شی گرایی متداولترین رویکرد توسعه ی سیستم های نرم افزاری می باشد، اما ناتوانی این روش در پیمانه بندی کانسرنهای متقاطع، مشکل اصلی تمامی سیستمهای شی گرا میباشد. تکنولوژی جنبه گرا این امکان را با فراهم نمودن یک واحد به نام جنبه مهیا ساخته است. یکی از بحثهای اصلی جنبه گرایی، فرآیند جنبه کاوی است. گرچه دیدگاههای جنبه کاوی بسیاری تاکنون ارائه شده است ولی هیچ یک از این دیدگاهها نتوانستند کانسرنهای متقاطع را به صورت خودکار و بدون نیاز به درگیری برنامه نویس شناسایی نمایند. وابستگی به قواعد نامگذاری و اتلاف زمان بسیار برای حذف نمودن نتایج پیشنهادی اشتباه توسط ابزار از دیگر مشکلات دیدگاههای موجود است. مطالعه ی همه ی این موارد زمینه ساز ایجاد روشی جدید در این پایان نامه گردید. هدف روش پیشنهادی در این پژوهش این است که راهکاری مناسب جهت مدلسازی مطلوب برای جنبه کاوی ارائه نموده که به طور خودکار و بدون نیاز به درگیری کاربر و مستقل از قواعد نام گذاری بتواند کانسرن های متقاطع را شناسایی و سپس آن کانسرن را استخراج نماید که این کار در قالب ارائه ی سه روش انجام گرفت. در روش پیشنهادی اول با ارائه ی الگوریتمی به پیدا نمودن کانسرن متقاطع در صورت یکسان بودن نام متغیر های دو ماشین خودکار محدود شده ی ورودی پرداخته گردید که این الگوریتم قادر به یافتن کانسرن مشترک در صورتی که رفتار کانسرن مشترک مساوی، اما نام متغیرهای کانسرن مشترک در دو ماشین متفاوت باشد نبود. لذا با توسعه ی روش پیشنهادی اول، در روش پیشنهادی دوم، با ارائه ی الگوریتمی به ترفیع مشکل روش پیشنهادی اول پرداخته شد که با مشکل داشتن مرتبهِ زمانی بالا در یافتن کانسرن مشترک مواجه بود. بنابراین در روش پیشنهادی سوم، روش پیشنهادی بهینه، با ارائه ی الگوریتم جدیدی به کاهش مرتبه ی زمانی در یافتن کانسرن مشترک پرداخته شد. سپس، روش های پیشنهادی در محیط جاوا شبیه سازی شده و نمونه ای از مثال تجربی به ابزار شبیه سازی شده، داده و کانسرن مشترک آن استخراج گردیده است. جهت اعتبار سنجی نتایج به دست آمده، این نتایج با نتایج حاصل از اجرای الگوریتم به صورت دستی مقایسه گردیده است. در پایان جهت تایید بهینه بودن روش پیشنهادی سوم، از لحاظ مرتبه ی زمانی نتایج این روش با روش پیشنهادی تکمیل یافته مقایسه گردیده است.