MAS4SysML: إطار عمل متعدد الوكلاء لتوليد نماذج SysML v2 من اللغة الطبيعية

Summary

يقدم هذا البروتوكول نهج MAS4SysML، وهو نهج متعدد الوكلاء يولد تلقائيا كود SysML v2 من خلال تقسيم المهام المنسق، مما يتطلب تكرارات إصلاح قليلة ويقلل بشكل كبير من وقت النمذجة اليدوية مع تحسين كفاءة نمذجة النظام.

Abstract

يمكن أن يؤدي توليد نماذج SysML دقيقة تلقائيا من متطلبات اللغة الطبيعية إلى تسريع تبني هندسة الأنظمة المعتمدة على النماذج (MBSE) بشكل كبير في تطوير الأنظمة المعقدة. ومع ذلك، فإن استخدام نماذج اللغة الكبيرة (LLMs) لإنشاء كود النموذج غالبا ما يفشل في تلبية القيود النحوية الصارمة للغات النمذجة الرسمية، ويظل ضمان التوافق الدلالي المستمر بين النماذج والمتطلبات المولدة أمرا صعبا. لمعالجة هذه التحديات، تقدم هذه الورقة MAS4SysML، وهو إطار تعاون متعدد الوكلاء لتوليد شيفرة SysML v2 يحسن الصواب النحوي والاتساق الدلالي تحت ميزانية إصلاح محدودة. يقوم الإطار بتفكيك مهمة النمذجة إلى مهام فرعية هرمية، ويشكلها كبطاقات مهام منظمة، ويولد كود النموذج بطريقة من الأسفل إلى الأعلى. خلال التوليد، يستخدم بيئة تحقق رسمية لتشخيص النحو (syntaxs) بعد الانتهاء، يتحقق الإطار من الاتساق الدلالي بين الكود وبطاقات المهام. إذا فشل التحقق من النحو أو الدلالة، يقوم الإطار بإصلاح وإعادة التحقق من الكود بشكل تكراري ضمن ميزانية إصلاح محددة مسبقا، مسترشدا بتغذية راجعة تشخيصية، حتى يتم استيفاء معايير التحقق أو استنفاد الميزانية. لتقييم الطريقة المقترحة، نقوم ببناء مجموعة بيانات SysML v2 تغطي خمسة أنواع أساسية من المهام — المتطلبات، حالات الاستخدام، الهيكل، المعلمات، وآلات الحالات — وإجراء تجارب مقارنة. تظهر النتائج أن MAS4SysML يقلل متوسط معدل أخطاء الصياغة إلى 2.63، ويزيد التشابه الدلالي إلى 0.91، ويتفوق على طرق توليد الشيفرة الحالية بشكل عام.

Introduction

أصبح MBSE منهجية رئيسية لتحليل المتطلبات، وتصميم هندسة النظام، وتخطيط التحقق في تطوير المعدات المعقدة في مجالات مثل الطيران والفضاء¹. باستخدام لغات النمذجة الموحدة مثل SysML كعمود فقري للنمذجة، يمكن تنظيم المعلومات—بما في ذلك المتطلبات، الهيكل، السلوك، والقيود — في إطار نموذج متماسك، مما يحسن بنية العمليات وكفاءة التعاون بين التخصصات². ومع استمرار نمو حجم النظام، يزداد عدد النماذج التي يجب تطويرها وفقا لذلك، مما يؤدي إلى زيادة مستمرة في عبء العمل على نمذجة SysML اليدوية. علاوة على ذلك، يجب على النماذج العمل تحت قيود نحوية ومنهجية صارمة، تتطلب خبرة كبيرة وقدرات تجريد قوية. أصبحت هذه العوامل عنق زجاجة رئيسي في اعتماد MBSE³ الهندسي.

في السنوات الأخيرة، أظهرت نماذج اللغة الكبيرة قدرات قوية في فهم اللغة الطبيعية، وتمثيل المعلومات المنظم، وتوليد الشيفرة، مما أتاح فرصا جديدة لأتمتة نمذجة MBSE من اللغة الطبيعية إلى شفرة^{النموذج 4}. استكشفت دراسات سابقة التوليد المباشر لكود نموذج SysML باستخدام نماذج اللغة^{الكبيرة 5}. ومع ذلك، لا تزال هناك تحديات كبيرة. من الناحية النحوية، تحكمها قيود رسمية صارمة وأنظمة التصنيف والدلالات المرجعية في SysML وغالبا ما تكون أكثر تعقيدا من لغات البرمجة العامة⁶. دلاليا، قد تفشل نماذج اللغة الكبيرة في التقاط المنطق السلوكي، والعلاقات الهيكلية، والقيود عبر الطبقات بشكل كامل، مما يؤدي إلى علاقات مفقودة، أو تناقضات منطقية، أو نماذج غير مكتملة⁷. تعيق هذه القيود موثوقية وقابلية التحكم وقابلية التفسير لأساليب التوليد المباشر.

