Introduciendo Semántica en un Proceso de Desarrollo Software a través de Reglas de Negocio

Transcripción

1 UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN Introduciendo Semántica en un Proceso de Desarrollo Software a través de Reglas de Negocio TESIS DOCTORAL JOSÉ LUIS MARTÍNEZ FERNÁNDEZ INGENIERO DE TELECOMUNICACIÓN 2010

2

3 DEPARTAMENTO DE INGENIERÍA DE SISTEMAS TELEMÁTICOS ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE TELECOMUNICACIÓN Introduciendo Semántica en un Proceso de Desarrollo Software a través de Reglas de Negocio Autor: José Luis Martínez Fernández Ingeniero de Telecomunicación Director: José Carlos González Cristóbal Doctor Ingeniero de Telecomunicación Co Directora: Paloma Martínez Fernández Doctora en Informática

4

5 Tribunal nombrado por el Magfco. y Excmo. Sr. Rector de la Universidad Politécnica de Madrid, el día de de Presidente D Vocal D Vocal D Vocal D Secretario D Realizado el acto de defensa y la lectura de la Tesis el día de de 2010 en Calificación: EL PRESIDENTE LOS VOCALES EL SECRETARIO

6

7 Agradecimientos Desarrollar este trabajo de tesis habría sido completamente imposible sin el apoyo de un equipo. Evidentemente, como autor, he sido el responsable de su definición y de que llegara a buen fin, pero no me habría sido posible recorrer este camino sin la colaboración de mucha gente. Por una parte, de todos mis compañeros de DAEDALUS, siempre dispuestos a dar lo mejor de sí, tanto desde el punto de vista técnico como del personal. Es para mí un placer trabajar en un entorno así, sabiendo que cuento con el apoyo de todo el mundo para cualquier iniciativa. Por otra parte, también debo dar las gracias a mis compañeros de la Universidad Carlos III, tanto al grupo Labda, con quienes he compartido el paso por el doctorado, aunque en el último trance haya vuelto a mi escuela de origen, como al grupo SEL, que tan importante ha sido en la evaluación de los resultados de esta tesis. Por si esto fuera poco, he tenido la suerte de contar con los mejores directores posibles para el trabajo, Paloma y José Carlos. Dos personas, trabajadoras hasta la extenuación, cuyo ejemplo y actitud te llevan a querer dar lo mejor de ti. Me siento especialmente agradecido a Paloma, mi hermana, quien me convenció de involucrarme en la universidad y en el mundo de la investigación, ya desde los tiempos de mi proyecto fin de carrera. Trabajar con Paloma es muy fácil, con su actitud siempre constructiva y ofreciendo todo el empuje necesario para que el trabajo salga lo mejor posible. Además, me siento especialmente orgulloso de poder apoyarla en su proyecto profesional y, al mismo tiempo, ir construyendo el mío. Respecto a José Carlos, para quien le conoce sobran las palabras. Para los que no, sólo diré que trabajar a su lado ha sido la mejor oportunidad que podía tener en mi vida y que, afortunadamente, he sabido aprovechar. Por último, aunque no por ello menos importante, está mi familia, mi mayor pilar. En esto también he tenido mucha suerte; estando rodeado de gente así la vida es mucho más fácil; alcanzar las metas que uno se propone es prácticamente un juego. Mis padres, sabios en todos los ámbitos de la vida, me han guiado hasta convertirme en lo que soy. Mis hermanas, claro, Ana y Leticia, que siempre han estado ahí, dispuestas a pasar un rato conmigo ayudándome a olvidar por un momento mi vida profesional y a centrarme en la personal. Pero hay alguien especial sobre quien también quiero dejar constancia aquí: este trabajo está especialmente dedicado a David, quien no sólo ha estado a mi lado, dándome aliento, estos últimos años, sino que también me ha dado todo su amor, me ha permitido corresponderle y me ha acompañado en el duro camino al fondo de mí mismo. Página 7

