本文介绍空客公司的三项相关的研究。 这三项研究加在一起，共同解决航空航天领域的一个重要问题——即如何通过数字主线支持早期并行工程，以解决传统的线性设计流程所面临的挑战。

解决办法是基于 MBSE 、本体工程和知识捕获方法的数字主线框架。

这个数字主线框架，可用于支持新飞机概念设计阶段的产品设计和制造工程之间的全局权衡分析，从而改善成本、质量和开发时间。

这个数字主线框架，通过整合多学科模型和跨领域知识，克服了传统工作方式的孤立性和缺乏全局视野的问题。

1. 引言

1.1 飞机设计的传统流程

飞机设计通常分为三个阶段：概念设计、初步设计和详细设计。在概念设计阶段所做的设计选择对整个生命周期的成本有重大影响。

在传统的飞机设计流程中，生产和服务支持系统的开发通常在详细设计阶段之后才开始。

这通常会导致产品可制造性和支持性变差，从而引发昂贵的设计变更。此外，产品设计和制造工程之间存在孤立的设计活动，缺乏全局视角。

1.2 并行工程面临的挑战

并行工程是一种基于并行开发的方法，通过产品开发和制造过程中的紧密集成和迭代进化，实现全局优化。

它考虑了产品生命周期的所有问题，目标是通过整合产品和制造系统开发，提前发现工程问题，从而提高整体质量和开发时间。

尽管并行工程具有潜力，但在实际实施中仍面临挑战，主要体现在不同利益相关者之间需要大量的沟通和协调，以及缺乏全局视角，尤其是在概念设计阶段。

1.3 数字主线的定义

数字主线被定义为“一个过程、产品或系统的链接权威数字信息集合，其一致性在整个生命周期中被积极管理”（AIAA, 2023）。

数字主线的目标是通过提供信息的可访问性和可追溯性，促进知识的捕获、通信、使用和重用，以高效地支持决策，实现业务价值。

2. 相关工作

2.1 基于模型的系统工程 （MBSE）用于并行工程

MBSE是系统工程的一个重要分支，通过建模支持系统需求、设计、分析、验证和确认活动。MBSE从概念设计阶段开始，并贯穿整个生命周期。

MBSE通过提供结构化的方法来管理系统复杂性，支持不同利益相关者之间的协作。它通过共享参考、标准化建模语言和信息可追溯性，促进复杂系统设计。

2.2 本体用于并行工程

本体是知识的形式化描述，通过一组概念和关系来表示特定领域的知识。

在分布式环境中，本体可以作为信息交换的基础，并管理跨领域的知识。它通过提供共同的理解，促进不同工程领域之间的协作。

本体作为MBSE方法的核心部分， 通过提供共同的理解，促进数据交换和持续集成， 可解决数字工程中固有的集成和互操作性问题。

2.3 并行工程在实际应用中面临的差距和需求

并行工程是一种通过并行开发和迭代进化来优化产品开发和制造过程的方法。

并行工程目前在实施过程中存在一些挑战。

首先，不同工具和语言之间的互操作性是一个关键问题。由于企业环境中软件和形式主义的异构性，数据集成变得复杂，这阻碍了不同建模活动之间的有效协作。 本体能够通过提供共同语言和理解来促进数据交换和协调。

