Tez No	İndirme	Tez Künye	Durumu
756050		Model management for hypothesis-driven simulation experiment workflows / Hipoteze dayalı simülasyon deneyi iş akışları için model yönetimi Yazar:SEMA ÇAM Danışman: PROF. DR. MEHMET HALİT SEYFULLAH OĞUZTÜZÜN Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Benzetim modeli = Simulation model ; Bilgisayar destekli benzetim = Computer aided simulation ; İstatistiksel deney tasarımı = Statistical experimental design	Onaylandı Doktora İngilizce 2022 118 s.
Hesaplamalı bilim ve mühendislikteki günümüz atılımları sayesinde, araştırma uzmanları artık bilgisayarlarda birçok deneyi simüle edebilirler. Deney tanımı, bilimsel araştırmanın yeniden kullanılabilirliği ve yeniden üretilebilirliği için çerçeveler ve destek sistemlerinin yanı sıra alana özgü diller, alan modelleri, ontolojiler, veri modelleri, istatistiksel analiz yöntemleri ve ilgili formalizmlere sahip diğer araç ve varlık türleri tarafından desteklenir. Buna rağmen, deney belirtimi için çoğu çerçeve veya destek aracı, hipotezleri görmezden gelir ve uygun şekilde ifade edilen hipotezlere dayalı bir prosedürden yoksundur. Deneysel süreçte hipotez eksikliği ile ilgili temel sorun, bir deneyin inanılırlığının ve tekrarlanabilirliğinin hatalı veya yetersiz kayıttan ötürü zarar görmesidir. Ayrıca, test için model, metamodel, araç ve verilerin çeşitliliği, Küresel Model Yönetimi (KMY) ihtiyacını beraberinde getirir. Bu bağlamda KMY, model tabanlı mühendislik metodolojilerini kullanarak simülasyon deneylerinin belgelenmesi, paylaşılması, yeniden kullanılabilirliği ve tekrarlanabilirliğini arttırır. Bu tez, bilimsel bir iş akışı olarak açık hipotezlerle simülasyon deneylerini kolaylaştırmak için KMY'nin nasıl kullanılacağını gösterir ve simülasyon deneyinde hedeflenen hipotezin açık bir şekilde belirtilmesini içeren Simülasyon Deneyi Açıklama İşaretleme Dili'ne (SED-ML) bir uzantı önerir. Megamodel, ve ya modeller ve metamodeller için bir kayıt defteri, özellikle bir simülasyon projesinde kullanılan yapıtları yönetmek için bir depo olarak hizmet etmek üzere oluşturulur. Tanımlama, girdi veri üretimi, deney yürütme ve çıktı veri analizi dahil olmak üzere bir simülasyon deneyinin tüm adımları megamodel tarafından etkin bir şekilde ele alınır. Daha sonra vaka çalışmaları kullanılarak KMY'nin simülasyon deneylerine uygulanabilirliği gösterilmiştir. Bize göre KMY, hem deney varlıklarını hem de deney süreçlerini yönetmek için sağlam bir çerçeve sağlar.
With today's breakthroughs in computational science and engineering, research experts can now simulate a lot of experiments on computers. Experiment specification is aided by frameworks and support systems for reusability and reproducibility of scientific research, as well as domain-specific languages, domain models, ontologies, data models, statistical analysis methods, and other types of tools and assets with related formalisms. Despite this, most frameworks or support tools for experiment specification ignore hypotheses and lack a procedure based on properly stated hypotheses. The main issue with a lack of hypotheses in the experimental process is that an experiment's credibility and repeatability can be harmed by an erroneous or inadequate record. Furthermore, the diversity of models, metamodels, tools, and data for testing bring the need for Global Model Management (GMM). In that sense, GMM leverages documenting, sharing, reusability, and replicability of simulation experiments by employing Model-Driven Engineering methodologies. This thesis demonstrates how to use GMM to facilitate simulation experimentation with explicit hypotheses as a scientific workflow and proposes an extension to the Simulation Experiment Description Markup Language (SED-ML) that involves explicit specification of the hypothesis targeted in the simulation experiment. A megamodel, or registry for models and metamodels, is created particularly to serve as a repository for managing the artifacts used in a simulation project. All steps of a simulation experiment, including specification, input data production, experiment execution, and output data analysis, are effectively addressed by the megamodel. Then, using case studies, the applicability of GMM to simulation experiments is demonstrated. GMM, in our view, provides a solid framework for managing both experiment assets and experiment processes.