8 Página 8

9 Índice de contenidos Capítulo I Presentación y Objetivos 21 I.1. Introducción 21 I.2. Contexto del problema 22 I.3. Objetivos de esta tesis 25 I.3.1. Objetivos específicos 26 I.4. Estructura del documento 28 Capítulo II Estado de la Cuestión 30 II.1. Los orígenes 30 II.2. Sistemas de Gestión de Reglas de Negocio 32 II.2.1. Reglas de Negocio 32 II Definición 32 II Clasificaciones de reglas de negocio 33 II.2.2. Qué es un SGRN? 36 II Funcionamiento básico de un motor de reglas 38 II Características de un SGRN 39 II Carencias de los SGRN 42 II.2.3. Metodologías para la identificación de reglas de negocio 43 II La Metodología PROTEUS 44 II El Manifiesto de Reglas de Negocio (Business Rules Manifesto) 47 II.2.4. Aplicaciones de los Sistemas de Gestión de Reglas de Negocio 48 II Aplicación de los SGRN en el modelado de procesos de negocio 52 II.3. Trabajando con ontologías 53 II.3.1. Lenguajes de representación de ontologías 54 II.3.2. Herramientas para el desarrollo de ontologías 55 II.3.3. Del lenguaje natural a las ontologías 56 II.3.4. Modelo para la definición de ontologías 57 II.4. Estandarización en los SGRN 59 II.4.1. Java Rule Engine, interfaz estándar para interacción con motores de reglas 60 II Objetivos y generalidades sobre la especificación 62 II Productos compatibles con JSR II.4.2. Lenguajes de representación de reglas de negocio 63 II RuleML 63 II Semantic Web Rules Language (SWRL) 68 II Semantic Business Vocabulary and Rules (SBVR) 72 II Rules Interchange Format (RIF) 81 II OMG Production Rules Representation (OMG-PRR) 83 II Lenguajes Propietarios 84 II Comparativa de lenguajes 85 II.5. Arquitecturas basadas en modelos en el proceso de desarrollo software 86 II.5.1. El proceso unificado 87 II.5.2. Factorías de Software 88 II.5.3. Arquitecturas dirigidas por modelos 89 Página 9

10 Capítulo III Aplicación de estándares en la gestión de reglas de negocio 92 III.1. Propuesta de esta tesis 92 III.2. Adopción de MDA 94 III.2.1. Experimentos sobre identificación y extracción de reglas de negocio a partir de texto libre 96 III.2.2. Transformación de lenguaje natural a OWL y RIF 98 III Representación en OWL del modelo UML 99 III Vocabulario controlado para la definición de reglas de negocio 100 III Representación en RIF de las expresiones en lenguaje natural con vocabulario controlado 102 III.2.3. Transformación de UML a OWL 107 III.2.4. Transformación de RIF a OMG-PRR 108 III Transformación de condiciones 108 III Transformación de acciones 109 III Transformación de conjuntos de reglas 109 III.2.5. Transformación de OMG-PRR a lenguajes de reglas específicos 110 III.3. Ventajas de la representación estándar de reglas de negocio en entornos MDA 110 Capítulo IV Prototipo de ayuda a la gestión integrada de reglas de negocio 112 IV.1. Objetivos del prototipo 112 IV.2. Arquitectura de la solución y entorno tecnológico 114 IV.2.1. Desarrollo del intérprete 115 IV.2.2. El editor del desarrollador 116 IV Caso de ejemplo con el editor del desarrollador de K-Site Rules 119 IV.2.3. El editor del experto de negocio 125 IV Caso de ejemplo con el editor para el experto de negocio de K-Site Rules 127 IV.2.4. La herramienta de administración 131 IV Caso de ejemplo con la herramienta de administración de K-Site Rules 132 IV.3. Fortalezas y debilidades del desarrollo realizado 134 Capítulo V Evaluación 136 V.1. Objetivos de la evaluación 136 V.2. Experimentación en el área de la ingeniería del software 136 V.2.1. Aspectos fundamentales para la evaluación mediante encuestas 138 V Fases de diseño 138 V Tipos de encuestas 138 V Diseño de la encuesta 139 V Construcción del cuestionario 140 V Evaluación del cuestionario 141 V Documentación de las encuestas 142 V.3. Descripción del entorno y del proceso de evaluación 142 V.3.1. Ejecución de los experimentos 143 V.3.2. Descripción del caso de uso para evaluación ESRent 144 V.3.3. Cuestionarios de evaluación 145 Página 10

