論文の概要: Software Product Line Engineering: Adoption, Tooling and AI Era Challenges
- arxiv url: http://arxiv.org/abs/2605.21353v1
- Date: Wed, 20 May 2026 16:18:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.77731
- Title: Software Product Line Engineering: Adoption, Tooling and AI Era Challenges
- Title（参考訳）: ソフトウェアプロダクトラインエンジニアリング - 採用、ツーリング、AI時代の課題
- Authors: Najam Nazar,
- Abstract要約: サーベイは、主要なSPLE基盤、ライフサイクル概念、採用モデル、ツーリング、AI時代の課題を合成する。
BAPO, FEF, PuLSE, SIMPLE, COPLIMO, PROMOTE-PL, APPLIESなど,主要な採用モデルと評価モデルを比較した。
- 参考スコア（独自算出の注目度）: 0.4061135251278187
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Software Product Line Engineering enables systematic reuse across families of related software intensive systems. This survey synthesises key SPLE foundations, lifecycle concepts, adoption models, tooling and AI era challenges. Based on a structured review of the SPLE literature, we compare major adoption and evaluation models, including BAPO, FEF, PuLSE, SIMPLE, COPLIMO, PROMOTE-PL, and APPLIES. We further summarise the historical evolution of SPLE research from domain engineering foundations to AI assisted variability management. The survey also examines tool interoperability, UVL-based standardisation, SME adoption, migration from clone-and-own development, variability aware DevOps, empirical evidence gaps and assurance challenges for AI assisted SPLE. The paper provides a compact research agenda for software engineering and ICT researchers by consolidating open challenges and future research directions in contemporary SPLE.
- Abstract（参考訳）: ソフトウェアプロダクトラインエンジニアリングは、関連するソフトウェア集約システムのファミリー間で体系的な再利用を可能にする。
このサーベイは、主要なSPLE基盤、ライフサイクル概念、採用モデル、ツーリング、AI時代の課題を合成する。
本稿では, BAPO, FEF, PuLSE, SIMPLE, COPLIMO, PROMOTE-PL, APPLIESなど, SPLE の文献構造を概観し, 主要な採用と評価モデルの比較を行った。
さらに、ドメイン工学の基礎からAIによる可変性管理まで、SPLE研究の歴史的進化を要約する。
また、ツールの相互運用性、UVLベースの標準化、中小企業の採用、クローン・アンド・オーナ開発からの移行、DevOpsに対する可変性認識、AI支援SPLEの実証的エビデンスギャップ、保証課題についても調査した。
本論文は,SPLEにおけるオープン課題と今後の研究方向性を統合することで,ソフトウェア工学とICT研究者のためのコンパクトな研究課題を提供する。
関連論文リスト
- LLM-Based Agentic Systems for Software Engineering: Challenges and Opportunities [0.03437656066916039]
本論文は,LLMに基づくマルチエージェントシステムの新しいパラダイムを体系的にレビューする。
言語モデルの選択、SE評価ベンチマーク、最先端のエージェントフレームワーク、通信プロトコルなど、幅広いトピックを掘り下げる。
論文 参考訳（メタデータ） (2026-01-14T19:28:30Z) - A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。
本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
論文 参考訳（メタデータ） (2025-10-10T06:56:50Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - Generative AI and Empirical Software Engineering: A Paradigm Shift [9.284024538100063]
本稿では,大規模言語モデルのソフトウェア工学への統合が,確立した研究パラダイムをいかに破壊するかを考察する。
我々は、我々が研究している現象、我々が依存する方法や理論、分析するデータ、そして、動的AIを介する環境で発生する妥当性に対する脅威をどう変えるかについて議論する。
私たちの目標は、経験豊かなソフトウェアエンジニアリングコミュニティが、AIシステムが単なるツールではなく、ソフトウェアエンジニアリングとその研究を形作る活発な協力者の未来に、その質問や道具、検証基準を適合させることです。
論文 参考訳（メタデータ） (2025-02-12T04:13:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。