این دیاگرام مورد استفاده ابزار مناسبی برای مراحل اولیه طراحی سیستم است و به عنوان نقشه راه برای تعیین محدوده و نیازهای عملکردی از دید کاربر. این سوال پایهای را پاسخ میدهد: سیستم باید برای کاربران چه کاری انجام دهد؟
1. هدف: تعیین محدوده و الزامات کیوسک
چالش طراحی یک کیوسک خرده فروشی خودخدمتی این است که مرز سیستم را به وضوح تعیین کنیم—کدام عملکردها توسط خود کیوسک انجام میشود و کدام سیستمهای خارجی (مانند سیستم موجودی یا درگاه پرداخت) مسئول آن هستند.
هدف از دیاگرام: شناسایی بصری تمام بازیگران اصلی و فرعی و تعیین الزامات عملکردی سطح بالا (مورد استفاده) که باید در محدوده سیستم کیوسک اجرا شوند. این امر اطمینان حاصل میکند که تلاشهای توسعه متمرکز باشند و گسترش محدوده به حداقل برسد.
| بازیگران کلیدی | موارد استفاده اصلی |
|---|---|
| مشتری (اصلی) | مرور محصولات، خروج از سیستم، پردازش پرداخت |
| مدیر فروشگاه (اصلی) | تامین مجدد مواد، مشاهده لاگها |
| سیستم موجودی (فرعی) | بررسی موجودی انبار |
| درگاه پرداخت (فرعی) | تأیید تراکنش |
2. تولید و تکرار دیاگرام با استفاده از چتبات هوش مصنوعی
مزیت اصلی استفاده از یک چتبات هوش مصنوعیقابلیت آن در ایجاد مدل بصری اولیه بر اساس نیازهای عملکردی ساده و سپس به سرعت بازنویسی طراحی به صورت گفتگویی است.
پیام اولیه هوش مصنوعی (نیازهای ساده)
ما با توضیحات حداقلی از مؤلفههای اصلی سیستم و عملکردهای مورد نیاز شروع میکنیم. ما به درک هوش مصنوعی از بهترین روشهای UML تکیه میکنیم تا مرز سیستم و روابط را تعریف کنیم.
پیام:
«یک نمودار مورد استفاده UML برای سیستم کیوسک فروشگاهی تولید کن. کاربران اصلی عبارتند از»مشتری و مدیر فروشگاه. عملکردهای اصلی عبارتند ازمرور محصولات, پرداخت، وتامین مجدد موجودی. سیستم به یک سیستم موجودی و یک درگاه پرداخت.”
نتیجه تولید شده
بهروزرسانی تکراری: بهبود مدل
پس از بررسی نمودار اولیه، متوجه میشویم که یک عملکرد مشترک حیاتی—احراز هویت—از دست رفته بود و نیاز به نقش جدیدی برای پشتیبانی داریم. به جای ویرایش دستی نمودار، دستور میدهیم که تغییرات را به صورت گفتگویی اعمال کند.
پیام تکراری:
«لطفاً نمودار فعلی را بهروزرسانی کنید:
- مورد استفاده «احراز هویت کاربر» را اضافه کن و آن را الزامی برای هر دو «پرداخت» و «تامین مجدد موجودی» قرار بده.
- یک بازیگر جدید، «کارشناس پشتیبانی»، اضافه کن که یک مورد استفاده جدید را آغاز میکند: «ارائه پشتیبانی از راه دور»».
نتیجه نهایی نمودار
هوش مصنوعی به سرعت کد نمودار را بهروز میکند و به درستی روابط <<include>>را برای «احراز هویت کاربر» اضافه میکند و بازیگر خارجی جدید «کارشناس پشتیبانی» را خارج از مرز سیستم قرار میدهد، که نشان میدهد چگونه میتوان مدل را به صورت گفتگویی بهبود بخشید.
3. تحلیل پیشرفته بر اساس نمودار تولید شده
پس از تولید مدل بصری، میتوان از ربات چت هوش مصنوعی به عنوان ابزار تحلیلی برای استخراج مستندات متنی و انجام اعتبارسنجی ساختاری بر اساس کد نمودار استفاده کرد.
الف. سند لیست الزامات رسمی
از هوش مصنوعی بخواهید تا عناصر بصری و روابط آنها را به یکسند متنی ساختاریافتهمناسب برای مشخصات پروژههای رسمی.
پیام تحلیل:
«بر اساس کد نمودار مورد استفاده فروشگاه خودکار تولید شده، یک سند الزامات رسمی تولید کنید. برای هر مورد استفاده، مبتدی اصلی، هدف و تمام وابستگیها را توضیح دهید، از جمله هر گونه نقش فرعی یا موارد استفاده شامل شده.»
- مزیت:این کار به طور فوری مدل بصری را به لیست الزامات متنی رسمی تبدیل میکند که برای تعیین حوزه پروژه و تأیید نهایی ضروری است. هوش مصنوعی اطمینان حاصل میکند که توضیح جریان و وابستگیها دقیقاً مطابق با نمودار باشد.
ب. سند وابستگیها و ادغام
نمودار به طور بصری حوزه داخلی را از وابستگیهای خارجی (نقشهای فرعی) جدا میکند. میتوانیم از هوش مصنوعی بخواهیم این لیست را برای برنامهریزی ادغام رسمی کند.
پیام تحلیل:
«بخشی از سند برنامهریزی ادغام را بر اساس نمودار تهیه کنید. تمام سیستمهای خارجی (نقشهای غیرانسانی) که فروشگاه خودکار به آنها وابسته است را شناسایی کنید و تعاملات خاص مورد استفاده مورد نیاز برای هر یک را توضیح دهید و نقاط ادغام را تعریف کنید.»
- مزیت:این وظیفه از نمودار برای تولید مستندات تیم ادغام استفاده میکند و تعیین میکند که APIهای خارجی و تعاملات قراردادی مورد نیاز برای عملکرد فروشگاه خودکار چیست، به گونهای که هیچ نقطه ادغامی از دست نرود.
با استفاده از ربات چت هوش مصنوعی در این سه مرحله—تعیین هدف، تولید فوری و تحلیل ساختاری—تیم پروژه میتواند مطمئن شود که نمودار موارد استفاده تنها به عنوان یک ابزار بصری نیست، بلکه پایه تأیید شدهای برای تمام فعالیتهای طراحی و توسعه بعدی است.
برای اطلاعات جامع درباره UML و بصریسازی پشتیبانی شده از هوش مصنوعی، به ما مراجعه کنیدمرکز منابع UML.
This post is also available in Deutsch, English, Español, Français, Bahasa Indonesia, 日本語, Polski, Portuguese, Ру́сский, Việt Nam, 简体中文 and 繁體中文.