11 V.4. Resultado de la evaluación 148 V.4.1. Análisis de resultados de la primera fase de experimentación 148 V Análisis cualitativo 148 V Análisis cuantitativo 149 V.4.2. Análisis de resultados de la segunda fase de experimentación 154 V Análisis cualitativo para el experimento con expertos 154 V Análisis cuantitativo 155 V.4.3. Comparación de resultados de evaluación por fases 158 V Tiempo empleado 159 V Caracterización de usuarios 160 V Interacción con K-Site Rules 160 Capítulo VI Conclusiones y Líneas Futuras 162 VI.1. Conclusiones 162 VI.2. Difusión de Resultados 164 VI.3. Trabajos Futuros 166 Capítulo VII. Conclusions and Future Developments 168 VII.1. Conclusions 168 VII.2. Dissemination of Results 170 VII.3. Future Developments 172 Bibliografía 174 ACRÓNIMOS Y ABREVIATURAS 180 GLOSARIO 183 APÉNDICE I 185 APÉNDICE II 188 APÉNDICE III 200 Página 11

12 Índice de Figuras Figura I 1. Áreas tecnológicas en las que se apoya este trabajo de tesis Figura I 2. Intervención del Analista de Negocio en el proceso de desarrollo software Figura I 3. Perspectiva de la interacción según niveles de abstracción y lenguajes Figura II 1. Clasificación de reglas de negocio según (Ross,2006) Figura II 2. Clasificación de reglas de negocio según Gerd Wagner (OMG,2007) Figura II 3. Principales componentes de un SGRN Figura II 4. Fases en el proceso de operación de un motor de reglas Figura II 5. Fases de la Metodología PROTEUS para modelado de negocio Figura II 6. Fases de la Metodología PROTEUS para modelado del sistema de gestión de reglas Figura II 7. Estructura de paquetes para los metamodelos de ODM Figura II 8. Representación de un hecho en lenguaje Datalog Figura II 9. Representación en árbol de un hecho etiquetado a través de RuleML Figura II 10. Representación en RuleML de la regla de negocio de ejemplo Figura II 11. Representación en árbol para la regla de ejemplo Figura II 12. Hecho obtenido a través de un proceso de inferencia Figura II 13. Ejemplo de uso del operador and en una regla de negocio en RuleML Figura II 14. Representación en árbol de una regla con consecuente compuesto Figura II 15. Hecho expresado en RuleML Figura II 16. Resultado de aplicar inferencia sobre el hecho de la Figura II Figura II 17. Ejemplo de regla en SWRL Figura II 18. Primer ejemplo de regla en lógica formal Figura II 19. Expresión en sintaxis SWRL de la regla del Ejemplo Figura II 20. Segundo ejemplo de regla en lógica formal Figura II 21. Expresión en sintaxis SWRL de la regla del Ejemplo Figura II 22. Expresión de la regla del Ejemplo 1 en sintaxis RDF SWRL Figura II 23. Expresión de la regla del Ejemplo 2 en sintaxis RDF SWRL Figura II 24. SBVR en el marco de la arquitectura MDA (tomada de (OMG,2008)) Figura II 25. Principales elementos del metamodelo SBVR (figura tomada de (OMG,2008)) Figura II 26. Estructura típica de un lenguaje propietario para especificación de reglas Figura III 1. Secuencia de transformaciones de lenguaje natural (LN) a lenguajes específicos. 93 Figura III 2. Relación entre los niveles definidos en MDA y los modelos considerados para las reglas de negocio Figura III 3. Arquitectura del sistema de extracción de reglas de negocio a partir de texto libre Figura III 4. Distintas visiones de un mismo concepto y su asociación con los objetos de negocio que los implementan Figura III 5. Ejemplo de diagrama de clases UML con palabras clave para los estereotipos Figura III 6. Ejemplo de regla de negocio expresada en lenguaje natural con vocabulario controlado Figura III 7. Ejemplo de condición de igualdad en RIF Página 12

