แผนผังพฤติกรรมเป็น เทคนิค การสร้างแบบจำลอง เชิงภาพที่มีโครงสร้าง ซึ่งใช้ในวิศวกรรมระบบและวิศวกรรมซอฟต์แวร์เพื่อแสดงพฤติกรรมของระบบ โดยใช้แผนภาพต้นไม้แบบลำดับชั้นที่ประกอบด้วยโหนดและตัวเชื่อมต่อเพื่อแสดงการไหลของการควบคุม และการกระทำของระบบ การแทนที่คำอธิบาย ภาษาธรรมชาติที่ไม่ชัดเจนด้วยองค์ประกอบภาพมาตรฐาน เช่น กล่อง ลูกศร และสัญลักษณ์มาตรฐาน แผนผังพฤติกรรมจะช่วยเพิ่มความชัดเจน ลดการตีความผิด และเพิ่มความเข้าใจในระบบที่ซับซ้อน^{[ 1 ]}

รายละเอียดจำนวนมากที่เกี่ยวข้องกับการอธิบายข้อกำหนดมากมายของระบบขนาดใหญ่โดยใช้ภาษาธรรมชาติอาจนำไปสู่การโอเวอร์โหลดหน่วยความจำระยะสั้น^{[ 2 ] [ 3 ]}ซึ่งขัดขวางความเข้าใจที่ครอบคลุมเกี่ยวกับความต้องการของระบบ^{[ 4 ]}ภาษาธรรมชาติมักนำเสนอความกำกวม ชื่อแทน ความไม่สอดคล้องกัน ความซ้ำซ้อน และข้อมูลที่ไม่สมบูรณ์ให้กับแนวคิด^{[ 5 ]}ซึ่งก่อให้เกิดความไม่แน่นอนและทำให้ระบบซับซ้อนเกินไป

การแสดงแผนผังพฤติกรรมพยายามขจัดความไม่แน่นอนโดยการจำกัดคำศัพท์ให้เป็นไปตามข้อกำหนดดั้งเดิม ชุดข้อกำหนดขนาดใหญ่อาจต้องการความช่วยเหลือจากการแสดงแผนผังองค์ประกอบ^{[ 6 ]}ที่แก้ไขชื่อแทนและปัญหาคำศัพท์อื่นๆ ในขั้นตอนก่อนหน้า จุดมุ่งหมายคือการสร้างการแสดงความต้องการของระบบที่ลึกซึ้ง แม่นยำ และครอบคลุม^{[ 2 ]} ซึ่งผู้อ่านทุกคน (ซึ่งมัก เป็นผู้มีส่วนได้ส่วนเสีย ) สามารถเข้าใจได้เนื่องจากสัญกรณ์แผนผังพฤติกรรมใช้ความหมายเชิงรูปธรรมจึงสามารถใช้เป็นข้อมูลป้อนเข้าสำหรับการประมวลผลเพิ่มเติม เช่น การสร้างไฟล์ปฏิบัติการสำหรับชุดข้อกำหนดที่กำหนด

รูปแบบแผนผังพฤติกรรมทั้งแบบเดี่ยวและแบบ บูร ณาการ (แบบผสม) มีความสำคัญในการประยุกต์ใช้แผนผังพฤติกรรมใน วิศวกรรม ระบบและซอฟต์แวร์

• แผนผังพฤติกรรมข้อกำหนด (RBT):ในขั้นต้น จะมีการสร้างแผนผังพฤติกรรมข้อกำหนดแต่ละข้อขึ้น เพื่อรวบรวมส่วนประกอบพฤติกรรมทั้งหมดจากข้อกำหนดภาษาธรรมชาติแต่ละข้อ โดยใช้กระบวนการแปลที่เข้มงวดซึ่งรักษาทั้งเจตนาและคำศัพท์ไว้ กระบวนการแปลนี้สามารถเปิดเผยข้อบกพร่องต่างๆ ในข้อกำหนดภาษาธรรมชาติ เดิมได้
• ต้นไม้พฤติกรรมแบบบูรณาการ (IBT):เนื่องจากชุดข้อกำหนดบ่งบอกถึงพฤติกรรมแบบบูรณาการของระบบ ต้นไม้พฤติกรรมข้อกำหนดแต่ละรายการจึงสามารถนำมาประกอบกันเพื่อสร้างต้นไม้พฤติกรรมแบบบูรณาการซึ่งให้มุมมองแบบองค์รวมเดียวของพฤติกรรมแบบบูรณาการที่เกิดขึ้นของระบบ ซึ่งช่วยให้สามารถสร้างพฤติกรรมแบบบูรณาการของระบบจากข้อกำหนดได้^{[ 7 ]}การเปรียบเทียบเพื่อช่วยอธิบายกระบวนการนี้คือการเปลี่ยนจากชุด ชิ้นส่วน จิ๊กซอว์ ที่จัดเรียงแบบสุ่ม ไปเป็นการวางแต่ละชิ้นส่วนในตำแหน่งที่เหมาะสม เมื่อสิ่งนี้เกิดขึ้น ข้อมูลแต่ละชิ้นจะถูกวางไว้ในบริบทที่ตั้งใจไว้ และคุณสมบัติที่เกิดขึ้นร่วมกันก็จะชัดเจนขึ้น

