1. 新しいソフトウェアエンジニアリングの
ためのパターンランゲージに向けて
鷲崎 弘宜
早稲田大学 / 国立情報学研究所 /
株式会社システム情報 / 株式会社エクスモーション
Agile Tour Osaka × miniPLoP 2020 基調講演 2020年12月12日

2. What is software engineering?
• “Application of systematic, disciplined, quantifiable approach to
development, operation, and maintenance of software” –
SWEBOK 2014
• Guide to the Software Engineering Body of Knowledge (SWEBOK)
2
• Software Requirements
• Software Design
• Software Construction
• Software Testing
• Software Maintenance
• Software Configuration
Management
• Software Engineering
Management
• Software Engineering
Process
• Software Engineering Tools
and Methods
• Software Quality
• Software Engineering
Professional Practice
• Software Engineering
Economics
• Computing Foundations
• Mathematical Foundations
• Engineering Foundations

3. Vision of SWEBOK 2021 (subject to change)
(Evolution lead: Hironori Washizaki, since 2018-)
https://www.computer.org/volunteering/boards-and-committees/professional-educational-activities/software-engineering-committee/swebok-evolution
• Expansion of SE
– AI/Machine Learning
Engineering
– Restructuring foundation
areas incl. Internet of
Things (IoT)
• Value in SE
– Value proposition
• Dependable SE
– Architecture
– Security
• Modern SE
– Agile
– DevOps 3
Software
Engineering
Value
proposition
AI/ML
Engineering
Foundation
incl. IoT
Architecture Security
Agile & DevOps
Expansion
Value
Dependable
Modern

4. Paradigm shifts in
“new” software engineering
4
Current New
Scope and
perspective
Software systems Software systems, business,
society and related disciplines
Process Planned, static,
common, and closed
Adaptive, dynamic, diverse,
and open
Focus Specification Value, data, and speed
Thinking Cognitive (logical) or
affective (design)
Cognitive (logical), affective
(design), and conative
(conceptual)
Inference Deduction and
analogy
Deduction, analogy, induction,
and abduction
Hironori Washizaki, Junzo Hagimoto, Kazuo Hamai, Mitsunori Seki, Takeshi Inoue, Shinya Taniguchi, Hiroshi Kobayashi,
Kenji Hiranabe and Eiichi Hanyuda, “Framework and Value-Driven Process of Software Engineering for Business and
Society (SE4BS),” 5th International Conference on Enterprise Architecture and Information Systems (EAIS 2020)

5. Example: Deduction and induction
5
Goal Data
Model Behavior
Goal Model Behavior Data
Conventional software: Deduction
ML-based software: Induction
H. Maruyama, “Machine Learning Engineering and Reuse of AI Work Products,” The First International Workshop on Sharing
and Reuse of AI Work Products, 2017
Hironori Washizaki, “Towards Software Value Co-Creation with AI”, The 44th IEEE Computer Society Signature Conference
on Computers, Software, and Applications (COMPSAC 2020), Fast Abstract

6. パターン（言語）が必要！
• 抽象的なパラダイムと具体的な事例
、指示、ツールの橋渡し
– Know-Why（文脈）、What（問題）、How（
解決策）を言語化し、文書化する。
– 解決策や問題点の再利用
– 一貫性のあるアーキテクチャの取得
6
パラダイム
事例
ツール
フレーム
ワーク
作業指示
?
？
• ステークホルダー間の共通言語
– ソフトウェアエンジニア、ハードウェアエ
ンジニア、ネットワークエンジニア、ドメ
インエキスパート、データアナリスト・・・

