学术快递 |基于多架构建模语言的系统工程建模方法*MBSE建模语言

摘要：随着系统工程建模技术的进步, 复杂装备生命周期所涉及的建模工具多样, 模型数据异构为模型集成带来了重大技术挑战. 因此, 系统工程社区提出了语义建模规范并将其用于解决建模工具之间的模型数据集成难题, 提升各工具建模语言的数据互用性. 提出一个新的语义式系统工程建模语言KARMA, 采用双语义机制支持复杂装备研发过程中的架构建模,并提出了该语言的技术发展路线. 最后, 通过工程验证案例, 从定性及定量角度对语言进行技术验证, 结果表明KARMA 语言可支持多种复杂装备的体系及系统的架构设计.

关键字：多架构建模语言; 基于模型的系统工程; 系统工程; 架构设计; 建模语言

中图分类号: TP399  

文献标识码: A   

文章编号: 1000−5781(2023)02−0146−15

doi: 10.13383/j.cnki.jse.2023.02.001

由于系统复杂性和不确定性的迅速增加，系统工程师在复杂装备研发过程中的需求分析、设计、权衡和验证等阶段面临着跨领域设计要素信息统一描述，复杂系统的正向设计要素定义及关联，全周期、多要素和跨团队研发信息共享等挑战^[1]。为了解决这些问题, 国外工业界及学术界于 1993 年，提出了基于模型的系统工程(Model-based Systems Engineering, MBSE)^[2]，目前已经大量应用于航空及航天等领域^[3,4]。MBSE 使用模型作为全生命周期的信息的描述形式，支持系统从概念设计到后期运行的统一形式化表达^[5]。MBSE 同时以系统工程为核心，支持在行为分析、系统结构分析、需求追溯、性能分析、仿真和测试等方面的分析及验证. MBSE 的应用范围包含系统生命周期中体系(system of systems, SoS)、系统到子系统的研发要素, 涵盖包括电气、液压和机械等领域， 贯穿从使命任务分析、需求定义到产品报废的全周期过程。

目前，MBSE 的核心要素包括建模语言、工具和方法论。学术界及工业界通常采用图形化建模语言支持复杂装备研发过程中系统工程视图及研发要素的定义。与此同时，配合各语言规范所支持的 MBSE 建模方法支持各领域架构模型及仿真模型的构建。 然而, 在采用各类图形化建模语言时，虽然采用统一的图形化语言规范，为不同的领域工程师构建了统一的系统设计“表达符号”，但不同建模工具之间模型数据异构以及互用性问题为MBSE 的落地带来了挑战，例如Magic draw 为了支持同为SysML 建模工具的Rhapsody 的模型导入，开发专门的数据接口。繁重的异构模型接口开发为复杂装备研发过程中的数字化及信息化转型带来大量负担，为型号研发过程中的工具链建设带来成本及时间上的风险。表 1 列出了基于模型的系统工程语言、方法及语义规范。

目前, 国际系统工程学会等研究机构在研发采用语义式建模语言代替现有图形化建模语言^[13]。如表 1所示，当下主流的 MBSE 语言基本覆盖了架构及流程建模、模型整合及仿真验证。

虽然基于不同的建模语言规范开发了不同的建模工具，目前主流的图形化建模语言 Archimate，UAF， UPDM 和 SysML 1。X 等需要借助辅助规范 XMI 来完成建模工具内部的数据描述^[17]。然而, 支持相同语言的不同工具，彼此的底层模型数据无法互用，需要借助转化插件实现模型数据的相互调用，这为复杂装备研发过程中的数据集成带来的巨大的挑战^[18]。

综上所述，本文根据目前工业界及学术界针对 MBSE 的研发需求，基于本团队提出的元元模型建模框架^[19]，提出了多架构建模语言 KARMA 规范^[20]并开发相关工具链体系，构建一整套围绕语义建模技术的 MBSE 实施方法。围绕该方法，本文从技术发展方面对 KARMA 语言生态的构建提出未来愿景。然后，通过航天、航空等五个领域的架构建模案例对该语言进行有效性验证。最后，通过定性及定量分析，对该语言的领域建模能力进行论述。

2.1 KARMA 语言语义建模框架

KARMA(Kombination of ARchitecture Model specification)语言是架构模型规范的统一建模语言^[20]，是 2020 年被洛桑联邦理工学院、北京理工大学、瑞典皇家理工学院、北京中科蜂巢科技有限公司等联合提出的一套语义式基于模型的系统工程建模语言。如图 1 的左图所示，KARMA 语言采用基于GOPPRRE[20]的元模型建模框架. 在该框架中分为四层：

1) 元元模型层, 指的是构建的模型组合及其相互连接的基本元素, 是最高程度的抽象层次。元元模型为一个用于构建元模型的抽象概念，是构建元模型的基础类型. 相关要素包括图、对象、关系、角色、点、属性及扩展。

2) 元模型层，指的是开发模型所需的模型组合和连接，是构建模型过程中的建模基础。在元元模型的基础上添加相关领域概念，表现为具有某种共同特性的模型集合。在该层次，可以根据需求设计不同领域的语言。元模型是元元模型的实例。在元模型中定义其与其它元模型的组合规则，支持在建模过程中的模型环境构建，例如图模型可以定义对象与关系之间的绑定关系，实现在建模过程中的连线。

3) 模型层，利用元模型所构建出的模型，用于支持系统开发或某种观点的表达，例如 SysML 模型等。

4) 物理世界，现实中的真实产品或架构视图，包括学科、系统工程的视角和复杂系统的开发过程，即数字孪生物理实体。

在元元模型层，采用六种基本的要素支持元模型构建，包括图、对象、点、属性、关系和角色，在此基础上构建各领域的元模型库，并在元模型库基础上进行建模。其中六种元元模型的含义如下：