การแปลงข้อกำหนดทั้งหมดเป็นต้นไม้พฤติกรรม (RBT) คล้ายกับการที่ชิ้นส่วนจิ๊กซอว์ ทั้งหมด กระจัดกระจายอยู่บนโต๊ะอย่างไม่เป็นระเบียบ – จนกว่าจะต่อชิ้นส่วนทั้งหมดเข้าด้วยกัน ภาพที่เกิดขึ้นใหม่ก็ยังไม่ชัดเจน และไม่แน่ใจว่ามีชิ้นส่วนใดหายไปหรือไม่เข้ากัน การสร้างต้นไม้พฤติกรรมแบบบูรณาการ (IBT) เผยให้เห็นพฤติกรรมที่เกิดขึ้นใหม่และชิ้นส่วนที่หายไป^{[ 8 ] [ 5 ]}

ประเด็นสำคัญเกี่ยวกับการนำเสนอและการดำเนินงานด้านวิศวกรรมพฤติกรรมมีดังต่อไปนี้

การเป็นตัวแทน:

• บทบาทของโครงสร้างองค์ประกอบในกระบวนการโดยรวมคือการเป็นเครื่องมือในการเอาชนะข้อจำกัดด้านความรู้ที่ไม่สมบูรณ์แบบซึ่งเกี่ยวข้องกับชุดข้อกำหนดจำนวนมากสำหรับระบบ

กระบวนการ:

• วิศวกรรมพฤติกรรมใช้แผนผังพฤติกรรมเพื่อควบคุมความซับซ้อน ในขณะเดียวกันก็สร้างความเข้าใจร่วมกันเกี่ยวกับระบบที่ซับซ้อน

• ความเข้าใจแบบองค์รวมร่วมกันเกี่ยวกับระบบที่ซับซ้อนจะบูรณาการข้อกำหนดต่างๆ เพื่อแสดงให้เห็นถึงพฤติกรรมที่เกิดขึ้นโดยนัยของระบบนั้น

แผนผังพฤติกรรมและแนวคิดสำหรับการประยุกต์ใช้ในวิศวกรรมระบบและซอฟต์แวร์ได้รับการพัฒนาขึ้นครั้งแรกโดย Geoff Dromey ^{[ 8 ] [ 5 ] [ 9 ] [ 10 ]}การตีพิมพ์แนวคิดสำคัญบางส่วนครั้งแรกเกิดขึ้นในปี 2544 ^{[ 11 ]}การตีพิมพ์ในช่วงแรกเกี่ยวกับงานนี้ใช้คำว่า "วิศวกรรมซอฟต์แวร์เชิงพันธุกรรม" และ "การออกแบบเชิงพันธุกรรม" เพื่ออธิบายการประยุกต์ใช้แผนผังพฤติกรรม เหตุผลที่ใช้คำว่า "พันธุกรรม" ในตอนแรกนั้นเป็นเพราะชุดของยีน ชุดของชิ้นส่วนจิ๊กซอว์ และชุดของข้อกำหนด เมื่อแสดงเป็นแผนผังพฤติกรรมแล้ว ล้วนมีคุณสมบัติสำคัญหลายประการร่วมกัน:

• ข้อมูลเหล่านั้นมีเพียงพอในฐานะชุดข้อมูลที่ทำให้สามารถนำมาประกอบกันได้ โดยการใช้แผนผังพฤติกรรมจะช่วยให้สามารถสร้างระบบขึ้นจากข้อกำหนดต่างๆ ได้
• ลำดับในการประกอบชิ้นส่วนเข้าด้วยกันนั้นไม่สำคัญ – การมีข้อกำหนดจะช่วยให้รับมือกับความซับซ้อนได้ดีขึ้น
• เมื่อนำสมาชิกทั้งหมดในเซตมารวมกันแล้ว เอนทิตีที่รวมกันนั้นจะแสดงคุณสมบัติที่สำคัญหลายประการออกมา

สำหรับแผนผังพฤติกรรม คุณสมบัติที่สำคัญที่เกิดขึ้นใหม่ ได้แก่:

• ลักษณะการทำงานแบบบูรณาการของระบบนั้นถูกกำหนดโดยข้อกำหนดต่างๆ
• พฤติกรรมที่สอดคล้องกันของแต่ละส่วนประกอบนั้นถูกกล่าวถึงในข้อกำหนด