7. 質問 http://sli.do/ #58755
アンケートhttp://u0u1.net/Urae
7
https://en.wikipedia.org/wiki/Coffeehouse#/media/File:Caf%C3%A9_de_Flore.jpg
https://ja.wikipedia.org/wiki/%E3%82%AB%E3%83%95%E3%82%A7#/media/%E3%83%95%E3%82
%A1%E3%82%A4%E3%83%AB:Former_Foreign_Settlement_of_Kobe_Hyogo_Japan_A55_03s3.jpg
名前: 路上カフェ
解決: 各近隣にカフェが開かれるよう促すこと。カフェにはいくつかの部屋を設け、
にぎやかな歩行路に向けて解放し、座ってコーヒーなどの飲み物を取りながら、
移りゆく世界を眺められるような親しみのある場所に仕立てること。カフェの前面
は、室内からテーブル・セットが街路にそのまま張り出すような作りとすること。
問題: 忙しい都会において、衆目の中で合法
的に腰を下ろし、移りゆく世界をノンビリと眺め
られる場所がほしい。
[Alexander77] C. Alexander他著, 平田翰那訳, “パタン・ランゲージ”, 鹿島出版, 1977

8. 質問 http://sli.do/ #58755
アンケートhttp://u0u1.net/Urae
8
建築におけるパターンランゲージ
◼ 粒度をまたいだ繋がり
◼ 街の中心部には 活動の拠点 として 小さな広
場 を設けよう。その広場には、訪問者や近隣
の人々が気軽に集い落ち着けるように、いくつ
かの 路上のカフェ が集まってひらかれるよう
に奨励しよう。それぞれのカフェは、オープン
エアで楽しめるように 街路への開口 を持たせ
られるとよい ・・・
◼ 同一粒度における繋がり
◼ 快適に暮らせるためには 屋内の陽光 は不可
欠なので、 南向きの屋外 に庭をおきたいな。
さらに、部屋の陽光をたくさんとって快適にす
るために どの部屋も二面採光 にしたい。そう
そう、お客さんにも来てほしいから、 街路への
開口 をもうけて、玄関から寝室までうまく 親
密度の変化 をもたせたいね ・・・
玄関
居間
寝室
庭
建物 口
街
路
街路
広場
カフェ

9. 質問 http://sli.do/ #58755
アンケートhttp://u0u1.net/Urae
9
パターンランゲージとソフトウェア
◼ ソフトウェアコミュニティが学んだこと
◼ 文脈（Know-Why）、問題（What）、解決（How）の言語化・文書化形式
◼ 抽象的なビジョンと、具体的なライブラリ・指示の間の抽象度
◼ 対話の手段、問題・解決の再利用、非機能要求満足とアーキテクチャ一貫
◼ 特にソフトウェア設計、開発プロセス・組織構造
◼ ソフトウェアコミュニティが（あまり）学ばなかったこと [羽生田]
◼ 利害関係者間の合意形成のための共通言語
◼ 利用者参加型の仕組み、生成的
成功事例
文脈: こういうときに
問題: こうしたかったら・こう困っていたら
フォース: こういうことを考慮して
解決: こうしなさい
結果: こうなるでしょう
新たな状況
解決 解決
抽象化 具象化
類似
抽象化
羽生田栄一 監修, パターンワーキンググループ著, "ソフトウェアパターン入門～基礎から応用へ～", ソフトリサーチセンター, 2005.

10. Problem and goal
• ML and IoT are key enablers of digital transformations.
• Patterns in ML and IoT software design are not well
classified and studied.
• Thus, we conducted a systematic literature review to
reveal landscapes of ML and IoT software design patterns.
10
Machine Learning
Software
engineering
IoT

11. エグゼクティブサマリ
• 抽象度の異なる様々なIoTアーキテクチャ・デザインパターン
は、十分に分類および研究されていない
• RQ1.学術的な文献では、IoTのアーキテクチャや設計パター
ンはどのように扱われているのか？
– IoTアーキテクチャ・デザインパターンの関連論文32編
• RQ2.既存のIoTアーキテクチャやデザインパターンは本当に
全てIoTパターンなのか？
– 抽出された143パターンのうち、57％が非IoTパターン
• RQ3.IoTアーキテクチャ・デザインパターンは分類できるか？
– 抽象化レベル、ドメイン、品質特性に沿って分類可
• RQ4.IoTアーキテクチャ・デザインパターンはどのようなもの
があるのか？
– 多くのIoTパターンは、相互運用性、セキュリティ、保守性を扱う
– 多くのIoTアーキテクチャパターンはドメイン固有 11