13 Figura III 8. Ejemplo de negación en RIF Figura III 9. Ejemplo de utilización del operador <Modify> Figura III 10. Ejemplo de llamada a métodos de objetos Figura III 11. Representación en RIF de la regla de negocio mostrada en la Figura III Figura III 12. Expresión en OMG PRR de la parte de regla representada en la Figura III Figura III 13. Expresión en OMG PRR de la regla representada en lenguaje RIF en la Figura III Figura IV 1. Redefinición de conceptos sobre diferentes motores de reglas Figura IV 2. K Site Rules como intermediario entre los conceptos de negocio y los motores de reglas que los soportan Figura IV 3. Arquitectura de componentes software de K Site Rules Figura IV 4. Vista del editor de reglas de negocio en un lenguaje próximo al natural Figura IV 5. Vista del editor de columnas de las tablas de decisión en el editor del desarrollador en K Site Rules Figura IV 6. Vista de un árbol de decisión editado con el editor del desarrollador de K Site Rules Figura IV 7. Acceso desde RSA a los modelos y proyectos a los que tiene acceso el desarrollador Figura IV 8. Edición del diagrama de flujo Figura IV 9. Vista de las propiedades de una regla de negocio Figura IV 10. Ejemplo de regla de negocio en lenguaje natural en K Site Rules Figura IV 11. Vista de traducción de las reglas de negocio de representaciones estándar a lenguajes específicos de los motores de reglas Figura IV 12. Vista de la pestaña de validación de K Site Rules Figura IV 13. Vista de la pantalla de identificación para acceder al editor del experto Figura IV 14. Vista de un modelo de negocio para un usuario experto Figura IV 15. Editor del diagrama de flujo de un servicio de decisión desde el editor del experto de K Site Rules Figura IV 16. Edición de una regla en un lenguaje próximo al natural en el editor del experto de negocio Figura IV 17. Vista de la pestaña de validación en el editor del experto Figura IV 18. Vista de la pantalla de identificación para la herramienta de administración de K Site Rules Figura IV 19. Vista de gestión de usuarios de la herramienta de administración de K Site Rules Figura IV 20. Vista de la pestaña de gestión de parámetros de K Site Rules Figura V 1. Modelo de negocio para el caso de uso ES Rent Figura V 2. Tiempo (en minutos) empleado por cada usuario en cada tarea Figura V 3. Experiencia profesional de los participantes Figura V 4. Nivel de conocimiento de tecnologías (2 = Experto; 2 = Desconocido) Figura V 5. Representación gráfica de los valores medios para las respuestas recogidas Página 13

14 Figura V 6. Desviaciones típicas para las respuestas ofrecidas por los usuarios a cada pregunta Figura V 7. Tiempo por tarea para cada usuario, en minutos Figura V 8. Perfiles profesionales para los miembros del grupo de expertos Figura V 9. Conocimientos tecnológicos de los miembros del grupo de expertos Figura V 10. Valores medios para cada una de las 12 afirmaciones incluidas en el cuestionario Figura V 11. Desviación típica para los valores medios obtenidos Figura V 12. Comparación de tiempos empleados por el grupo de desarrolladores y el de expertos Página 14

15 Índice de Tablas Tabla II 1. Ejemplos de las distintas formas de reglas de negocio Tabla II 2. Clasificación de reglas de negocio en PROTEUS (Ross, 1999) Tabla II 3. Resumen de características principales de los SGRN Tabla II 4. Condiciones para la interpretación de átomos Tabla II 5. Comparativa de lenguajes estándar para representación de reglas de negocio Tabla III 1. Resumen de transformaciones de lenguaje natural a RIF Tabla III 2. Representación de operaciones en RIF Tabla III 3.Transformación de elementos UML a OWL Tabla IV 1. Requisitos software para K Site Rules Tabla V 1. Tabla para la recogida de datos sobre experiencia profesional Tabla V 2. Tabla para la recogida de datos sobre conocimientos tecnológicos Tabla V 3. Preguntas del cuestionario en relación con K Site Rules Tabla V 4. Valor medio de las respuestas ofrecidas por los encuestados tras la interacción con la herramienta del experto de K Site Rules Tabla V 5. Resultados del cuestionario sobre la interacción con K Site Rules para el grupo de expertos Tabla V 6. Comparación de valores medios para cada afirmación según la fase de experimentación Página 15