1) 图：一些对象、关系及角色的集合，用于描述他们之间的连接关系。

2) 对象：拥有很多属性的类，用于表达一个存在的对象。对象可以用符号表达。

3) 点：端口的符号表达。

4) 属性：属性用于定义及描述一些元类型(对象、角色及关系)的特性。

5) 关系：两个或者多个对象之间的联系。关系无法单独于对象的存在。对象有很多属性。关系可以被符号表达。

6) 角色：角色用于连接一个组件和一个关系。

2.2 技术发展路线图

KARMA 语言技术路线如图 2 所示，KARMA 技术路线图的两大核心机制为GOPPRRE本体规范及KARMA语言规范。基于本项目团队所提出的GOPPRRE基于模型的系统工程形式化表征方法^[19]，六种核心元元模型(包括图、对象、关系、角色、点及属性) 用于支持基于网络本体语言(W3C Web Ontology Language，OWL) 的MBSE本体设计，进而实现了MBSE模型的三元组表达方法。同时，采用 KARMA 语言规范为面向对象及面向过程的混合式语义建模语言提供基础。基于OWL的GOPPRRE本体及KARMA语言规范的核心能力支持元元模型、元模型及模型的一体化表征。

除此之外，各规范的核心技术特性如下所示：

1) GOPPRRE 本体规范

(a) 支持基于三元组形式的模型拓扑的语义表达。

(b) 支持基于本体的一致性管理及知识管理，通过语义推理技术来提升建模人员的对模型的认知能力。

(c) 本体模型可以用于开发为跨MBSE工具模型集成的中间件， 实现 KARMA 语言与其它工具模型的有效打通。

2) KARMA 语言规范

(a) 支持混合状态机^[21]形式化表达及MBSE形式化表达的集成.  因此，系统行为及运行过程可以通过 KARMA 语言规范的定义来做动态特性仿真及验证。

(b) 支持可满足性模理论的形式化定义，实现基于 KARMA 模型属性的形式化验证。

(c) 支持针对架构驱动及代码生成^[22]规则的描述及表达，用于支持 KARMA 模型之间及 KARMA 模型与其它代码的自动化传递及转化。

(d) 基于与 JULIA^[23]的混合编程进行特定域系统分析，例如复杂性分析等可以实现与 KARMA 语言的集成。

KARMA 语言及IOFSE&MBSE本体如图 3 所示。KARMA 语言允许开发各领域元模型库来支持全生命周期、多要素、多领域和多视图的一体化系统工程视图表达。通过 KARMA 语言，支持项目及过程管理、使命任务及体系建模与分析、系统架构设计及系统生命周期能力建模及管理。基于设计结构矩阵，KARMA模型集成 ReqIF需求条目^[24]实现全生命周期的需求及架构模型统一表达。

除了基础MBSE形式化表达外，基于KARMA核心技术可以实现不同领域的系统工程分析。通过与 JULIA 的混合编程、基于可满足性模理论的静态验证及混合状态机仿真，KARMA 模型支持不同架构方案的权衡、系统动态性能分析及成本分析及控制等。通过代码生成，KARMA 模型支持生成 Modelica 模型^[25]及分布式联合仿真接口(distributed co-simulation protocol)执行代码，进而支持物理系统验证. 通过开发各种中间件例如 FMI^[25]，IOF 本体^[26]及开放生命周期协作服务^[27]等的适配器，用于支持 KARMA 模型与其他中间件的打通。最后，通过数字总线技术实现 KARMA 模型的版本管理、协同设计及追溯管理。

由于MetaGraph2.0 独特的双核机制设计，KARMA模型与IOF SE&MBSE本体模型可以自由转化。IOF系统工程本体及形式表达如图 4 所示。MetaGraph2.0生成的本体模型，用于支持 KARMA 模型的三元组表达。

同时，由于KARMA模型支持生成基于基础形式化本体BFO^[28]的本体模型，可以支持KARMA模型与MetaGraph2.0中的表单、设计结构矩阵、基于ReqIF^[29]的需求条目、甘特图的一体化三元组表达。通过BFO本体，允许将真实世界的知识信息与KARMA模型中的虚拟信息进行虚实融合的知识统一表达。

面向工业落地的特定域MBSE方法论设计如图5所示。MBSE方法论工具箱用于设计基于KARMA语言的建模流程，包括且不限于使命任务、体系及系统层级的各视图建模过程开发及执行。该方法论工具箱采用模型化手段支持针对航天、航空等多领域的建模流程及方法论向导的构建。

在使用 MBSE 工具箱时，以下步骤用于组织 KARMA 生态中的模型、本体、需求条目和扩展插件(设计结构矩阵、表单等)的创建及配置：

1）开发用于各领域及面向各系统生命周期能力的元模型用于支持目标系统的架构描述。

2) 设计及开发组织各架构视图元模型的工作流。

3) 分析及定义各模型及元模型的追溯配置关系, 例如模型元素与表单的关系。

4) 定义架构驱动及代码生成等模型转化用于实现建模过程中的自动化。

5) 将前四步中的操作集成到统一的流程向导，完成标准化研发流程建模，用于支持复杂装备研发过程中的建模指引。

分析、仿真及权衡KARMA语言技术路线图支持面向复杂装备研发的模型仿真及验证、模型分析及权衡如图 6 所示。

模型仿真及验证包括静态验证及动态验证。静态验证指基于可满足性模理论，支持架构模型的参数形式化验证。静态验证主要用于实现使命任务指标确认、系统能力确认及系统架构属性验证。动态验证指基于混合状态机的系统行为验证。动态验证用于支持体系的运维场景分析、系统行为及过程特性的验证。