لمعالجة هذه التحديات، تقدم هذه الورقة MAS4SysML، إطار عمل لتوليد الشيفرة بنظام SysML v2 يتكون من أربعة أدوار وكلاء. بدلا من استهداف التوليد الفردي لنموذج نظام كامل عبر الرؤية المتقاطعة، تركز هذه الدراسة على توليد وإصلاح عدة مهام نمذجة SysML v2 ممثلة بشكل تكراري. مدفوعا بتحليل المهام وبطاقات المهام المنظمة، ودمج توليد الشيفرة، وتشخيصات الصياغة على مستوى الأداة، والتحقق من الاتساق الدلالي، يؤسس MAS4SysML سير عمل مغلق الحلقة من التوليد والتحقق والإصلاح. يحسن هذا التصميم الدقة النحوية، والاتساق الدلالي، واكتمال البنية للكود المولد ضمن ميزانية إصلاح محدودة.

تلخص المساهمات الرئيسية كما يلي: (1) إطار عمل MAS4SysML. نقترح MAS4SysML، إطار عمل متعدد الوكلاء يعتمد على نماذج اللغة الكبيرة يتيح التوليد من البداية إلى النهاية من متطلبات اللغة الطبيعية إلى كود نموذج SysML v2 القابل للتنفيذ، مما يوفر مسارا عمليا لتقليل تكلفة النمذجة وتحسين كفاءة النمذجة. (2) تحليل المهام والتحقق المزدوج. نقدم آلية تحليل شجرة هيكل المهام ونظام تحقق مزدوج (بناء جملة ودلالات). في تحليل المهام، يتم تحليل أهداف النمذجة بشكل هرمي وتحويلها إلى بطاقات مهام منظمة. للتحقق من الصحة، تستخدم تشخيصات النحو بيئة تحقق رسمية^{رقم 8} لفحص الكود المولد وإعادة التشخيصات الموجهة للإصلاح، بينما يستخدم التحقق الدلالي الحقول الرئيسية في بطاقات المهام كمراجع لتقييم الاتساق العام بين النموذج المولد وأهداف النمذجة. (3) التقييم التجريبي. نجري تجارب مقارنة باستخدام معدل الأخطاء النحوية ودرجة الاتساق الدلالي كمقاييس أساسية. تظهر النتائج أن MAS4SysML يقلل متوسط معدل أخطاء الصياغة إلى 2.63 ويزيد التشابه الدلالي إلى 0.91، متفوقا على الطرق الأساسية في دقة التوليد والأتمتة.

Protocol

يتم تلخيص عملية توليد الشيفرة في إطار عمل MAS4SysML في الملف التكميلي 1. يجدر بالذكر أن هذه الدراسة لا تهدف إلى تحقيق توليد نموذج نظام كامل من أجل مرة واحدة من اللغة الطبيعية مع اتساق صارم في الرؤية المتقاطعة، بما في ذلك المتطلبات، البنية، المعلمات، والسلوك. بدلا من ذلك، يركز البروتوكول على توليد عدة أنواع تمثيلية من كود عرض SysML v2.

المرحلة الأولى: تحليل المهام
يبدأ سير العمل بتحليل المهام. يوفر النظام نية النمذجة باللغة الطبيعية لعامل توليد هيكل المهام، الذي ينتج مجموعة بطاقات مهام. لضمان أن تكون الأجيال القادمة قابلة للتنفيذ وإعادة الإنتاج، يجب أن تتضمن كل بطاقة مهمة، على الأقل، (1) معرف مهمة، (2) علاقات التبعية، و(3) معلومات النمذجة الرئيسية للتحقق من الصحة، مثل هدف النمذجة، القيود/شروط الحدود، فتحات المعلمات، وقيم التجسيد، والمخرجات المتوقعة. تنتج هذه المرحلة task_card_set، والتي تشكل الأساس الموحد لتوليد كود النماذج لاحقا.