12. 例: IoTアプリケーション多層アーキテクチャ
• 多層アプリケーション向けに軽量な仮想化によるリソース仮想化を提供
12
IoT GatewayIoT Device
/ Application
IoT Device
/ Application
publish IoT Device
/ Application
IoT Device
/ Application
subscribe
Virtual part
Physical part
例: IoTゲートウェイ・イベントサブスクリプション
• IoTゲートウェイにサブスクリプションの仕組みを採用
• センサによって得られたデータと要素間メッセージを非同期かつ相互伝送

13. 機械学習アーキテクチャ・デザインパターンの
全体像に向けて
• RQ1. ML開発者はMLシステム（MLS）の設計をどのように捉えて扱
っているのか？
– 方法: アンケート調査
– 結果: MLアーキテクチャ・デザインパターンについてほとんど知られ
ていない。
• RQ2. 学術論文や灰色文献はMLSの設計をどのように扱っている
のか？
– 方法: 体系的文献調査
– 結果: 学術論文19編、灰色文献19編
• RQ3. MLアーキテクチャ・デザインパターンはどのように分類できる
か？
– 方法: 様々な代表的プロセスの検討
– 結果: MLパイプラインプロセスおよびISO/IEC 12207ソフトウェアライフ
サイクルプロセスによる分類
• RQ4. MLアーキテクチャ・デザインパターンにはどのようなものがあ
るか？
– 方法: 文献からのパターン抽出およびプロセス上での分類
– 結果: 33パターン候補 → 最終的に15パターン抽出
13

14. Classification of ML design patterns
14
Training data
Trained model
Prediction
(inference)
Infrastructure
Input data
Topology
Different Workloads in
Different Computing
Environments
Distinguish Business Logic
from ML Models
ML Gateway Routing
Architecture
Microservice Architecture for ML
Lambda Architecture
Kappa Architecture
Programming
Data Lake for ML
Separation of
Concerns and
Modularization of
ML Components
Encapsulate ML
models within
Rule-base
Safeguards
Discard PoC Code
Model operations
Parameter-Server Abstraction
Data flows up, Model flow
down
Secure Aggregation
Deployable Canary Model
ML Versioning
Hironori Washizaki, Hironori Takeuchi, Foutse Khomh, Naotake Natori, Takuo Doi, Satoshi Okuda, “Practitioners’ insights on
machine-learning software engineering design patterns: a preliminary study,” 36th IEEE International Conference on
Software Maintenance and Evolution (ICSME 2020), Late Breaking Ideas track

15. E.g., Distinguish Business Logic from ML Models
• Separate the business logic and the inference engine, loosely
coupling the business logic and ML-specific dataflows.
15
Data LayerLogic LayerPresentation Layer
User
Interface
Database
Data
Collection
Data Lake
Business
Logic
Data
Processing
Inference
Engine
RealWorld
Business
LogicSpecific
MLSpecific
Architectural Layers
Deployed as ML System
Business Logic Data Flow
ML Runtime Data Flow
ML Development Data Flow
Legend
Haruki Yokoyama, Machine Learning System Architectural Pattern for Improving Operational Stability, ICSA-C, 2019
Hironori Washizaki, Foutse Khomh, Yann-Gael Gueheneuc, “Software Engineering Patterns for Machine Learning
Applications (SEP4MLA),” 9th Asian Conference on Pattern Languages of Programs (AsianPLoP 2020)

16. Summary and future
• Summary
– Paradigm shifts in new software engineering,
especially ML and IoT engineering
– Patterns as bridge and common language for new
software engineering
– Classification of ML and IoT design patterns
• Future
– Classify and relate patterns across over different
disciplines such as ML and IoT
– Build pattern languages
– Open expanded community
16