16

17 Resumen La explotación de la tecnología de reglas de negocio en procesos de desarrollo software no supone ninguna novedad. Este tipo de tecnología lleva décadas haciéndose un hueco en los Sistemas de Información (SI) de las organizaciones, principalmente como complemento a los sistemas de gestión de procesos. Los orígenes de la tecnología de reglas de negocio pueden encontrarse en los sistemas expertos de los 80 y principios de los 90, que perseguían la representación en una máquina del conocimiento de que disponían los analistas de negocio en un determinado dominio. El principal motivo de que no se extendiera el uso de sistemas expertos en entornos empresariales se debió a su difícil integración con el resto de sistemas de la organización (Taylor&Raden,2007), aunque también influyó la dificultad que suponía para los expertos el mantenimiento del conocimiento del sistema. En cualquier caso, las experiencias con estos sistemas expertos destacaron la utilidad de disponer de un repositorio en el que residiese el conocimiento de la organización, en este caso expresado a través de reglas de negocio. Empiezan a surgir entonces los que se conocen hoy como Sistemas de Gestión de Reglas de Negocio (SGRN), que se centran en facilitar la creación, implementación y mantenimiento de las reglas permitiendo su integración con el resto de Sistemas de Información. No obstante, la recogida y representación del conocimiento de que disponen los expertos de dominio sigue suponiendo un problema importante, que constituye el tema central de este trabajo de tesis. De manera intuitiva, este trabajo tiene como propósito investigar en los métodos, técnicas y tecnologías necesarios para acercar a los expertos de negocio al proceso de desarrollo de las reglas que rigen el comportamiento del negocio. Con este fin, se define un enfoque de desarrollo de reglas de negocio para el que se establecen las dos hipótesis siguientes: H1: los usuarios del enfoque de desarrollo de reglas de negocio propuesto pueden realizar su trabajo en un menor tiempo que aplicando los procesos de desarrollo tradicionales, H2: los usuarios con conocimientos no técnicos son capaces de definir reglas de negocio, obteniendo implementaciones de las mismas. Son varias las tecnologías involucradas en el enfoque definido, entre las que se encuentran la Web Semántica (se emplearán ontologías como medios de representación de conocimiento), conceptos de arquitecturas dirigidas por modelos (como Model Driven Architecture, MDA), técnicas de Procesamiento de Lenguaje Natural (PLN) para facilitar la interacción con usuarios humanos y, para terminar, tecnología de reglas de negocio, como son los motores de reglas y los lenguajes estándar de representación de las mismas. K Site Rules es el nombre de una herramienta creada para dar soporte al enfoque de desarrollo de reglas de negocio propuesto. K Site Rules ha sido desarrollada en el marco del proyecto de investigación "Infraestructura Tecnológica y Metodológica de Soporte para un Core Bancario" (ITECBAN), financiado por el programa INGENIO 2010, gestionado por el Ministerio de Ciencia e Innovación del Gobierno de España a través del Centro para el Dessarrollo Tecnológico e Industrial (CDTI). Esta herramienta ha permitido realizar una evaluación del enfoque de desarrollo a través de cuestionarios a más de 30 personas con Página 17

18 experiencia tanto en la especificación de requisitos como en la implementación de sistemas de información. Son de sobra conocidas las dificultades que entraña la evaluación de técnicas, métodos y procedimientos definidos en el área de la Ingeniería del Software. Resulta muy complejo establecer mecanismos de medida objetivos y fiables. Esta problemática está presente en este trabajo de investigación y aunque el resultado de la evaluación llevada a cabo (basada en encuestas) confirma las hipótesis establecidas, es necesario indicar que estos resultados carecen de significación estadística. En cualquier caso, se ha seguido un procedimiento estándar para la elaboración de los cuestionarios utilizados, así como para el análisis de la información recogida a través de los mismos (Pfleeger&Kitchenham,2001), proporcionando fiabilidad a los resultados presentados. Como conclusión general, el marco de trabajo propuesto para el desarrollo de reglas de negocio constituye una alternativa para el desarrollo de aplicaciones capaz de, en primer lugar, permitir la participación directa de expertos de negocio en la construcción de aplicaciones, sin que deban disponer de formación técnica; en segundo lugar, reducir el gap semántico existente entre los dominios o modelos de negocio y los sistemas de información que los soportan; en tercer lugar, reducir el tiempo de desarrollo y los recursos necesarios para el mantenimiento de las aplicaciones; y, en cuarto lugar, proporcionar independencia respecto a los motores de reglas comerciales disponibles. Página 18