ความคล้ายคลึงทางพันธุกรรมเหล่านี้ ในบริบทอื่น ได้รับการอธิบายโดย Adrian Woolfson เป็นครั้งแรก^{[ 12 ] [ 13 ]}

ถึงแม้จะมีจุดคล้ายคลึงทางพันธุกรรมที่ถูกต้องอยู่บ้าง แต่ก็มีความรู้สึกว่าการเน้นย้ำในเรื่องนี้ทำให้เกิดความสับสนกับแนวคิดของอัลกอริทึมทางพันธุกรรมดังนั้นจึงมีการนำคำว่า วิศวกรรมพฤติกรรม มาใช้อธิบายกระบวนการที่ใช้ประโยชน์จากโครงสร้างพฤติกรรมเพื่อสร้างระบบ

นับตั้งแต่มีการคิดค้นสัญกรณ์ต้นไม้พฤติกรรมขึ้นมาครั้งแรก บุคคลหลายคนจากกลุ่มระบบคอมพิวเตอร์ที่ซับซ้อนและเชื่อถือได้ (DCCS – กลุ่มวิจัยร่วมระหว่างมหาวิทยาลัยควีนส์แลนด์และมหาวิทยาลัยกริฟฟิธ ) ได้มีส่วนสำคัญในการพัฒนาและปรับปรุงสัญกรณ์ต้นไม้พฤติกรรมและการใช้งาน^{[ 14 ]}

นักวิจัยอย่าง Rob Colvin, Lars Grunske และ Kirsten Winter จาก DCCS ได้พัฒนาแผนผังพฤติกรรมตามเวลาเชิงความน่าจะเป็น เพื่อให้สามารถแสดงความน่าเชื่อถือ ประสิทธิภาพ และคุณสมบัติความน่าเชื่อถือ อื่นๆ ได้ ^{[ 15 ]}

แผนผังพฤติกรรมใช้เพื่อแสดงส่วนประกอบของพฤติกรรมในแต่ละข้อกำหนดอย่างเป็นทางการ โดยทั่วไปแล้ว พฤติกรรมสำหรับระบบขนาดใหญ่ที่ ยอมรับ การทำงานพร้อมกัน จะปรากฏในเชิงนามธรรมในรูปของชุดกระบวนการตามลำดับที่สื่อสารกันสัญลักษณ์แผนผังพฤติกรรมจะบันทึกสถานะของส่วนประกอบเหล่านี้และแสดงออกมาในรูปแบบคล้ายต้นไม้

แท็กการติดตาม (ดูหัวข้อ 1.2 ของสัญกรณ์ต้นไม้พฤติกรรม^{[ 16 ]} ) ในโหนดต้นไม้พฤติกรรมเชื่อมโยงการแสดงอย่างเป็นทางการกับข้อกำหนดภาษาธรรมชาติ ที่สอดคล้องกัน ^{[ 17 ]}

โครงสร้างพฤติกรรมแบบต้นไม้ที่มีโหนดใบสามารถย้อนกลับ (โดยใช้สัญลักษณ์ "^" แทนด้วยเครื่องหมาย ^) ไปยังโหนดบรรพบุรุษเพื่อทำซ้ำพฤติกรรม หรือเริ่มต้นเธรดใหม่ (โดยใช้สัญลักษณ์ ^ สองตัว "^^")

สำหรับข้อมูลอ้างอิงฉบับสมบูรณ์เกี่ยวกับสัญกรณ์ต้นไม้พฤติกรรม โปรดดูที่Behavior Tree Notation v1.0 (2007) ^{[ 16 ]}

ความหมายเชิงรูปแบบของต้นไม้พฤติกรรมนั้นกำหนดโดยพีชคณิตกระบวนการและความหมายเชิงปฏิบัติการ [ ^{18 ] ความ}หมายเหล่านี้ถูกใช้เป็นพื้นฐานในการพัฒนาการจำลองการตรวจสอบแบบจำลองและ การ วิเคราะห์โหมดความล้มเหลวและผลกระทบ^{[ 18 ] [ 19 ] [ 20 ]}

เมื่อสร้างแผนผังพฤติกรรมแบบบูรณาการเสร็จแล้ว ก็สามารถดำเนินการต่างๆ ที่สำคัญหลายอย่างกับแผนผังนั้นได้

