미흡하였다. 따라서 본 논문에서는 계약 기반 정형 명세로부터 이해도 높은 상태 기계를 자동으로 구축하는 기법을 제안한다. 상태 기계의 자동 생성을 위하여 각 과정마다 명확한 알고리즘을 제시하였으며, 구축된 상태 기계의 이해도를 평가하기 위하여 이해도 측정 실험을 실시하였다. 이해도 측정 실험의 결과, 본 연구에서 제안한 기법으로 구축한 상태 기계가 타 연구에서 제안한 기법으로 구축한 상태 기계보다 우수한 이해도를 보임을 확인할 수 있었다.
A state machine is a dynamic behavioral model to describe behavior of a system, a component or an object. State machines are widely used for formal verification, testing and automatic code generation. Manual constructions of state machines are time-consuming and error-prone tasks because state machines capture all possible method sequences of systems. Understandability of state machines indicates how correct and quick the system behavior can be understood with the state machine. State machines can be various forms even if they represent the same behavior. Understandabilities of the difference state machines are different. Therefore understandabilities should be considered when constructing state machines. There are many approaches to automatically constructing state machines. However, they commonly have two drawbacks; incomplete automation and lack of concerns for quality such as understandability. In this paper, we propose an approach to constructing a highly understandable state machine from a contract-based formal specification. To evaluate understandabilities of constructed state machines, empirical studies have been performed. For the empirical studies, three state machines are prepared with three different techniques including our approach. The understandabilities of the state machines have been measured with eight participants per one state machine. The results shows that the state machine with our approach is the highest understandable.