模型分析包括针对单视图的分析，以及跨视图的分析及推理。单视图分析及推理用于支持针对单一KARMA特定域模型的分析， 例如复杂性分析及故障树分析等。在进行该分析时，可以通过可满足性模理论或与JULIA进行混合编程实现以上过程。跨视图分析及推理是指需要基于多个KARMA模型的分析及推理过程。进行该分析时，可通过与JULIA进行混合编程或通过本体推理来获得分析结果。跨视图推理指基于本体的推理过程，即KARMA 模型生成本体模型后，基于该本体模型对KARMA 模型进行推理分析，例如故障模式、影响和危害性分析等。

权衡是基于可满足性模理论的静态验证及JULIA数值计算相结合的架构空间探索及优化。该技术用于实现对架构模型中的参数寻优及方案决策。

KARMA语言的工具整合如图 7 所示。KARMA 语言为生态构建者提供了基于开放生命周期协作服务(OSLC)的工具整合能力，用于支持全生命周期复杂装备研发过程中的异构数据整合及提升各领域工具与系统架构工具的互用性能力：

基于KARMA语言的语义表达，KARMA 模型主要用于描述真实世界的特定域信息的架构视角，例如需求、系统架构、系统验证及确认等。而从KARMA语言生成的本体模型主要用于从本体及知识的的视角表达真实世界的特定域信息。

通过使用KARMA 语言及本体规范的OSLC适配器，KARMA模型及本体模型相关信息被封装为网端服务，为其他调用的工具提供完整的模型信息及数据。此外，OSLC 适配器生成的OSLC要素通过键连技术生成RESTful接口，为非KARMA工具提供操作接口。

所有生成的OSLC服务可用于支持构建数字总线，支持全生命周期MBSE模型的知识及追溯管理。

2.3 多领域案例验证

2.3.1 毅力号火星车建模

毅力号火星车是人类探索火星的探测装置，主要用于对火星特定区域进行探测，钻取指定的岩芯并保存带回地球，此外，机载仪器也会进行大量的现场科学观测，以研究该星球该区域的地质和环境特征。由于毅力号应用环境复杂多变，且研制过程中存在系统集成度高、系统交互频繁等的特性，难以在设计的早期阶段对海量设计元素进行管理，同时由于系统本身的多学科、多领域耦合特性，面临系统元素表达歧义，设计需求追溯不到位的挑战。因此，本文拟采用KARMA语言，基于MOFLP(mission-operation-function-logic- physics，使命–运行–功能–逻辑–物理架构)的建模方法对毅力号进行建模^[2]。

毅力号火星车架构建模流程如图 8 所示。在使命分析阶段, 定义毅力号的使命、客户和目标，并将其目标追溯到整个使命所涉及到的实体，即参与使命实现的要素(例如 JPL 团队、运载火箭、科学团队和工程师等)和利益相关者(美国政府)。同时采用状态机图分析上述使命的总体解决方案，描述使命的不同执行阶段。

通过分析各使命阶段，定义各使命阶段中参与到的实体所执行的任务所需具备的能力和应达到的效果，最后进行执行能力差距分析。

在运行分析阶段，选择毅力号为兴趣系统进行运行分析，建立毅力号从设计制造到报废的全生命周期模型。并以使命为输入，定义毅力号的运行概念，通过状态机图描述毅力号对于使命的解决方案。每个运行概念包括多个运行阶段，通过细化运行阶段构建运行行为模型，并对其进行动态行为仿真验证。接着从行为模型中派生出利益相关者需求，通过构建追溯矩阵，将利益相关者需求追溯到各使命阶段所需能力及达到的效果。并通过定义运行任务实现，追溯运行任务实现到相关运行任务，即运行阶段的各个活动。在功能分析阶段，定义参与毅力号运行任务实现的基本功能，识别毅力号的复合功能，根据基本功能创建复合功能，建立毅力号的功能分类目录。建立复合功能之后，对上述已定义的毅力号复合功能进行细化，定义相应的功能流，综合毅力号的复合功能和基本功能，建立静态功能架构图。然后，从功能架构中派生系统需求，并建立利益相关者需求到系统需求的追溯关系。最后，定义功能模态行为，开展行为仿真，验证系统需求、分析系统行为、优化功能架构。在逻辑架构建模阶段，首先对整个毅力号系统进行逻辑分解，将整个毅力号系统分解成了若干个逻辑子系统。然后，定义毅力号系统的逻辑接口，建立逻辑组件的内部架构，将功能分析中定义的功能和功能流分配到各个逻辑组件及其逻辑接口。最后，细化毅力号系统的系统需求到分配需求，建立逻辑组件自顶向下的分解架构及其内部架构到毅力号系统分配需求的追溯。在物理架构建模阶段, 首先将毅力号包含的所有物理组件按层级分解为物理子组件，并对毅力号中每个物理组件具有的物理特性和特征类型进行描述，为后续对毅力号的参数评估做准备。然后，定义物理接口，识别毅力号物理组件间的交互。最后，建立逻辑架构分析阶段定义的逻辑组件与物理组件的追溯关系，并对毅力号物理组件的参数进行仿真评估，进一步验证分配需求，获得详细设计的基础。