此外，概念设计阶段缺乏全局视角也是一个问题。

早期设计阶段需要一个能够提供全面视角的框架来支持权衡分析。现有研究虽然在一定程度上支持了设计依赖性链接，但仍然存在数据集成的复杂性。

因此，这项研究提出了一个基于MBSE、本体和知识捕获方法的数字主线框架，以支持早期并行工程活动。

数字主线框架不仅连接了产品设计和生产制造的不同的概念定义，还整合了跨领域的知识，为早期设计阶段提供了更好的支持。

也就是说， 数字主线 框架可以改善新飞机的成本、质量和开发时间。

3. 支持并行工程的数字主线框架

下面介绍用于支持航空航天工业中的早期并行工程的 数字主线框架 。

这个数字主线框架通过整合多学科模型和跨领域知识，克服了传统工作方式的孤立性和缺乏全局视野的问题。

3.1 数字主线框架的主要组成部分

这个框架由以下几个关键部分组成：

• 权衡空间
• 系统模型
• 评估模型
• 数字主线
• 捕获的知识

3.1.1 权衡空间

权衡空间 是用于评估最佳设计解决方案的过程，结合了建模、仿真和决策活动。

权衡空间包括市场策略目标（如乘客容量、航程、生产成本和速率）以及利益相关者共享的价值观和驱动因素，可为未来的决策和权衡分析提供基础。

3.1.2 系统模型

系统模型是通过MBSE方法开发的，用于描述飞机系统和制造系统的多学科视图。

系统模型可以通过不同的抽象层次链接，并作为其他模型的输入，实现闭环协作。

3.1.3 评估模型

评估模型用于验证需求合规性或对几种潜在设计进行排名。

从基本工具到复杂的多物理场仿真软件，评估模型利用系统模型中的数据生成额外信息。

通过多学科分析和优化（MDAO）以及实验设计（DoE）活动，支持早期优化。

3.1.4 数字主线

航空航天产品的生命周期包括功能设计、生产和服务支持等多个阶段，其中生产和服务支持阶段占据了大部分时间（约40年）。

航空航天产品的数据和知识分散在各种数据库、 系统模型、评估模型、利益相关者、产品和生产专家等不同地方。这种分散导致了数据和模型的不一致性和接口复杂性。

为了解决这些问题，需要采用 数字主线作为系统模型、评估模型、利益相关者及其价值之间的互操作接口，并确保数据和模型的一致性和连续性。

数字主线采用基于本体的三层模型（ 包括数据层、本体层和服务层）来实现互操作以及数据和模型的的一致性和连续性。

• 数据层 ：收集所有数据库和接口，包括遗留数据库、商业软件数据库、云数据库等。
• 本体层 ：作为模型的核心，包含公司流程、数据和语义模型，以及相关的仿真或行为模型。
• 服务层 ：包含软件服务，如建模工具、仿真工具、可视化工具、数据分析工具等。

根据这个三层模型，数字主线的技术架构分为如下图所示的三层。

• 数据层 ：使用 Neo4j 云服务托管知识库，并通过OSLC适配器连接MBSE工具。
• 本体层 ：遵循IOF-Core/BFO上层本体，以模块化方式开发领域特定的本体。
• 服务层 ：支持建模仿真分析工具之间的数据交换和信息共享。

知识库充当跨不同领域活动之间的通信媒介，并确保数据的可追溯性。 知识库基于Neo4j图数据库构建，并与用于MBSE工具连接的OSLC适配器进行集成。通过图数据库查询语言，可自动从知识库中检索信息，回答不同涉众关注的问题。

核心 本体 提供了确保语义互操作性的各种分类法、形式化和抽象级别之间的共同理解。而领域本体采用模块化设计，并基于IOF-Core/BFO上层本体构建。

专家知识和文档化的知识也被捕获并集成到这个核心本体中。捕获的专家知识和文档化知识，为支持系统模型开发和决策活动提供了更好的见解。

3.1.5 捕获的知识

知识可以通过与专家（产品专家和生产专家）矩形研讨会然后再形式化，也可以通过数据驱动的机器学习 从历史记录文档中 提取。捕获的知识可提供全局可见性和洞察力，支持早期权衡决策。

具体的知识捕获的方式见本文第四节。

捕获的知识类型 ：

• 战略知识 ：涉及企业战略的隐含约束，如国际协议、合作伙伴关系、供应商或地理技能熟练度。
• 价值知识 ：表示模型工件与权衡空间中建立的价值之间的隐含联系。
• 跨性能知识 ：帮助预测产品和制造之间的相互性能影响。
• 限制知识 ：从其他三类知识中推导出来，以更好地描述协同设计的约束和限制。

3.2 数字主线框架的优势

• 语法互操作性 ：通过知识库实现工具无关的数据共享和可追溯性。
• 语义互操作性 ：通过核心本体提供不同领域之间的共同理解。
• 组织互操作性 ：通过自动更新信息，使数字主线成为所有利益相关者的共同参考，促进沟通、理解和协调。
• 全局视角 ：通过整合跨领域的知识，支持早期权衡分析，为早期设计阶段提供更好的支持。