โดยทั่วไป ข้อบกพร่องหลายอย่างจะมองเห็นได้ชัดเจนมากขึ้นเมื่อมีมุมมองแบบบูรณาการของข้อกำหนด^{[ 2 ]}และข้อกำหนดแต่ละข้อได้รับการวางไว้ในบริบทพฤติกรรมที่จำเป็นต้องดำเนินการ ตัวอย่างเช่น การบอกว่าชุดเงื่อนไขหรือเหตุการณ์ที่เกิดขึ้นจากโหนดนั้นสมบูรณ์และสอดคล้องกันหรือไม่นั้นง่ายกว่ามาก แท็กการติดตาม^{[ 16 ]}ยังทำให้ง่ายต่อการอ้างอิงกลับไปยังข้อกำหนดภาษาธรรมชาติเดิม นอกจากนี้ยังมีศักยภาพในการตรวจสอบข้อบกพร่องและความสอดคล้องกันโดยอัตโนมัติในแผนผังพฤติกรรมแบบบูรณาการ^{[ 21 ]}

เมื่อแก้ไขข้อบกพร่องทั้งหมดแล้ว และ IBT มีความสอดคล้องเชิงตรรกะและสมบูรณ์แล้ว จะกลายเป็นแบบจำลองพฤติกรรมต้นไม้ (MBT) ซึ่งทำหน้าที่เป็นข้อกำหนดอย่างเป็นทางการสำหรับพฤติกรรมของระบบที่สร้างขึ้นจากข้อกำหนดดั้งเดิม นี่คือจุดหยุดที่กำหนดไว้อย่างชัดเจนสำหรับขั้นตอนการวิเคราะห์ ด้วยสัญกรณ์และวิธีการสร้างแบบจำลองอื่นๆ (เช่นUML ) การกำหนดจุดหยุดการสร้างแบบจำลองนั้นไม่ชัดเจนนัก^{[ 22 ]}ในบางกรณี ส่วนต่างๆ ของแบบจำลองพฤติกรรมต้นไม้ อาจจำเป็นต้องแปลงเพื่อให้ข้อกำหนดสามารถดำเนินการได้เมื่อ MBT สามารถดำเนินการได้แล้ว ก็สามารถดำเนินการตรวจสอบความน่าเชื่อถืออื่นๆ ได้อีกหลายอย่าง

สามารถจำลองต้นไม้พฤติกรรมแบบจำลองได้อย่างง่ายดายเพื่อสำรวจคุณสมบัติไดนามิกของระบบ ทั้งเครื่องมือเชิงสัญลักษณ์และเครื่องมือเชิงกราฟิกได้รับการสร้างขึ้นเพื่อสนับสนุนกิจกรรมเหล่านี้^{[ 23 ] [ 24 ]}

มีการเขียนโปรแกรมแปลภาษาเพื่อแปลงแผนผังพฤติกรรมแบบจำลองให้เป็นภาษา "ระบบการกระทำ" จากนั้นข้อมูลนำเข้านี้สามารถป้อนเข้าสู่ตัวตรวจสอบแบบจำลอง SAL ^{[ 25 ] [ 26 ]}เพื่ออนุญาตให้ตรวจสอบว่าคุณสมบัติด้านความปลอดภัยและการรักษาความปลอดภัยบางอย่างเป็นไปตามเงื่อนไขหรือไม่^{[ 19 ] [ 27 ]}

การตรวจสอบแบบจำลองมักถูกนำไปใช้กับแบบจำลองระบบเพื่อตรวจสอบว่าสถานะที่เป็นอันตรายจะไม่สามารถเข้าถึงได้ในระหว่างการทำงานปกติของระบบ^{[ 28 ]}เป็นไปได้ที่จะรวมการตรวจสอบแบบจำลองเข้ากับแผนผังพฤติกรรมเพื่อให้การสนับสนุนอัตโนมัติสำหรับการวิเคราะห์โหมดความล้มเหลวและผลกระทบ (FMEA) ^{[ 19 ]}ข้อดีของการใช้แผนผังพฤติกรรมเพื่อจุดประสงค์นี้คือช่วยให้สามารถ ซ่อนแง่มุมของ วิธีการที่เป็นทางการของแนวทางจากผู้ใช้ที่ไม่ใช่ผู้เชี่ยวชาญได้

เป้าหมายที่ต้องการเมื่อตอบสนองต่อการเปลี่ยนแปลงข้อกำหนดด้านการทำงานของระบบ คือ การสามารถระบุได้อย่างรวดเร็ว:

• จะทำการเปลี่ยนแปลงตรงไหน
• การเปลี่ยนแปลงดังกล่าวส่งผลกระทบต่อโครงสร้างของระบบที่มีอยู่เดิมอย่างไร
• ส่วนประกอบใดบ้างของระบบที่ได้รับผลกระทบจากการเปลี่ยนแปลง และ
• จะต้องมีการเปลี่ยนแปลงพฤติกรรมอะไรบ้างในส่วนประกอบ (และอินเทอร์เฟซ) ที่ได้รับผลกระทบจากการเปลี่ยนแปลงข้อกำหนด^{[ 29 ]}