通过对毅力号进行基于MOFLP方法的建模，解决了毅力号在建模过程中系统元素众多、应用场景复杂以及需求追溯困难所带来的难题，描述了毅力号从定义任务目标、设计制造、运载和安全着陆到在火星上进行科学探索的生命周期阶段，实现了对于毅力号的正向设计。

2.3.2 飞机空管体系建模

空管系统，即空管自动化系统，为民航空管部门实施对空指挥的核心系统^[30]。如图9所示，它主要通过处理雷达信号等监视数据，为管制员提供空中飞行态势感知和冲突异常告警；同时为管制员提供飞行计划和飞行动态相关信息，在对空指挥任务的安全实施中发挥着重要的作用。随着机场飞行量不断增加，航空器相撞是空管体系设计过程中的高风险管控问题。因此，在设计新一代空管体系过程中，通过基于KARMA的UAF元模型库^[7]，对空管系统的体系进行设计。

基于GOPPRRE方法论, 从分类、结构、联结性、流程、状态、交互场景、信息、参数、约束以及路线图和可追溯性等11个视角，对系统涉及的战略、业务、服务、人员、资源、安全、专案、标准和实际资源等九个领域进行分析，实现对空管体系的建模以及可视化仿真验证。首先进行结构视角建模，分析运营、项目、战略以及人员等域的结构组成；其次，进行每个域的结构中连接性以及跨域的连接性分析，并对每个域中元素进行分类分析，针对不同域间元素关系进行可追溯性分析，以表单形式展示部分连接性与分类信息；然后，进行状态视角建模、可视化建模，并对状态视角模型中对象元模型内嵌代码实现与可视化模型的关联；最终, 生成可视化动态仿真验证。

基于战略结构图、飞行状态图等，对空管系统的导航设备、雷达系统、二次雷达、通信设备和地面控制中心组成空中交通管理系统，完成监视、识别、引导覆盖区域内的飞机，保证其正常安全的飞行。对通信、导航技术和监控等专业手段为基础的飞行活动中的监视、控制与指挥等活动进行建模，从而设计双机相遇过程中的航道变更过程。同时，基于混合状态机技术，针对双航线客机相遇场景进行飞行过程状态机仿真。两架客机分别在海南–哈尔滨、新疆–上海航线上往返飞行，期间被卫星和途径的雷达监测，当两架飞机距离较近时客机2(新疆–上海)爬升 600 米避撞，之后回到 10 000 米高度正常飞行。通过可视化仿真以及对飞行高度数据的监测，可以验证两架飞机的安全飞行。此空管体系可以拓展到多数飞机同时运行时验证整个飞行体系的安全性。

2.3.3 智能电动汽车架构建模

智能电动汽车的架构设计涉及路况、驾驶、环境和通信等多方面的影响，是一个复杂的系统设计过程。 特别是在智能交通系统中， 随着车辆增多、路网扩大和终端设备的增多，导致网络体系复杂、系统交互众多和系统不确定性增加，车辆的架构设计变得越发复杂。因此智能电动汽车的架构设计面临：1) 智能电动汽车涉及从智能交通网的体系分析、整机系统设计、子系统设计等阶段, 建模流程能否支持该生命周期过程， 数据能否一致性传递的问题, 影响建模质量及设计周期。2) 目前单一建模语言是否可以满足建模过程，若采用多种建模语言，必然面临多语言的集成和数据交互的问题，严重影响设计效率。

因此，基于多架构建模语言 KARMA，如图10，采用MOFLP 的建模流程为智能电动汽车案例进行架构建模。通过使命分析定义业务、使命问题或机会以及期望得到的结果。选取一个双车追逐遇到障碍自动刹车进行场景建模，则明确电动汽车的交互包括：卫星(GPS信号)、电动汽车A(雷达信号)、信号塔(移动通信)和障碍物(雷达信号)。运行分析阶段使用作战状态转移图构建运行概念模型来描述电动汽车将如何响应场景中的事件，使用用例图构建利益相关者运行分析、测试运行分析、驾驶运行分析、设计运行分析描述涉众和电动汽车系统之间的交互。在特征/功能分析阶段，特征是面向用户的一类相关功能的综合，车辆特征可扩展为车辆的功能，功能能够实现对特征的全覆盖。针对电动汽车的安全和保障方面，本案例通过使命任务模型、运行概念模型、用例模型的提炼，描述出智能车 76 个与安全和保障有关的特征。每个特征都由一个或多个功能实现，与安全和保障有关的智能电动汽车的8 组特征所对应的功能之间存在着复杂的关系。从特征分析到功能分析，共构建了356个从传感器到执行器的完整功能架构。逻辑分析阶段，分配功能的功能流和交互，定义目标系统的组成，针对电动汽车安全和保障相关特征和功能的分析，通过时序图分析，获得电动汽车刹车的逻辑过程。物理架构阶段，根据逻辑模型中的对象，通过经验或数据库的支持， 明确对应的物理组件及个数等，围绕整车控制器组件，在人为主动刹车的情况下，响应的输入有制动踏板传感器、加速踏板传感器、方向盘转角传感器、车轮速度传感器，输出连接电机、电源系统、四轮刹车系统、四轮悬挂系统以及转向舵等，其中的电机接收电源系统供电，并通过制动过程的再生制动系统产生电力, 传输给电源系统，同时电机通过齿轮箱将动力传输给四个车轮，车前轮又通过转向舵控制方向，各车轮传感器固定在车轮中，车轮通过悬架系统与车架相连，以此实现物理架构模型构建。

通过以上建模过程，解决了体系到系统到子系统的一体化复杂系统建模时，多建模语言的集成问题, 及从使命任务出发复杂系统建模方法缺失问题，实现了智能电动汽车的正向架构模型设计。

