Abstract Knowledge discovery (KD) technology is used to extract knowledge from large quantities of digital data in an automated fashion. The established process model represents the KD process in a linear and technology-centered manner, as a sequence of transformations that refine raw data into more and more abstract and distilled representations. Any actual KD process, however, has aspects that are not adequately covered by this model. In particular, some of the most important actors in the process are not technological but human, and the operations associated with these actors are interactive rather than sequential in nature. This thesis proposes an augmentation of the established model that addresses this neglected dimension of the KD process. The proposed process model is composed of three sub-models: a data model, a workflow model, and an architectural model. Each sub-model views the KD process from a different angle: the data model examines the process from the perspective of different states of data and transformations that convert data from one state to another, the workflow model describes the actors of the process and the interactions between them, and the architectural model guides the design of software for the execution of the process. For each of the sub-models, the thesis first defines a set of requirements, then presents the solution designed to satisfy the requirements, and finally, re-examines the requirements to show how they are accounted for by the solution. The principal contribution of the thesis is a broader perspective on the KD process than what is currently the mainstream view. The augmented KD process model proposed by the thesis makes use of the established model, but expands it by gathering data management and knowledge representation, KD workflow and software architecture under a single unified model. Furthermore, the proposed model considers issues that are usually either overlooked or treated as separate from the KD process, such as the philosophical aspect of KD. The thesis also discusses a number of technical solutions to individual sub-problems of the KD process, including two software frameworks and four case-study applications that serve as concrete implementations and illustrations of several key features of the proposed process model. / Tiivistelmä Tiedonlouhintateknologialla etsitään automoidusti tietoa suurista määristä digitaalista dataa. Vakiintunut prosessimalli kuvaa tiedonlouhintaprosessia lineaarisesti ja teknologiakeskeisesti sarjana muunnoksia, jotka jalostavat raakadataa yhä abstraktimpiin ja tiivistetympiin esitysmuotoihin. Todellisissa tiedonlouhintaprosesseissa on kuitenkin aina osa-alueita, joita tällainen malli ei kata riittävän hyvin. Erityisesti on huomattava, että eräät prosessin tärkeimmistä toimijoista ovat ihmisiä, eivät teknologiaa, ja että heidän toimintansa prosessissa on luonteeltaan vuorovaikutteista eikä sarjallista. Tässä väitöskirjassa ehdotetaan vakiintuneen mallin täydentämistä siten, että tämä tiedonlouhintaprosessin laiminlyöty ulottuvuus otetaan huomioon. Ehdotettu prosessimalli koostuu kolmesta osamallista, jotka ovat tietomalli, työnkulkumalli ja arkkitehtuurimalli. Kukin osamalli tarkastelee tiedonlouhintaprosessia eri näkökulmasta: tietomallin näkökulma käsittää tiedon eri olomuodot sekä muunnokset olomuotojen välillä, työnkulkumalli kuvaa prosessin toimijat sekä niiden väliset vuorovaikutukset, ja arkkitehtuurimalli ohjaa prosessin suorittamista tukevien ohjelmistojen suunnittelua. Väitöskirjassa määritellään aluksi kullekin osamallille joukko vaatimuksia, minkä jälkeen esitetään vaatimusten täyttämiseksi suunniteltu ratkaisu. Lopuksi palataan tarkastelemaan vaatimuksia ja osoitetaan, kuinka ne on otettu ratkaisussa huomioon. Väitöskirjan pääasiallinen kontribuutio on se, että se avaa tiedonlouhintaprosessiin valtavirran käsityksiä laajemman tarkastelukulman. Väitöskirjan sisältämä täydennetty prosessimalli hyödyntää vakiintunutta mallia, mutta laajentaa sitä kokoamalla tiedonhallinnan ja tietämyksen esittämisen, tiedon louhinnan työnkulun sekä ohjelmistoarkkitehtuurin osatekijöiksi yhdistettyyn malliin. Lisäksi malli kattaa aiheita, joita tavallisesti ei oteta huomioon tai joiden ei katsota kuuluvan osaksi tiedonlouhintaprosessia; tällaisia ovat esimerkiksi tiedon louhintaan liittyvät filosofiset kysymykset. Väitöskirjassa käsitellään myös kahta ohjelmistokehystä ja neljää tapaustutkimuksena esiteltävää sovellusta, jotka edustavat teknisiä ratkaisuja eräisiin yksittäisiin tiedonlouhintaprosessin osaongelmiin. Kehykset ja sovellukset toteuttavat ja havainnollistavat useita ehdotetun prosessimallin merkittävimpiä ominaisuuksia.