เนื่องจากระบบมีแนวโน้มที่จะเปลี่ยนแปลงหลายครั้งตลอดอายุการใช้งาน จึงจำเป็นต้องบันทึก จัดการ และปรับปรุงวิวัฒนาการของระบบให้สอดคล้องกับการเปลี่ยนแปลงเหล่านั้น

แบบจำลองการติดตาม ซึ่งใช้แผนผังพฤติกรรมเป็นสัญลักษณ์อย่างเป็นทางการเพื่อแสดงข้อกำหนดเชิงฟังก์ชัน เผยให้เห็นผลกระทบของการเปลี่ยนแปลงต่อโครงสร้างการออกแบบประเภทต่างๆ (เอกสาร) ที่เกิดจากการเปลี่ยนแปลงของข้อกำหนด^{[ 30 ]}แบบจำลองนี้แนะนำแนวคิดของเอกสารการออกแบบเชิงวิวัฒนาการที่บันทึกประวัติการเปลี่ยนแปลงของการออกแบบ จากเอกสารเหล่านี้ สามารถเรียกดูเอกสารการออกแบบเวอร์ชันใดๆ รวมถึงความแตกต่างระหว่างสองเวอร์ชันใดๆ ได้ ข้อได้เปรียบที่สำคัญของแบบจำลองนี้คือ เครื่องมืออัตโนมัติสามารถสนับสนุนขั้นตอนส่วนใหญ่ในการสร้างเอกสารการออกแบบเชิงวิวัฒนาการเหล่านี้ได้^{[ 21 ]}

การแสดงพฤติกรรมแบบต้นไม้ของพฤติกรรมแบบบูรณาการของระบบมีข้อดีที่สำคัญหลายประการในฐานะแบบจำลองที่สามารถดำเนินการได้ โดยจะแยกงานของการบูรณาการส่วนประกอบออกจากงานของการใช้งานส่วนประกอบ แต่ละส่วนอย่างชัดเจน พฤติกรรมของระบบแบบบูรณาการที่เกิดจากการบูรณาการข้อกำหนดสามารถใช้เป็นพื้นฐานสำหรับการตัดสินใจด้านการออกแบบ ผลลัพธ์ที่ได้คือต้นไม้พฤติกรรมการออกแบบ (DBT): ^{[ 5 ]}ซึ่งเป็นข้อกำหนดการบูรณาการส่วนประกอบแบบมัลติเธรดที่สามารถดำเนินการได้ ซึ่งสร้างขึ้นจากข้อกำหนดดั้งเดิม

โมเดลต้นไม้พฤติกรรมจะถูกดำเนินการในเครื่องเสมือนที่เรียกว่าสภาพแวดล้อมรันไทม์พฤติกรรม (BRE) BRE เชื่อมโยงส่วนประกอบต่างๆ เข้าด้วยกัน โดยใช้มิดเดิลแวร์ [ ^{31 ]}ทำให้ส่วนประกอบต่างๆ เป็นโปรแกรมอิสระที่เขียนด้วยภาษาใดภาษาหนึ่งจากหลายภาษาที่สามารถดำเนินการได้ใน^สภาพแวดล้อมแบบกระจาย BRE ยังมีตัวแยกวิเคราะห์ นิพจน์ ที่ดำเนินการอย่างง่ายโดยอัตโนมัติเพื่อลดปริมาณโค้ดที่ต้องเขียนด้วยตนเองในส่วนประกอบ

มีการพัฒนาโครงสร้างพฤติกรรมที่สามารถดำเนินการได้สำหรับกรณีศึกษา^{[ 22 ]}รวมถึงการป้องกันรถไฟอัตโนมัติ^{[ 32 ]}หุ่นยนต์เคลื่อนที่ที่มีการติดตามวัตถุแบบไดนามิก ปั๊มฉีดแบบเคลื่อนที่ได้[ 20 ^{]และระบบ}จัดการสัญญาณไฟจราจร นอกจากนี้ยังมี BRE เวอร์ชันที่เหมาะสำหรับระบบฝังตัว (eBRE) ซึ่งมีฟังก์ชันการทำงานที่ลดลงเพื่อปรับแต่งให้เหมาะกับไมโครคอนโทรลเลอร์ขนาดเล็ก

การสร้างแบบจำลองแผนผังพฤติกรรมสามารถนำไปประยุกต์ใช้และได้ถูกนำไปประยุกต์ใช้ในหลากหลายด้านมาเป็นเวลาหลายปีแล้ว โดยบางส่วนของขอบเขตการประยุกต์ใช้หลักๆ จะอธิบายไว้ด้านล่างนี้