3.3 数字主线框架的应用范围

这个框架专注于新飞机的概念设计阶段，但它也可以应用到整个系统生命周期。

同时，它不仅适用于航空航天工业，还可以扩展到其他工业领域，如汽车、船舶和运输。

4. 知识捕获方法

在概念设计阶段，知识管理是关键。

通过捕获专家知识和历史记录中的知识，可以提供全局视角，支持早期权衡分析。

混合知识提取方法 是一种结合专家知识和数据驱动技术的方法，从复杂系统中提取和管理知识，支持早期并行工程中的跨领域协作。

这种方法的核心在于整合人类专家的直觉和经验，以及大规模工业数据库中的数据，从而实现知识的高效获取和应用。

4.1 方法概述

混合知识提取方法通过结合专家知识形式化和数据驱动的机器学习技术，提取和管理跨领域的工程知识。

这种方法的目标是：

• 强化跨领域联系 ：通过形式化跨领域的知识模式，加强产品设计和生产制造领域之间的联系。
• 支持数据驱动活动 ：利用这些知识模式作为数据驱动活动的基础，提取工程设计规则。

4.2 混合知识提取 方法框架

混合知识提取方法的框架如下图所示，分为两个主要部分：专家知识的形式化和数据驱动的知识提取。

4.3 专家知识的形式化

专家知识的形式化，是通过与领域专家和架构师进行半结构化访谈完成的。访谈过程遵循如下五个步骤：

1. 情境化 ：明确访谈的背景和目标。
2. 列举 ：识别关键概念和参数。
3. 扩展 ：深入探讨这些概念和参数。
4. 总结 ：总结访谈的主要发现。
5. 确认： 确认提取的知识的准确性和完整性。

通过这些访谈，研究者能够识别出跨领域的关键知识模式。例如，在航空航天行业中，通过专家访谈，识别出产品形状、重量、材料以及制造工艺类别等因素是工作量估计的关键特征。

4.4 数据驱动的知识提取

数据驱动的知识提取基于SIRUS算法。这个算法利用随机森林模型的内部结构，生成稳定的规则集。这些规则可以被整合到本体中，以支持知识共享和协作。

SIRUS是一种基于随机森林的规则学习算法，用以生成简洁、稳定且可解释的分类规则。其核心思想是通过随机森林的频繁模式挖掘，筛选高覆盖率的决策规则，再通过稳定性选择（如子采样聚合）优化规则集，确保泛化能力。

相比传统规则方法，SIRUS在保持预测精度的同时显著提升可解释性，适用于需透明模型的领域。特点包括规则少、稳定性强、易于人工验证。

数据驱动的知识提取过程包括以下6个步骤：

1. 数据探索 ：探索和理解异构、非标准化的数据集。
2. 数据准备 ：将数据转换、合并和过滤，以获得有意义的格式。
3. 数据预处理 ：对数据进行可视化分析，进行相关性分析，确保数据的平衡性。
4. 模型训练 ：使用随机森林模型进行知识提取，并通过网格搜索交叉验证技术优化模型参数。
5. 模型评估 ：使用R²和均方根误差（RMSE）评估模型性能。
6. 规则提取 ：从随机森林模型中提取“如果-那么”规则。

4.5 混合知识提取方法的优势

• 结合专家知识和数据驱动技术 ：通过结合专家的直觉和经验，以及大规模工业数据库中的数据，该方法能够更全面地提取知识。
• 支持跨领域协作 ：通过形式化跨领域的知识模式，该方法能够加强产品设计和制造领域之间的联系，支持早期并行工程。
• 提高知识的可解释性 ：通过提取“如果-那么”规则，该方法能够提供易于理解和应用的知识，支持快速决策。
• 适应性强 ：该方法不仅适用于航空航天行业，还可以应用于其他复杂工程领域的产品生命周期管理。

4.6 混合知识提取方法 的局限性

• 依赖历史数据 ：数据驱动部分基于历史数据，其相关性可能受到一定相似性阈值的限制。
• 知识维护 ：随着技术和数据的演变，需要定期更新和维护知识库，以确保知识的相关性和一致性。
• 复杂性 ：数据预处理和模型训练过程可能较为复杂，需要专业的数据科学知识和技术支持。

5.本体层

在这项研究中，本体是数字主线框架三层结构中的核心部分，用于定义、管理和维护产品设计和生产制造系统的知识体系。

5.1 本体的定义与作用

本体是对特定领域（如飞机的产品设计或生产制造）的共享的理解，它涵盖了公司的流程、数据、行为和语义模型。

本体扮演着至关重要的角色，它不仅存储了公司的核心知识，还通过语义模型确保了数据的一致性和连续性。

本体的主要作用包括：

• 知识表示 ：本体通过定义范围模型、数据模型、行为模型和语义模型，将公司的知识以结构化的方式表示出来。
• 数据一致性 ：通过语义模型，本体确保来自不同数据源（如PLM、ERP、MES等）的数据能够统一表示，避免数据不一致的问题。
• 支持仿真与行为分析 ：行为模型定义了系统的行为和仿真需求，支持对制造系统的动态分析和优化。
• 支持跨生命周期的数字连续性 ：本体层通过语义模型连接不同生命周期阶段的模型，确保数据在整个生命周期中的连续性。