Abstract Choreography modelling, as a service-oriented architecture specific technique, is increasingly present in embedded systems development domain. This technique specifies a flow of interactions between participants' services from the global or neutral point of view while the specified models represent an integral part of the overall software architecture. Choreography modelling languages that are currently used in embedded systems domain, however, are not expressive enough to capture the choreography-relevant information in this domain. For this reason, choreography specifications are often lacking information or include ambiguous information. This allows misinterpretation of the specified choreography models and leads to difficulties in communication among stakeholders that use those models. The objective of this research is to advance the design of choreography modelling languages by identifying the information content that is relevant in embedded systems domain and by designing a choreography modelling language that supports that information content. To achieve this objective, this research adopted the design science research framework and five individual studies were conducted within this framework. These studies used methods such as the interviews with practitioners, company specific documents and open standards to understand the challenges in industry, systematic literature review to collect the existing scientific knowledge about the utilization of choreography in embedded systems and the focus groups to evaluate the designed language. Based on these study results, the information content that is relevant for choreography modelling in embedded systems domain was identified and then supported with the design of choreography modelling language. The design of the choreography modelling language is evaluated in academic and industry context. The evaluation in academic context is realized by language implementation while the evaluation in industry is realized with industry experts. Language evaluation showed increased expressiveness of the designed language and indicated on possible benefits from its use in testing and protocol development area. These benefits include the reduction of development time and errors in the testing phase while the reduction of maintenance burden and performance improvement can be expected in the protocol development area. / Tiivistelmä Koreografinen mallintaminen on enenevässä määrin käytetty tekniikka sulautettujen järjestelmien palvelukeskeisten arkkitehtuurien määrittelyssä. Tämän mallintamisen avulla pystytään määrittämään palveluiden ja osallistujien välisten vuorovaikutusten virtaa globaalilla tasolla kun taas määritellyt mallit kuvaavat ohjelmistoarkkitehtuurin keskeisiä osakokonaisuuksia. Tällä hetkellä sulautettujen järjestelmien koreografiseen mallintamiseen käytetyt kielet eivät ole tarpeeksi ilmaisuvoimaisia kattaakseen alalla tarvittavien mallien oleelliset tietosisällöt. Tästä syystä koreografiamalleista puuttuu usein oleellisia tietoja tai tietosisällöt eivät ole yksiselitteisiä. Tämä johtaa koreografiamallien tietosisältöjen virheelliseen tulkintaan, joka taas aiheuttaa haasteita malleja hyödyntävien sidosryhmien välisessä vuorovaikutuksessa. Tämän tutkimuksen tavoitteena on edistää koreografiamallinnuksessa käytettävien kielten suunnittelua tunnistamalla ne tietosisällöt, jotka ovat oleellisia sulautetuille järjestelmille sekä suunnitella kieli, joka tukee oleellisia tietosisältöjä. Tavoitteen saavuttamiseksi sovellettiin "design science" (suunnittelun tutkimus) tutkimusmenetelmää, jolla toteutettiin viisi tapaustutkimusta. Näissä tutkimuksissa hyödynnettiin teollisuuden asiantuntijoiden haastatteluita, yrityskohtaisia dokumentteja ja avoimia standardeja, joiden avulla pystyttiin ymmärtämään teollisuuden kohtaamia haasteita tutkimusalueella. Systemaattisen kirjallisuuskatsauksen avulla kerättiin yhteen olemassa oleva tieteellinen tietämys koreografian käytöstä sulautetuissa järjestelmissä. Kehitetyn kielen sopivuutta teolliseen tuotekehitykseen arvioitiin asiantuntiaryhmille järjestetyissä työpajoissa. Saatujen tutkimustulosten valossa koreografiamallinnuksessa tarvittavat oleelliset tietosisällöt sulautettujen järjestelmien alueella pystyttiin määrittämään sekä kehittämään tietosisältöä tukeva koreografian mallinnuskieli. Kehitetty mallinnuskieli on arvioitu akateemisessa kontekstissa toteuttamalla koreografian mallinnuskieli. Teollisessa ympäristössä arvioinnin ovat suorittaneet teollisuuden asiantuntijat. Arviointien tuloksena voidaan todeta, että kehitetyllä mallinnuskielellä on parempi ilmaisuvoima kuin aiemmin käytössä olleilla kielillä. Lisäksi saatiin viitteitä kielen soveltuvuudesta testauksessa ja protokollien kehityksessä. Kieltä soveltamalla saavutettiin lyhempi kehitysaika ja vähennettiin virheitä testausvaiheessa. Lisäksi protokollan kehityksen osuudessa oletetaan ylläpidon kuormittavuuden vähenevän ja suorituskyvyn paranevan.