19 Abstract The application of business rules technology in software development processes is not new. This type of technology has been making its way into the Information Systems (IS) of organizations for decades, mainly as a complement to business process management systems. The origins of business rules technology can be found in expert systems of the 80s and early 90s, which tried to obtain a machine representation of the knowledge of experts in a particular domain. Expert systems have been difficult to integrate with other organization systems and, for this reason, have not been widely used (Taylor & Raden, 2007). In any case, experience with these expert systems has emphasized the usefulness of a repository containing the organizational knowledge, expressed through business rules. From this moment on, Business Rule Management Systems (SGRN) have emerged, which focus on facilitating the creation, implementation and maintenance of rules allowing its integration with the rest of Information Systems. However, the collection and representation of knowledge available to domain experts remains a major issue, which is the focus of this thesis work. Informally, this work aims to investigate the methods, techniques and technologies needed to bring business experts closer to the development of the rules governing business behaviour. To this end, we define a development approach to business rules based on the following two assumptions: H1: 'users of the proposed business rules development approach can perform their work in less time than using traditional development processes', H2: 'users with non technical skills are able to develop business rules, obtaining implementations for them in an automatic way'. There are several technologies involved in the approach outlined, among which are the Semantic Web (ontologies are used as means for knowledge representation), concepts of model driven architectures (such as Model Driven Architecture, MDA), Natural Language Processing techniques (NLP) to facilitate interaction with human users and, finally, business rule technology, such as rules engines and standard rules languages. K Site Rules is the name of a tool created to support the proposed business rules development approach. K Site Rules has been developed under the research project "Technology Infrastructure and Methodological Support for Core Banking" (ITECBAN), financed by the Ingenio 2010 programme, managed by the Spanish Ministry of Science and Innovation through the Centre for Technological and Industrial Development (CDTI). This tool has allowed to carry out an assessment of the development approach through questionnaires by more than 30 people with experience in the requirements specification and implementation of information systems. Everyone knows the difficulties of assessment techniques, methods and procedures defined in the area of Software Engineering. It is really complex to define objective and reliable measurement mechanisms. Of course, this problem is present in this research work and although the outcome of the assessment confirms the assumptions made, these results lack statistical significance. In any case, a standard procedure for the preparation of the Página 19

20 questionnaires and the analysis of information collected through them has been followed (Kitchenham & Pfleeger, 2001), providing reliability to the results shown. As a general conclusion, the proposed framework for business rule development is an alternative for the development of applications capable of: first, allowing direct participation of experts in building business applications, not needing technical training; second, reducing the semantic gap between domain models and information systems that support them; third, decreasing development time and resources required for the maintenance of applications; and fourth, providing independence from available commercial rule engines. Página 20

21 Capítulo I Presentación y Objetivos I.1. Introducción En las últimas décadas, el sector de las Tecnologías de la Información ha experimentado un crecimiento constante a pesar de fenómenos como el estallido de la burbuja de las empresas tecnológicas relacionadas con Internet de principios de El aumento de la competitividad en el sector ha promovido el interés por metodologías, arquitecturas y procesos de desarrollo software capaces de reducir los costes de desarrollo. En esta línea han cobrado gran importancia los sistemas de ayuda a la decisión (entre los que se encuentran los sistemas expertos junto con otros como los sistemas de planificación, de optimización, herramientas de modelado, etc.), cuya principal virtud consiste en la posibilidad de modificar la lógica de negocio en la que se fundamentan las aplicaciones sin tener que plantear un proceso de desarrollo software, más llanamente, sin tener que cambiar el código de las aplicaciones. Hasta la fecha, este tipo de sistemas había quedado recluido en el ámbito de la Inteligencia Artificial, interviniendo únicamente en prototipos o en aplicaciones que requerían la intervención de ingenieros expertos en el área para su desarrollo y mantenimiento. En cambio, en el área de los sistemas de gestión de reglas de negocio, según el extracto del informe de IDC sobre las previsiones y cuotas del mercado de estos sistemas de 2005 a 2010, (Hendrick,2006), en el año 2005 las empresas dedicadas a este campo obtuvieron 188 millones de dólares de beneficio, con una previsión para 2010 de 455 millones de dólares de beneficios en el mundo. Las dos empresas más fuertes del sector son Fair Isaac (ILOG,2006)(FairIsaac,2007) e ILOG (ILOG,2006), que en 2005 se repartieron el 56% de la cuota de mercado. Lamentablemente no disponemos de informes actualizados sobre el mercado de estos sistemas, pero sí es sabido que ha habido movimientos en el mismo por parte de las grandes compañías de software. Así, en Julio de 2008 IBM adquiere ILOG, uno de los competidores más fuertes, mientras que, a finales de Octubre de 2008 Oracle compra Ruleburst, que, a su vez, había absorbido previamente a Haley Systems Inc., desarrolladores de un motor de reglas avanzado que explota técnicas de procesamiento de lenguaje natural; además, en Octubre de 2007 SAP se había hecho con YASU Technologies, compañía responsable de QuickRules. De todo esto se deduce que las grandes compañías han tomado posiciones en el sector, sobre todo con el objetivo de ampliar las capacidades de sus productos de gestión de procesos, incorporando motores de reglas para la gestión de la toma de decisiones en dichos procesos. Así, la inclusión de sistemas basados en reglas en una organización pasa por aliarse con alguno de los grandes fabricantes de este tipo de sistemas, con la consiguiente dependencia del proveedor que ello supone (aunque éste sea alguno de los que distribuyen soluciones de código abierto, más económicos). Este trabajo de tesis pretende dar un primer paso en la ruptura de esta dependencia, planteando alternativas fundamentadas en estándares para la integración de los sistemas basados en reglas en los sistemas de información de empresas y otras organizaciones. Página 21