المرحلة الثانية: توليد الشيفرة التكرارية
في التوليد التكراري، يقوم النظام بتهيئة سياق الكود prev_code إلى حالة فارغة ويولد شيفرة لكل بطاقة مهمة بشكل متسلسل وفقا لترتيب تحدده حقول التبعية. لكل بطاقة مهمة، يأخذ وكيل توليد الشيفرة بطاقة المهمة الحالية والكود السياقي كمدخلات لإنتاج candidate_code ثم يستدعي فورا وحدة التحقق من الصيغة للفحص. تقوم الوحدة بالتحقق من صحة الكود باستخدام بيئة التحقق الرسمية ل SysML v2 وتعيد نتائج التشخيص. إذا نجح التحقق، يستخدم candidate_code لتحديث prev_code ويدعم الجيل التالي. إذا فشل التحقق من الصحة، يتم تفعيل وكيل إصلاح الشيفرة ويقوم بإجراء تعديلات موجهة قليلة بتوجيه التشخيصات المرتجعة، وبعدها يعاد تقديم الكود المصلح لإعادة التحقق. حلقة إعادة التحقق هذه تحد بأقصى ميزانية إصلاح K_{كحد أقصى}. إذا نجح التحقق ضمن الميزانية، يتم تحديث النسخة المعتمدة prev_code؛ وإلا، بعد محاولات K_Max ، يقوم النظام بتسجيل الفشل ويواصل توليد بطاقات المهام لاحقا باستخدام النسخة الأخيرة التي تم إصلاحها ك prev_code لتجنب عرقلة سير العمل مع الحفاظ على الاستمرارية السياقية.

المرحلة الثالثة: التحقق الدلالي
بعد إنشاء الكود لجميع بطاقات المهام، ينتقل سير العمل إلى التحقق الدلالي. يقوم وكيل التحقق الدلالي بتقييم الاتساق بين الشيفرة النهائية ونية النمذجة باستخدام الحقول الرئيسية في task_card_set كمراجع ويخرج نتائج التحقق الدلالي. إذا نجح التحقق، يقبل prev_code كرمز نموذج نظام النظام النهائي للنظام الثاني (SysML v2). وإلا، يقوم النظام بإنشاء تقرير انحراف دلالي يحدد حقول بطاقات المهام غير المحققة ونطاق المراجعة المطلوبة. يقوم وكيل إصلاح الشيفرة بعد ذلك بمراجعة الكود وفقا لذلك ويخرج كود النموذج المعدل كنتيجة نهائية.

هيكلية النماذج والمنهجية
بنية النماذج
إطار عمل MAS4SysML، الموضح في الشكل 1، يتكون من أربعة وكلاء تعاونيين: وكيل توليد هيكل المهام، وكيل توليد الكود، وكيل إصلاح الكود، ووكيل التحقق الدلالي. تم عرض قوالب الأوامر المقابلة في الشكل 2.

يقوم وكيل توليد هيكل المهام بإجراء تحليل دلالي لنية نمذجة المدخلات ويولد بطاقات مهام منظمة وقابلة للتنفيذ. يطبق أولا آلية تحليل المهام الهرمية (انظر آلية تفكيك المهام الهرمية) لتفكيك هدف النمذجة الكلي إلى عقد مهمة ذات حدود دلالية محددة جيدا ثم يبني بطاقة مهمة منظمة لكل عقدة. بعد ذلك، يتم ترتيب بطاقات المهام وفقا لحقول الاعتماد في النمذجة لضمان توافق تسلسل التنفيذ مع هيكل الكود النهائي، مما يضع الأساس لتوليد الشيفرة من الأسفل إلى الأعلى مدفوعا بهدف النمذجة العالمية.

يقوم وكيل توليد الشيفرة تدريجيا بتوليد كود نموذج متوافق مع SysML v2 وفقا لتبعيات النمذجة. استنادا إلى التشويذات الكودية التي تنتجها المهام الأصلية، يقوم الوكيل بتنفيذ عمليات توليد الشيفرة المقابلة بناء على المتطلبات المحددة في كل بطاقة مهمة، مما يمكن عملية بناء تدريجية — من المكونات المحلية إلى النموذج الكامل.

يقوم وكيل إصلاح الشيفرة بتصحيح الأخطاء في الكود المولد بناء على نتائج وحدة التحقق من صحة النحوية (انظر وحدة التحقق من الصيغة) ونتائج التحقق الدلالي. للإصلاح النحوي، يستفيد من نوع الخطأ، وموقعه، والمعلومات السياقية التي يعيدها مدقق النحو، لتركيب استراتيجيات إصلاح مستهدفة وتوليد كود مصحح. بالنسبة للإصلاح الدلالي، يقوم بتعديل العلاقات الهيكلية والمنطقية وفقا لنتائج التحقق الدلالي، مما يضمن الاتساق الدلالي واكتمال البنية في النموذج النهائي.

يقوم وكيل التحقق الدلالي بتقييم الاتساق الدلالي بين الكود المولد بالكامل وبطاقات المهام باستخدام آلية تحقق دلالية مخصصة (انظر آلية التحقق الدلالي). من خلال التقييم الكمي، يضمن أن الكود المولد يعكس بدقة نية النمذجة الأصلية، مما يحقق توافقا دقيقا بين كود النموذج ومتطلبات النمذجة المحددة.