5.2 本体的组成部分

本体层由以下四个主要部分组成：

5.2.1 范围模型

范围模型是创建本体的第一步，它定义了模型的工作范围，包括所有主要的数据模型对象和仿真定义。

范围模型是工程师之间讨论的基础，它确保了模型的边界清晰，并为后续的数据模型和行为模型提供了框架。

目前使用 IDEF0 工具对范围模型进行建模。IDEF0是一种广泛应用于航空航天领域的功能建模工具，具有“易于编写、易于阅读”的特点。

下图展示了使用IDEF0工具建模的一个3轴金属铣削的范围模型，包含了输入、输出、控制、机制等元素，标注了模型的用途、作者、日期、项目、修订日期等信息。

5.2.2 数据模型

数据模型定义了在选定范围内管理的信息。它从范围模型中映射对象，并进一步丰富和完成这些对象。

数据模型是本体层的核心部分，它存储了飞机产品设计和生产制造系统的所有数据结构和关系。

目前使用 CMAP （概念图）工具进行建模，CMAP是一种广泛用于定义数据模型的工具，同样具有“易于编写、易于阅读”的特点。

为了支持和管理对象的生命周期、配置和有效性，推荐使用PLM系统。PLM系统可以轻松地存储和管理本体对象，让工程师能够方便地管理、升级、重用和丰富这些对象。

下图展示了使用CMAP工具建模的一个3轴金属铣削的数据模型，包含了零件模型、加工文件、技术文档、原材料、刀具、NC代码等对象之间的关系。

下图展示了范围模型中的对象如何映射到数据模型中，用箭头表示了对象之间的映射关系。

5.2.3 行为模型

行为模型定义了在范围模型中所需的仿真或其他软件，以检查整个系统的行为。

行为模型支持对制造系统的动态分析和优化，确保系统的行为符合预期。

5.2.4 语义模型

语义模型用于统一不同数据源中的数据定义，确保数据的一致性和连续性。

语义模型通过翻译和统一不同数据源中的概念，使得本体能够使用统一的术语来实例化数据。例如，产品设计中的“圆角半径”、制造中的“角半径”和采购中的“Rc”在语义模型中被统一为“半径”。

一个简单例子是产品设计中的“圆角半径”、机加工生产中的“角半径”和采购中的“Rc”，它们在语义模型中被统一为“半径”（radius）。这种统一确保了数据在不同系统之间的无缝流动。

下图展示了在不同数据模型中，同一个概念（如“半径”）可能有不同的名称（如产品设计中的“圆角半径”、制造中的“角半径”、采购中的“Rc”）。 通过语义模型，可以将这些不同的名称统一为“半径”。

5.3 本体的开发与管理

开发原则 ：

• 语言和工具无关性 ：本体层的定义是与具体语言或工具无关的，以确保方法论的通用性和灵活性。
• 简单性： 推荐使用简单易用的建模工具，以便工程师能够轻松编写、共享、阅读和讨论模型。
• 重用和共享： 建立和确保本体的创建、丰富和重用的程序，以充分利用公司现有的知识资源。

生命周期管理 ：

• 配置和有效性管理 ：建立项目以管理本体中不同部分和对象的生命周期、配置和有效性。
• PLM系统支持 ：推荐使用PLM系统来管理本体对象的生命周期，以便工程师能够方便地进行管理、升级、重用和丰富。

5.4 本体的应用

• 制造系统建模 ：本体层通过范围模型、数据模型、行为模型和语义模型，为产品设计和生产制造系统的建模提供了全面的支持。
• 仿真与分析 ：行为模型和语义模型支持对产品设计和生产制造系统的仿真和行为分析，帮助工程师在设计阶段发现潜在问题并进行优化。
• 跨生命周期的数字连续性 ：语义模型确保了数据在不同生命周期阶段的连续性，支持从设计到制造再到服务支持的无缝过渡。