2.3.4 飞机装配产线设计

该案例聚焦于飞机制造系统的设计阶段，目标是建立一个基于语义建模和MBSE的设计支持平台以实现需求管理、设计方案自动生成、多种建模语言的模型转换和联合仿真模型生成，以及基于仿真结果的需求验证和决策支持[31]。如图所示，该平台的总体功能架构总体上分为前端与后端，主要的用户为飞机制造系统的系统工程师和架构设计工程师[5]。采用 KARMA 语言，面向飞机装配过程，构建元模型库及建模，实现针对飞机制造过程的架构设计。

需求管理及架构建模如图 11 所示，采用 KARMA 语言，基于 SysM，UPDM 和 BPMN 元模型库，构建面向飞机装配过程的领域元模型库, 采用多架构建模工具 MetaGraph 2.0，进行使命任务、运维场景、功能、逻辑及产线物理结构的正向建模方法。首先, 基于 ReqIF 规范[24]，构建针对飞机装配过程的需求条目。其次, 利用 KARMA 的 UPDM 元模型库，根据飞机装配场景进行使命任务建模，定义使命任务场景及使命任务的指标。随后，通过使命任务进行飞机装配的运维场景建模，提取利益相关人，定义用例场景。根据各用例场景及利益相关人的关注项，进行功能流建模及功能分解。基于各功能进行逻辑流构建，并根据各逻辑组件，提取物理组件，最后定义飞机装配产线的物理布局。在进行建模过程中，各模型通过设计结构矩阵进行需求条目与模型要素的关联，实现全模型要素的统一追溯定义。

系统集成，建立好的需求条目、架构模型及设计结构矩阵，通过模型转化技术自动生成本体模型，用于支持领域知识、模型知识以及需求知识的集成与互操作。为提高互操作性，其中的应用本体的开发参考了由工业本体组织(IOF：Industry Ontologies Foundry)发布的中层本体IOF-Core以及顶层本体BFO(Basic Formal Ontology)。在此基础上，对应于飞机制造系统领域知识本体、基于 GOPPRRE方法的MBSE模型知识本体[32]以及需求知识本体分别由相关的专家开发，然后将三个本体集成到IOF-Core框架中形成最终的应用本体。更多应用本体的开发过程相关信息可参考论文[33]。基于该应用本体可以创建一个与飞机制造系统设计相关的知识图谱以支持领域知识的重用，比如装配过程设计方案的自动生成、MBSE 模型的转换以及二维和三维仿真模型的生成等。

二维及三维仿真验证：该模块主要由二维离散事件仿真(DES, discrete event simulation)和三维仿真组成，并且与系统集成模块互联。架构设计模块中选定的设计方案被导入到知识图谱中之后， DES 算法会根据需求管理模块中定义的设计需求从设计方案中查询相关的信息，如时间、成本、所需资源和可靠性等, 并在此基础上生成仿真模型对需求指标进行验证。三维仿真软件可以将满足设计需求的设计方案以 OWL 的格式导入并生成对应的三维仿真模型。三维仿真主要验证人机工程及操作环境的安全性等。

基于本体的决策平台：基于本体模型及知识图谱建模技术，实现架构模型的本体信息与领域设计信息结合，并支持不同的可视化方法将二维和三维仿真结果呈现给架构设计工程师及系统工程师等利益相关者，并为他们最终决策提供支持。

在该案例中 KARMA 语言作为核心的架构设计模块的基础，承担着将后端的知识图谱中抽象的领域知识转化成架构工程师所熟悉的架构模型，并支持不同建模语言之间的转换，极大提高了该设计支持平台的实用性以及跨领域的互操作性。KARMA 语言的另一个重要功能是支持与知识图谱之间闭环的导入与导出操作。该功能主要是基于应用本体中的制造系统领域知识本体以及基于GOPPRRE 方法的MBSE本体，通过GOPPRRE本题中定义的元元模型和元模型可以完成领域知识与MBSE模型的相互转换。该功能对于促进本体和知识图谱在系统工程领域的应用具有重要意义。

2.3.5 人力资源系统建模

2018年3月，习近平总书记在参加第十三届全国人大会议广东代表团审议时强调，发展是第一要务，创新是第一动力，人才是第一资源。 “人才是第一资源”是基于人类科技史的哲学概括。根据系统工程相关的国际标准和国家标准[34]，人力资源亦是组织的项目使能过程的重要组成部分。如何有效、高效地建设一支高质量的人才队伍，激发人才的创新、创造和创业等方面活力，已成为企业的核心命题。面对企业人才管理的复杂性，人力资源部门在企业管理实践中需要新的管理思维和技术方法。