การสร้างแบบจำลองระบบขนาดใหญ่ที่มีชุดข้อกำหนดภาษาธรรมชาติที่ครอบคลุมนั้นเป็นจุดสนใจหลักในการทดสอบโครงสร้างพฤติกรรมและกระบวนการวิศวกรรมพฤติกรรมโดยรวมมาโดยตลอด การดำเนินการประเมินและการทดลองวิธีการนี้เกี่ยวข้องกับการทำงานร่วมกับพันธมิตรในอุตสาหกรรมและหน่วยงานภาครัฐหลายแห่งในออสเตรเลีย ระบบที่ศึกษานั้นรวมถึงระบบป้องกันประเทศ ระบบองค์กร ระบบขนส่ง ระบบสารสนเทศ ระบบสุขภาพ และระบบควบคุมที่ซับซ้อนจำนวนมากที่มีข้อกำหนดด้านความปลอดภัยที่เข้มงวด ผลการศึกษาเหล่านี้ทั้งหมดถูกจัดเป็นความลับทางการค้า อย่างไรก็ตาม ผลการทดลองในอุตสาหกรรมอย่างกว้างขวาง^{[ 3 ] [ 4 ]}กับRaytheon Australia จะแสดงไว้ด้านล่างในส่วนอุตสาหกรรม งานนี้แสดงให้เห็นว่าการแปลข้อกำหนดเป็นมุมมองโครงสร้างพฤติกรรมแบบคงที่และแบบไดนามิกที่บูรณาการเผยให้เห็นข้อบกพร่องที่สำคัญมากกว่าที่กระบวนการตรวจสอบมาตรฐานของบริษัทตรวจพบ^{[ 33 ]}

ความล้มเหลวของการออกแบบที่ไม่ตรงตามข้อกำหนดของระบบอาจส่งผลให้กำหนดการและค่าใช้จ่ายเกินกำหนด^{[ 34 ]}หากยังมีปัญหาความน่าเชื่อถือที่สำคัญ การไม่ตรงตามข้อกำหนดของระบบอาจส่งผลร้ายแรงถึงชีวิตได้^{[ 35 ]}อย่างไรก็ตาม ในแนวทางปัจจุบัน การรับรองว่าตรงตามข้อกำหนดมักจะล่าช้าไปจนถึงช่วงท้ายของกระบวนการพัฒนา ในระหว่างรอบการทดสอบและการแก้ไขข้อบกพร่อง [ ^{36 ] งาน}นี้อธิบายว่าแนวทางการพัฒนาระบบ วิศวกรรมพฤติกรรม สามารถนำมาใช้ในการพัฒนาซอฟต์แวร์สำหรับระบบฝังตัวได้อย่างไร^{[ 27 ]}

ระบบขนาดใหญ่จำนวนมากประกอบด้วยส่วนผสมของซอฟต์แวร์และฮาร์ดแวร์ที่พึ่งพาซึ่งกันและกัน ลักษณะที่แตกต่างกันของซอฟต์แวร์และฮาร์ดแวร์หมายความว่ามักจะถูกจำลองแยกกันโดยใช้วิธีการที่แตกต่างกัน ซึ่งอาจนำไปสู่ปัญหาการบูรณาการเนื่องจากสมมติฐานที่ไม่เข้ากันเกี่ยวกับการโต้ตอบระหว่างฮาร์ดแวร์/ซอฟต์แวร์^{[ 32 ]}ปัญหาเหล่านี้สามารถเอาชนะได้โดยการบูรณาการต้นไม้พฤติกรรมเข้ากับวิธีการสร้างแบบจำลองทางคณิตศาสตร์ของ Modelica ^{[ 32 ]}สภาพแวดล้อมและส่วนประกอบฮาร์ดแวร์จะถูกจำลองโดยใช้ Modelica และบูรณาการเข้ากับแบบจำลองซอฟต์แวร์ที่ทำงานได้ซึ่งใช้ต้นไม้พฤติกรรม

เพื่อให้มั่นใจว่าการใช้งาน ข้อกำหนด การควบคุมการเข้าถึง ที่ซับซ้อนเป็นไปอย่างถูกต้อง สิ่งสำคัญคือข้อกำหนดที่ได้รับการตรวจสอบและยืนยันแล้วจะต้องบูรณาการเข้ากับส่วนที่เหลือของระบบอย่างมีประสิทธิภาพ^{[ 37 ]}นอกจากนี้ยังสำคัญที่ระบบจะต้องได้รับการตรวจสอบและยืนยันตั้งแต่เนิ่นๆ ในกระบวนการพัฒนามีการพัฒนารูปแบบการควบคุมการเข้าถึงแบบบูรณาการตามบทบาท^{[ 38 ]}รูปแบบนี้ใช้สัญลักษณ์แผนผังพฤติกรรมแบบกราฟิก และสามารถตรวจสอบได้โดยการจำลองรวมถึงตรวจสอบโดยใช้ตัวตรวจสอบแบบจำลองการใช้รูปแบบนี้ทำให้สามารถบูรณาการข้อกำหนดการควบคุมการเข้าถึงเข้ากับส่วนที่เหลือของระบบได้ตั้งแต่เริ่มต้น เนื่องจาก: มีการใช้สัญลักษณ์เดียวในการแสดงทั้งข้อกำหนดการควบคุมการเข้าถึงและข้อกำหนดการทำงานสามารถนำวิธีการที่เป็นระบบและเพิ่มขึ้นทีละน้อยมาใช้ในการสร้างข้อกำหนดแผนผังพฤติกรรมอย่างเป็นทางการ และสามารถจำลองและตรวจสอบแบบจำลองข้อกำหนดได้ ประสิทธิภาพของรูปแบบนี้ได้รับการประเมินโดยใช้กรณีศึกษาที่มีข้อกำหนดการควบคุมการเข้าถึงแบบกระจาย^{[ 37 ]}

