El modelado de objetos y roles ( ORM ) se utiliza para modelar la semántica de un universo de discurso . El ORM se utiliza a menudo para el modelado de datos y la ingeniería de software .
Un modelo de objetos y roles utiliza símbolos gráficos basados en la lógica de predicados de primer orden y la teoría de conjuntos para permitir que el modelador cree una definición inequívoca de un universo arbitrario de discurso. Los predicados de un modelo ORM, que no tienen atributos, se prestan al análisis y diseño de modelos de bases de datos gráficas , ya que el ORM se concibió originalmente para beneficiar el diseño de bases de datos relacionales.
El término "modelo de objeto-rol" fue acuñado en la década de 1970 y las herramientas basadas en ORM se han utilizado durante más de 30 años, principalmente para el modelado de datos . Más recientemente, ORM se ha utilizado para modelar reglas de negocios , esquemas XML, almacenes de datos , ingeniería de requisitos y formularios web. [1]
Los orígenes de ORM se remontan a la investigación sobre modelado semántico para sistemas de información en Europa durante la década de 1970. Hubo muchos pioneros y este breve resumen no los menciona a todos. Una de las primeras contribuciones se produjo en 1973, cuando Michael Senko escribió sobre "estructuración de datos" en el IBM Systems Journal. En 1974, Jean-Raymond Abrial contribuyó con un artículo sobre "Semántica de datos". En junio de 1975, se publicó la tesis doctoral de Eckhard Falkenberg y, en 1976, uno de los artículos de Falkenberg menciona el término "modelo de objetos y roles".
GM Nijssen realizó contribuciones fundamentales al introducir la notación de "círculo-caja" para los tipos de objetos y roles, y al formular la primera versión del procedimiento de diseño de esquemas conceptuales. Robert Meersman amplió el enfoque al agregar subtipos e introducir el primer lenguaje de consulta verdaderamente conceptual.
El modelado de roles de objetos también evolucionó a partir del Método de Análisis de Información del Lenguaje Natural , una metodología que fue desarrollada inicialmente por el investigador académico, GM Nijssen en los Países Bajos ( Europa ) a mediados de la década de 1970 y su equipo de investigación en el Laboratorio de Investigación de Control Data Corporation en Bélgica, y más tarde en la Universidad de Queensland, Australia en la década de 1980. El acrónimo NIAM originalmente significaba "Metodología de Análisis de Información de Nijssen", y más tarde se generalizó a "Metodología de Análisis de Información del Lenguaje Natural" y Modelado de Relaciones Binarias ya que GM Nijssen fue solo una de las muchas personas involucradas en el desarrollo del método. [2]
En 1989, Terry Halpin completó su tesis doctoral sobre ORM, proporcionando la primera formalización completa del enfoque e incorporando varias extensiones.
También en 1989, Terry Halpin y GM Nijssen fueron coautores del libro "Esquema conceptual y diseño de bases de datos relacionales" y de varios artículos conjuntos, proporcionando la primera formalización del modelado de roles de objetos.
A principios de los años 90, en París, se desarrolló una herramienta de diseño gráfico NIAM que incluía la capacidad de generar scripts de creación de bases de datos para Oracle, DB2 y DBQ. Originalmente se denominó Genesys y se comercializó con éxito en Francia y, más tarde, en Canadá. También podía gestionar el diseño de diagramas ER. Se adaptó a las plataformas SCO Unix, SunOs, DEC 3151 y Windows 3.0, y más tarde se migró a los sistemas operativos Microsoft posteriores , utilizando XVT para la portabilidad gráfica entre sistemas operativos. La herramienta se renombró OORIANE y actualmente se utiliza para grandes proyectos de almacenamiento de datos y SOA.
También se ha desarrollado a partir de NIAM el " Modelado de información totalmente orientado a la comunicación " (FCO-IM , 1992). Se distingue del ORM tradicional en que adopta una perspectiva estrictamente orientada a la comunicación. En lugar de intentar modelar el dominio y sus conceptos esenciales, modela la comunicación en este dominio (universo del discurso). Otra diferencia importante es que lo hace a nivel de instancia, derivando el nivel de tipo y el nivel de objeto/hecho durante el análisis.
Otro desarrollo reciente es el uso de ORM en combinación con tipos de relaciones estandarizados con roles asociados y un diccionario estándar legible por máquina y una taxonomía de conceptos como los que se proporcionan en el diccionario inglés Gellish . La estandarización de los tipos de relaciones (tipos de hechos), roles y conceptos permite mayores posibilidades de integración y reutilización de modelos.
Los modelos de objetos-rol se basan en hechos elementales y se expresan en diagramas que pueden verbalizarse en lenguaje natural. Un hecho es una proposición como "John Smith fue contratado el 5 de enero de 1995" o "Mary Jones fue contratada el 3 de marzo de 2010".
Con ORM, proposiciones como estas se abstraen en "tipos de hechos", por ejemplo, "La persona fue contratada el día" y las proposiciones individuales se consideran datos de muestra. La diferencia entre un "hecho" y un "hecho elemental" es que un hecho elemental no se puede simplificar sin perder significado. Este enfoque "basado en hechos" facilita el modelado, la transformación y la consulta de información de cualquier dominio. [4]
ORM no utiliza atributos: a diferencia de los modelos de los métodos entidad-relación (ER) y Lenguaje de modelado unificado (UML), ORM trata todos los hechos elementales como relaciones y, por lo tanto, trata las decisiones para agrupar hechos en estructuras (por ejemplo, tipos de entidad basados en atributos, clases, esquemas de relación, esquemas XML) como cuestiones de implementación irrelevantes para la semántica. Al evitar los atributos, ORM mejora la estabilidad semántica y permite la verbalización en lenguaje natural.
El modelado basado en hechos incluye procedimientos para mapear hechos a estructuras basadas en atributos, como las de ER o UML. [4]
Las representaciones textuales basadas en hechos se basan en subconjuntos formales de lenguajes nativos. Los defensores de ORM argumentan que los modelos ORM son más fáciles de entender para personas sin educación técnica. Por ejemplo, los defensores argumentan que los modelos de objetos-rol son más fáciles de entender que los lenguajes declarativos como el Lenguaje de Restricción de Objetos (OCL) y otros lenguajes gráficos como los modelos de clase UML . [4] Las notaciones gráficas basadas en hechos son más expresivas que las de ER y UML . Un modelo de objetos-rol se puede mapear automáticamente a bases de datos relacionales y deductivas (como datalog ). [5]
ORM2 es la última generación de modelado de roles de objetos. Los principales objetivos de la notación gráfica de ORM 2 son: [6]
El desarrollo de un sistema normalmente implica varias etapas, como: estudio de viabilidad; análisis de requisitos; diseño conceptual de datos y operaciones; diseño lógico; diseño externo; creación de prototipos; diseño interno e implementación; pruebas y validación; y mantenimiento. Los siete pasos del procedimiento de diseño de esquemas conceptuales son: [7]
El procedimiento de diseño de esquemas conceptuales (CSDP) de ORM se centra en el análisis y diseño de datos.