22 I.2. Contexto del problema De todos es sabido que el objetivo de cualquier empresa es la supervivencia y que un factor clave para lograrlo reside en la reducción de costes y, por ende, en la mejora de los procesos de producción. En el sector industrial, la estructura de la cadena de producción ha sido (y continúa siendo) bien estudiada y optimizada, pero en las empresas dedicadas al desarrollo de aplicaciones informáticas queda aún mucho trabajo por hacer. El área de ingeniería del software se dedica al estudio de estos procesos de producción software y la aplicación de diversas metodologías y paradigmas como la orientación a objetos, las arquitecturas dirigidas por modelos o las factorías software han contribuido a su mejora, como puede leerse en (Greenfield,2004). No obstante, en las organizaciones actuales sigue existiendo una brecha muy importante entre los modelos de conocimiento del negocio y su realización en los sistemas de información que vertebran dichas organizaciones. Un ejemplo claro lo constituye el sector financiero y de seguros, donde el éxito de un producto depende del tiempo transcurrido entre que los expertos de negocio definen las características de ese nuevo producto y el momento en que los sistemas de información de la entidad son capaces de proporcionar las herramientas necesarias para empezar a ofrecer y vender ese producto. Desde este punto de vista, cualquier metodología o herramienta dirigida a reducir este lapso de tiempo resulta de gran interés. Este trabajo de tesis se centra en ofrecer una alternativa para la reducción del periodo de tiempo entre la definición de un producto y su puesta en producción a través de los sistemas de información de la organización. Esta aproximación resulta de gran utilidad en entornos donde las políticas, los procedimientos y la lógica de negocio evolucionan demasiado rápidamente como para que los sistemas tradicionales de desarrollo de aplicaciones informáticas puedan asimilar los cambios. Para ello se hace uso de los sistemas de gestión de reglas y del concepto de ontología. El primero de estos elementos presenta dos ventajas fundamentales: - Cercanía a los expertos de negocio - Reducción del tiempo de modificación de la lógica de negocio Los sistemas de gestión de reglas se caracterizan por permitir el uso de un lenguaje próximo al lenguaje natural, facilitando la redacción e interpretación de las reglas por parte de los expertos de negocio. Además, el uso de reglas de negocio de alto nivel permitiría actualizar y desplegar aplicaciones más rápidamente y el proceso de implementación de estas reglas es prácticamente automático, puesto que se elimina la necesidad de modificar y recompilar el código fuente de las aplicaciones. En cuanto al segundo elemento, la ontología, se define (Gruber,1993) como una especificación de una conceptualización compartida. Otros autores (Swartout,1999) definen una ontología como una estructura básica sobre la que se puede construir una base de conocimiento. Según esta definición, las ontologías podrían ayudar a cubrir la distancia existente entre los expertos del negocio, los conceptos del modelo del dominio del negocio y su representación en los sistemas de información de la organización. Página 22