企业人力资源管理建模流程如图12所示。首先，基于 KARMA 语言UPDM元模型库，借用 PESTEL 的分析框架并结合企业实际， 将各种关联因素集成到场景中，建立人力资源管理使命模型， 提取人力资源管理及人才管理工作的应用场景和价值原则。其次，为化解企业发展需求与人工成本管控之间的矛盾，基于 KARMA 语言的用例图等元模型，在运营层面，面向更加高效的人才配置和更加科学的人员规模管控，建立了“定性+ 定量”的系统动力学分析模型。该模型基于系统思维和系统动力学分析方法，对影响员工规模的因素及其影响链条回路进行了更加全面的分析，其中三项制度改革、培训时数、数字化转型和退休退养可以为缩减人员规模做出贡献。再次，采用对象过程方法(OPM)，进行“十四五”规划等管理规划等概念建模，用于解释不同层次政策功能的相互作用， 按照职能职责分解的思路及“党管人才”的基本原则，与相关的部门和上下级进行交叉融合，对业务发展战略进行定义，做好业务分解和业务支撑，这里不同的背景颜色的功能流程可以进一步突出了人力资源管理系统中的实施要点，直至将规划相关的业务全部梳理清晰。接着，对众多相互关联又可以相对独立地运行的子系统, 进行更为详细的逻辑定义。例如，依托基于模型的人力资源系统工程技术，可以通过KARMA语言的SysML元模型库对员工职业发展通道体系进行规范严谨的建模，以领导干部和专业化管理人员两条发展通道之间切换规则必须足够清晰易懂，并且尽量做到兼顾公平. 在科学分析的基础上进行优化平衡，鼓励了广大的基层管理人员的积极性和专业性，对组织的长期可持续发展具有重要的长远意义. 最后，为更加精准地定义各项管理任务和目标，构建基础本体的元模型库，开展人力资源管理系统的初步设计、详细设计和应用实施进行人力资源管理术语系统构建，同时定义严谨的定义解释和精确的计算公式，支持人力资源管理术语系统的元模型并消除误解。依托这套术语本体模型，生成一系列的人力资源术语和指标的精准定义，进而以下达正式文件的形式，规范和固化各级人力资源工作者对相关专业术语的理解，对人力资源管理的共同认知以及后续的企业实践有很大帮助。

通过以上建模过程，解决了人力资源管理系统的一体化复杂系统建模时，OPM，SysML及系统动力学等多建模语言和技术的集成问题，实现了企业复杂系统的全生命周期设计与管理，实现企业人力资源的精益化管理。

2.4 定量分析

通过2.3节的五个领域场景的架构建模案例，归纳总结各案例的应用范围。从应用领域、系统工程视角、系统生命周期阶段和应用层级等方面分析KARMA语言的领域应用能力：

5 个案例涵盖5个领域，包括航天、航空和汽车等领域。同时， 人力资源管理领域的应用案例表明基于模型的系统工程不仅仅可以应用于复杂装备的设计领域，为 KARMA 语言在其他领域的大范围应用提供论据。

5 个案例涵盖 5 个不同系统工程视角，包括系统架构、体系架构、制造及组织管理等。而独特的元模型建模技术，允许基于 KARMA 语言构建其他视角元模型，从而实现向其他视角的拓展。

系统生命周期阶段包括涵盖需求论证、概念设计、生产制造和组织管理等四个生命周期阶段。因此， KARMA语言基本可以支持全生命周期研发过程中的架构建模需求。

应用层级包括目前各案例覆盖体系、系统、组件及组织各层级应用。

通过各案例中的构建的图元模型数量、模型数量及所生成的本体要素数量分析验证 KARMA 语言的可用性：

目前基于UAF，SysML等参考语言，针对各领域场景构建的领域元模型有 209 个，具备跨领域、多语言一体化建模能力。

基于各图元模型，共构建了 369 个模型，用于证明 KARMA 语言针对领域建模的可用性。

各领域案例的架构模型统一生成基于IOF及GOPPRRE本体的本体模型37584个，实现各领域要素的统一知识描述，为其它产品研发阶段获取架构模型中的研发知识提供了基础数据保障。

2.5 定量分析

通过以上各场景案例，归纳总结 KARMA 语言具备如下特性及特征：

1) 支持架构建模领域扩展能力的GOPPRRE元元模型。针对目前支持复杂系统的建模语言缺失元模型构建方法研究，建模时只能通过配置文件进行有限的扩展，导致建模语言无法准确表达建模意图的问题，提出了基于GOPPRRE元元模型的元模型构建方法，该元元模型提高了建模抽象程度，丰富了建模元素及约束关系，实现对更多类型更多层级复杂模型的描述，为解决建模语言“不够用”提供了新的思路。

2) 针对复杂装备全要素、全周期和全领域架构实现统一建模规范表达。针对因语言异构，数据和语义传递受到限制，导致多阶段和多领域模型集成困难的问题，提出了多领域异构模型统一建模语言。该语言提高了模型的抽象层次，通过开放元模型设计， 支持复杂系统进行多阶段多领域的架构描述，相较于一般性建模语言，提高了通用能力、扩展能力和集成能力，大大提高复杂系统架构模型设计效率。

3) KARMA语言为系统工程与人工智能的结合提供基础保障. 系统工程与人工智能进行集成是系统工程领域未来的发展趋势[35]。根据史蒂文森学院系统工程研究中心所提出的AI4SE愿景所述，语义建模技术是基于模型的系统工程与人工智能结合的最终技术手段。同时，语义建模技术也被认为是数字工程的必要实现途径。KARMA 技术愿景所提出的双语义核心，包括 KARMA 语言规范及GOPPRRE本体规范，为架构模型与人工智能结合提供了有效技术途径，允许支持 KARMA 架构模型向知识图谱的自动转化，通过知识图谱的推理技术，为实现架构模型驱动的人工智能设计提供技术保障。

本文提出一种基于多架构建模语言KARMA 的系统工程方法。基于核心GOPPRRE 的MBSE 形式化表征方法，以 KARMA 语言规范及GOPPRRE本体规范为基础表达方式，结合设计结构矩阵、ReqIF需求条目及甘特图表单等为MBSE语义建模提供基础框架及数据底座。该方法采用KARMA语言及GOPPRRE本体的双核语义， 支持系统工程建模、仿真、验证及权衡; 通过与开放生命周期协作服务集成，实现 KARMA 语言与其他异构模型数据实现有效互用。为了验证该方法的开放性及支持领域建模的能力，本文以航天、航空和汽车等五个领域场景为例，分别介绍了各案例场景中的问题描述及架构模型。随后，通过定性及定量分析，证明所提的多架构建模语言及语义式基于模型的系统工程方法，支持针对各领域场景的架构模型的统一描述，并通过独特的双核设计，实现与本体模型的互相转化。案例证明了该方法的有效性，实现了面向复杂装备的多架构统一建模。