เนื่องจากต้นไม้พฤติกรรมอธิบายพฤติกรรมที่ซับซ้อน จึงสามารถใช้อธิบายระบบต่างๆ ได้หลากหลาย ไม่จำกัดเฉพาะระบบที่ใช้คอมพิวเตอร์เท่านั้น^{[ 39 ]}

แม้ว่าต้นไม้พฤติกรรมจะได้รับความนิยมในการสร้างแบบจำลองปัญญาประดิษฐ์ในเกมคอมพิวเตอร์ เช่นHalo ^{[ 40 ]}และSpore [ ^{41 ]แต่}ต้นไม้ประเภทนี้แตกต่างจากที่อธิบายไว้ในหน้านี้มาก และใกล้เคียงกับการผสมผสานระหว่างเครื่องจักรสถานะจำกัดแบบลำดับ ชั้น หรือต้นไม้ตัดสินใจการสร้างแบบจำลองนักฟุตบอลก็เป็นการประยุกต์ใช้ต้นไม้พฤติกรรมที่ประสบความสำเร็จเช่นกัน^{[ 42 ] [ 43 ]}

การทดสอบโดยใช้แบบจำลอง (Model-based testing หรือ MBT ) เป็นวิธีการทดสอบซอฟต์แวร์ที่กำหนดให้ผู้ทดสอบสร้างแบบจำลองการทดสอบจากข้อกำหนดของซอฟต์แวร์ที่กำลังทดสอบ (Software Under Test หรือ SUT) โดยทั่วไปแล้ว ภาษาการสร้างแบบจำลอง เช่น แผนผังสถานะ UML, เครื่องสถานะจำกัด (Finite-state machines หรือ FSMs), เครื่องสถานะจำกัดแบบขยาย (Extended finite-state machines หรือ EFSMs) และผังงาน (Flowcharts) ถูกนำมาใช้ เมื่อไม่นานมานี้ มีวิธีการที่น่าสนใจอีกวิธีหนึ่งคือ การใช้ Event-Driven Swim Lane Petri Net (EDSLPN) เป็นภาษาการสร้างแบบจำลอง นอกจากนี้ ควรพิจารณาใช้สัญกรณ์ต้นไม้พฤติกรรม (Behavior tree notation) เป็นสัญกรณ์การสร้างแบบจำลองที่ดีสำหรับ MBT เช่นกัน และมีข้อดีหลายประการเมื่อเทียบกับสัญกรณ์อื่นๆ:

1. มีระดับการแสดงออกเทียบเท่ากับแผนผังสถานะ UML และ EDSLPN
2. เนื่องจากมีลักษณะเป็นภาพ จึงใช้งานได้ง่ายในฐานะสัญลักษณ์การสร้างแบบจำลอง
3. โหนดต้นไม้พฤติกรรมแต่ละโหนดมีแท็กข้อกำหนด ซึ่งช่วยอำนวยความสะดวกอย่างมากในการสร้างเมทริกซ์การติดตามจากข้อกำหนดไปยังผลลัพธ์การทดสอบ^{[ 44 ]}

การทดลองในอุตสาหกรรมครั้งแรกเพื่อทดสอบความเป็นไปได้ของวิธีการและปรับปรุงความสามารถของวิธีการนั้นดำเนินการในปี 2545 ในช่วงสามปีที่ผ่านมา มีการทดลองในอุตสาหกรรมอย่างเป็นระบบหลายครั้งในระบบป้องกันประเทศ การขนส่ง และระบบองค์กรขนาดใหญ่^{[ 3 ] [ 33 ]}งานนี้ได้พิสูจน์แล้วว่าวิธีการนี้สามารถปรับขนาดได้สำหรับระบบที่มีข้อกำหนดจำนวนมาก แต่ยังพบว่าการใช้เครื่องมือสนับสนุนมีความสำคัญ^{[ 23 ] [ 45 ]}เพื่อให้สามารถนำทางและแก้ไขมุมมองแบบบูรณาการขนาดใหญ่ของข้อมูลกราฟิกได้อย่างมีประสิทธิภาพ โดยเฉลี่ยแล้ว ในหลายโครงการ พบข้อบกพร่องที่สำคัญที่ได้รับการยืนยัน 130 รายการต่อข้อกำหนด 1,000 รายการอย่างสม่ำเสมอหลังจากการตรวจสอบและแก้ไขตามปกติ^{[ 33 ]}สำหรับชุดข้อกำหนดที่ยังไม่สมบูรณ์ จะพบอัตราข้อบกพร่องที่สูงกว่ามาก