在未来，KARMA 语言将考虑更多的工业应用场景，丰富语言表达能力，完善混合状态机仿真、可满足性验证、架构驱动和代码生成等能力，并发挥本体的推理能力，更好的服务智能设计。

感谢中国系统工程学会科普工作站、全国信标委员会软件及系统分委会、中国复杂装备MBSE联盟的领导与支持，感谢EPFL ICT4SM实验室、北京理工大学工业与智能系统工程研究所、KTH 机电一体化系、上海交通大学性能仿真、优化与诊断实验室和电子科技大学赛博空间硬件设计与安全实验室为KARMA语言的研发及推广付出的努力。

[1] Li Z, Wang G, Lu J, et al. Bibliometric analysis of model-based systems engineering: Past, current, and future. IEEE Transactions on Engineering Management, 2022: 1–18.

[2] Wymore A W. Model-based Systems Engineering. Taylor & Francis Group, 1993.

[3] 李 琛, 吴 新, 崔利丰, 等. 基于 MBSE 思想的航空发动机控制系统设计方法. 航空发动机, 2021, 47(4): 123–130.Li C, Wu X, Cui L F, et al. Design method of aeroengine control system based on MBSE thought. Aeroengine, 2021, 47(4): 123–130. (in Chinese)

[4] 张柏楠, 戚发轫, 邢 涛. 基于模型的载人航天器研制方法研究与实践. 航空学报, 2020, 41(7): 78–86.Zhang B N, Qi F R, Xing T, et al. Model based development method of manned spacecraft: Research and practice. Acta Aeronauticaet Astronautica Sinica, 2020, 41(7): 023967. (in Chinese)

[5] Estefan J A. Survey of model-based systems engineering (MBSE) methodologies. Incose MBSE Focus Group, 2007, 25(8): 1–12.

[6] Azevedo C L B, Iacob M E, Almeida J P A, et al. Modeling resources and capabilities in enterprise architecture: A well-founded ontology-based proposal for archiMate. Information Systems, 2015, 54: 235–262.

[7] Bankauskaite J, Morkevicius A, Butleris R. Model-based evaluation of the system of systems architectures used to perform trade studies and sensitivity analyses. IEEE Access, 2021, 9: 114609–114621.

[8] Mordecai Y, Orhof O, Dori D. Model-based interoperability engineering in systems-of-systems and civil aviation. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2016, 48(4): 637–648.

[9] Friedenthal S, Moore A, Steiner R. A Practical Guide to SysML: The Systems Modeling Language. Morgan Kaufmann, 2014.

[10] Blekhman A, Wachs J P, Dori D. Model-based system specification with tesperanto: Readable text from formal graphics. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2015, 45(11): 1448–1458.

[11] Roques P. MBSE with the ARCADIA method and the Capella tool // 8th European Congress on Embedded Real Time Software and Systems. Toulouse: HLA. 2016: 1–10.

[12] Geiger M, Harrer S, Lenhard J, et al. BPMN conformance in open source engines // 2015 IEEE Symposium on Service-oriented System Engineering. San Francisco: IEEE, 2015: 21–30.

[13] Gray J, Rumpe B. Reflections on the standardization of SysML 2. Software and Systems Modeling, 2021, 20(2): 287–289.

[14] Sztipanovits J, Bapty T, Neema S, et al. OpenMETA: A model and component-based design tool chain for cyber-physical systems. From Programs to Systems. The Systems Perspective in Computing, Berlin: Springer, 2014: 235–248.

[15] Fritzson P, Engelson V. Modelica—A unified object-oriented language for system modeling and simulation // European Conference on Object-oriented Programming. Berlin: Springer, 1998: 67–90.

[16] MATLAB. MATLAB language specification. https://www.mathworks.com/products/matlab.html.

[17] Hause M. The unified profile for DoDAF/MODAF (UPDM) enabling systems of systems on many levels // 2010 IEEE International Systems Conference. San Diego: IEEE, 2010: 426–431.

[18] Wolny S, Mazak A, Carpella C, et al. Thirteen years of SysML: A systematic mapping study. Software and Systems Modeling, 2020, 19(1): 111–169.

[19] Lu J, Ma J, Zheng X, et al. Design ontology supporting model-based systems engineering formalisms. IEEE Systems Journal, 2021: 1–12.

[20] Lu J, Wang G, Ma J, et al. General modeling language to support model: Based systems engineering formalisms (part 1) // INCOSE International Symposium. San Diego: INCOSE, 2020, 30(1): 323–338.

[21] van Beek D A, Fokkink W J, Hendriks D, et al. CIF 3: Model-based engineering of supervisory controllers // International Conference on Tools and Algorithms for the Construction and Analysis of Systems. Berlin: Springer, 2014: 575–580.

[22] Guo J, Wang G, Lu J, et al. General modeling language supporting model transformations of mbse (part 2) // INCOSE International Symposium. San Diego: 2020, 30(1): 1460–1473.

[23] Bezanson J, Edelman A, Karpinski S, et al. Julia: A fresh approach to numerical computing. SIAM Review, 2017, 59(1): 65-98.

[24] Ebert C, Jastram M. ReqIF: Seamless requirements interchange format between business partners. IEEE Software, 2012, 29(5): 82– 87.

[25] Paredis C J J, Bernard Y, Burkhart R M, et al. An overview of the SysML—Modelica transformation specificatio // INCOSE Inter- national Symposium. San Diego: INCOSE, 2010, 20(1): 709–722.

[26] Kulvatunyou B S, Wallace E, Kiritsis D, et al. The industrial ontologies foundry proof-of-concept project // IFIP International Conference on Advances in Production Management Systems. Cham: Springer, 2018: 402–409.

[27] Johnson D, Speicher S. Open services for lifecycle collaboration core specification version 2.0, 2013. http://open-services.net/bin/ view/Main/OslcCoreSpecification.

[28] Arp R, Smith B, Spear A D. Building Ontologies with Basic Formal Ontology. Cambridge: MIT Press, 2015.

[29] Marko N, Leitner A, Herbst B, et al. Combining xtext and oslc for integrated model-based requirements engineering // 2015 41st Euromicro Conference on Software Engineering and Advanced Applications. Madeira: IEEE, 2015: 143–150.

[30] 百度知道. 空管系统. https://baike.baidu.com/item/空管自动化系统/21122695.

Baidu zhidao. ATC system. https://baike.baidu.com/item/ ATC automation system /21122695. (in Chinese)

[31] Hu X, Lu J, Zheng X, et al. Semantic modeling supporting discrete event simulation for aircraft assembly process // International Symposium on Knowledge and Systems Sciences. Singapore: Springer, 2022: 83–98.

[32] Zheng X, Psarommatis F, Petrali P, et al. A quality-oriented digital twin modelling method for manufacturing processes based on a multi-agent architecture. Procedia Manufacturing, 2020, 51: 309–315.

[33] Zheng X, Lu J, Arista R, et al. Development of an application ontology for knowledge management to support aircraft assembly system design. Proceedings http://ceur-ws. org ISSN, 2020, 1613: 0073.

[34] ISO/IEC/IEEE. Systems and Software Engineering System Life Cycle Processes. ISO/IEC/IEEE, 2008.

[35] Li Z, Wang G, Lu J, et al. Bibliometric analysis of model-based systems engineering: Past, current, and future. IEEE Transactions on Engineering Management, 2022: 1–18.

1. 鲁金直(1988—), 男, 辽宁鞍山人, 研究员, 研究方向: 基于模型的系统工程, 语义建模, Email: jinzhi.lu@epfl.ch;

2. 王国新(1977—), 男, 黑龙江佳木斯人, 教授, 研究方向: 知识工程, 基于模型的系统工程, Email: wangguoxin@bit.edu.cn;

3. 阎 艳(1967—), 女, 重庆人, 教授, 研究方向: 知识工程, Email: yanyan331@bit.edu.cn.

4. 冯 雷(1976—), 男, 陕西西安人, 副教授, 研究方向: 机械电子学和嵌入式控制系统, Email: lfeng@kth.se, 瑞典皇家理工学院工业信息及管理学院, 瑞典斯德哥摩尔 SE 100 44;

5. 张旸旸(1976—), 女, 广西南宁人, 正高级工程师, 研究方向: 软件与系统工程标准化, Email: zhangyy@cesi.cn, 中国电子技术标准化研究院, 北京 100176;

6. 唐锡晋(1967—), 女, 江苏无锡人, 研究员, 研究方向: 综合集成, 社会复杂系统建模, 决策支持系统, 舆论动力学与舆论大数据, 知识管理, Email: xjtang@iss.ac.cn, 中国科学院数学与系统科学研究院, 北京 100190;

7. 唐 剑(1980—), 男, 四川大竹人, 研究员, 研究方向: 民机航空电子和基于模型的系统工程, Email: tangjian1@comac.cc, 北京民用飞机技术研究中心, 北京 102211;

8. 张会生(1971—), 男, 山西运城人, 教授, 研究方向: 动力机械故障诊断, Email: zhslm@sjtu.edu.cn, 上海交通大学叶轮机械研究所, 上海200240;

9. 王 坚(1982—), 男, 四川泸州人, 教授, 研究方向: 信息安全及体系设计, Email: wangjian3630@uestc.edu.cn, 电子科技大学, 四川 成都 611731;

10. 郑晓晨(1987—), 男, 山东潍坊人, 博士, 研究员, 研究方向: 本体工程, 机器学习, 物联网系统设计, Email: xi- aochen.zheng@epfl.ch, 洛桑联邦理工学院 ICT4SM 实验室, 瑞士 1020;

11. 马君达(1990—), 男, 河南郑州人, 博士生, 研究方向: 基于模型的系统工程, Email: mjd2015@sina.cn, 北京理工大学机械与车辆学院, 北京 100811;

12. 吴绶玄(1998—), 男, 福建泉州人, 博士生, 研究方向: 基于模型的系统工程, Email, shouxuanwu.bit@gmail.com, 北京理工大学机械与车辆学院, 北京 100811;

13. 陈金伟(1991—), 男, 安徽滁州人, 博士, 研究员, 研究方向: 复杂动力系统仿真分析, Email: chenjinweituihou@sjtu.edu.cn,

14. 上海交通大学叶轮机械研究所, 上海 200240;

15. 温跃杰(1981—), 男, 河南洛阳人, 高级工程师, 研究方向: 企业系统工程, 复杂系统设计, 人力资源与知识管理, Email: wenyuejie@126.com, 中国空间技术研究院, 北京 100084.

文章来源：北京中科蜂巢有限公司