ในฐานะที่เป็นแบบจำลองพฤติกรรม โครงสร้างต้นไม้พฤติกรรมมีประโยชน์และข้อดีที่สำคัญหลายประการ:

• พวกเขาใช้กลยุทธ์ที่ชัดเจนและมีประสิทธิภาพในการจัดการกับความซับซ้อนของข้อกำหนด โดยเฉพาะอย่างยิ่งในกรณีที่ความต้องการเริ่มต้นของระบบถูกแสดงออกมาโดยใช้ข้อกำหนดหลายร้อยหรือหลายพันข้อที่เขียนด้วยภาษาธรรมชาติ ซึ่งจะช่วยลดความเสี่ยงในโครงการขนาดใหญ่ได้อย่างมาก^{[ 33 ]}
• ด้วยการแปลและบูรณาการข้อกำหนดอย่างเข้มงวดตั้งแต่เนิ่นๆ พวกเขาจึงเป็นวิธีการที่มีประสิทธิภาพมากกว่าในการค้นหาข้อบกพร่องของข้อกำหนดเมื่อเทียบกับวิธีการอื่นๆ^{[ 33 ] [ 46 ]}
• พวกเขาใช้สัญลักษณ์เดียวที่เรียบง่าย^{[ 16 ]}สำหรับการวิเคราะห์การกำหนดคุณสมบัติและเพื่อแสดงการออกแบบพฤติกรรมของระบบ
• สิ่งเหล่านี้แสดงถึงพฤติกรรมของระบบในฐานะที่เป็นส่วนประกอบที่บูรณาการและสามารถดำเนินการได้
• พวกเขาสร้างพฤติกรรมของระบบจากข้อกำหนดการทำงานในลักษณะที่สามารถตรวจสอบย้อนกลับได้โดยตรง ซึ่งช่วยในการตรวจสอบและรับรอง^{[ 23 ] [ 38 ]}
• ผู้มีส่วนได้ส่วนเสียสามารถเข้าใจข้อกำหนดเหล่านี้ได้โดยไม่ต้องมี การฝึกอบรม วิธีการอย่างเป็นทางการการคงไว้ซึ่งคำศัพท์ตามข้อกำหนดเดิมอย่างเคร่งครัดจะช่วยลดภาระในการทำความเข้าใจลงได้
• พวกมันมีความหมายเชิงรูปแบบ [ ^{18 ]}พวกมันรองรับ การทำงาน พร้อมกันพวกมันสามารถ^{ดำเนิน}การได้และพวกมันสามารถจำลองตรวจสอบแบบจำลองและใช้ในการวิเคราะห์โหมดความล้มเหลวและผลกระทบได้^{[ 19 ]}
• สามารถใช้ได้ดีพอๆ กันในการจำลองกระบวนการของมนุษย์ การวิเคราะห์สัญญา^{[ 39 ]}เพื่อแสดงข้อมูลทางนิติวิทยาศาสตร์ เพื่อแสดงระบบชีวภาพ และการใช้งานอื่นๆ อีกมากมาย ในแต่ละกรณี จะให้ประโยชน์เช่นเดียวกันในแง่ของการจัดการความซับซ้อนและการมองเห็นสิ่งต่างๆ โดยรวม นอกจากนี้ยังสามารถใช้กับ^ระบบที่สำคัญต่อความปลอดภัย^{[ 20 ]}ระบบฝังตัว [ ^{27 ] และ}ระบบเรียลไทม์[ ^{47 ] [ 48 ] [ 49 ]}

• วิศวกรรมพฤติกรรม
• ภาษาการสร้างแบบจำลอง

• วิศวกรรมพฤติกรรม
• Raytheon Australia สนับสนุนการวิจัยระบบที่ล้ำสมัย
• ศูนย์ ARC สำหรับระบบที่ซับซ้อน – โครงการ ACCS: ระบบคอมพิวเตอร์ที่ซับซ้อนและเชื่อถือได้
• สภาวิจัยแห่งออสเตรเลีย – ผลลัพธ์: การจัดการความซับซ้อน