آلية تحليل المهام الهرمية
كلغة نمذجة رسمية للأنظمة المعقدة، تتميز SysML v2 بتركيب جملة مترابطة بشكل وثيق، وهياكل هرمية متداخلة بعمق، وقيود دلالية عبر المستويات. على سبيل المثال، قد تحتوي كتلة هيكل النظام على عدة أجزاء فرعية وسمات ومنافذ مع التعبير في الوقت نفسه عن متطلبات الأداء أو السلوك من خلال قيود عبر الطبقات. تخلق هذه الهياكل والقيود تبعيات هيكلية من الأعلى إلى الأسفل وعلاقات تغذية راجعة دلالية من الأسفل إلى الأعلى. مع نهج التوليد المسطح والأحادي، يصبح رسم خريطة هذه التبعيات الهرمية بدقة تحديا، وغالبا ما يؤدي إلى علاقات مفقودة، أو تناقضات دلالية، أو فقدان معلومات القيود.

لمواجهة هذا التحدي، نطور طريقة تحليل النمذجة المعتمدة على شجرة المهام تقوم بتحليل متطلبات النمذجة اللغوية الطبيعية بشكل هرمي. كما هو موضح في الشكل 3، يتم تقسيم أهداف النمذجة المعقدة إلى عقد مهام منظمة وقابلة للتتبع، مما يمكن النظام من تفسير دلالات النمذجة بطريقة من الأعلى إلى الأسفل وتحديد علاقات التبعية. تحديدا، عندما يستقبل وكيل توليد هيكل المهام مدخلات المستخدم، فإنه يستفيد أولا من قدرات التحليل الدلالي لنماذج اللغة الكبيرة لتحديد أهداف النمذجة الأساسية، والكيانات الرئيسية، وتبعياتها. ثم يقوم بتفكيك الهدف الأعلى بشكل متكرر إلى مهام فرعية مستقلة دلاليا ويطورها أكثر إلى مهام ذرية يمكن ربطها مباشرة بعمليات نمذجة SysML v2، مما يشكل في النهاية شجرة بنية مهام كاملة. بعد إنشاء شجرة المهام، يقوم الوكيل بإنشاء بطاقة مهمة منظمة لكل عقدة مهمة بناء على قالب محدد مسبقا. يتم تعريف صيغة بطاقة المهمة كما يلي:

TC = {id,O,N,K,P,V,C,D} (1)

حيث id هو المعرف الفريد لعقدة المهمة، O كهدف المهمة، N كوصف لغوي طبيعي للمهمة، K يشير إلى العناصر الدلالية الأساسية ل SysML v2 التي قد تكون متورطة في المهمة، وبشكل رئيسي بما في ذلك تعريف المتطلبات، الجزء الدفاع/الجزء، تعريف المنفذ/المنفذ، تعريف العنصر، تعريف السمة/السمة، والحالة/الانتقال. تعبر العلاقات بين هذه العناصر بشكل أساسي من خلال الاتصال (الاتصالات الهيكلية)، وعناصر الإدخال/الإخراج على المنافذ (تدفقات المعلومات/المواد)، وشروط المحفز/الحماية لانتقالات آلة الحالة (مثل الأوامر، حالة الصحة، وقيود العتبة)، وC كقواعد دلالية أو شروط حدودية، وP كفتحات قابلة للمعلمات داخل المهمة مثل أسماء السمات، أنواع البيانات أو الأنواع المركبة، V كقيم متمثلة لكل خانة، وD كتبعيات النمذجة بين المهام حيث depend_on يحدد المخرجات المطلوبة من مهام أخرى قبل توليد كود المهمة الحالي، يرمز إلى المخرجات المنتجة بعد إكمال المهمة، ويمثل الاستهلاك المدخلات الخارجية المطلوبة للمهمة.

وحدة التحقق من صحة النحوية
يتم بناء وحدة التحقق من النحوية بناء على تنفيذ SysML v2 Pilot. من خلال استدعاء واجهات المحلل والمدقق، تقوم الوحدة بتحليل والتحقق من صحة النحوية لكود نموذج SysML v2 المولد. تستمد معايير التحقق من صحة الوحدة بشكل أساسي من مواصفة لغة SysML v2، بالإضافة إلى قواعد القواعد، وقواعد الحل النطاقي، وآليات التحقق من القيود ذات الصلة المطبقة في أداة Pilot. على وجه التحديد، يفحص التحقق ما إذا كانت تصريحات العناصر منظمة بشكل جيد، وما إذا كانت هياكل الكتل مكتملة، وما إذا كانت تعليقات الأنواع صالحة، وما إذا كان يمكن حل الأسماء والمراجع بنجاح، وما إذا كانت تراكيب النمذجة مثل المنافذ، والاتصالات، والحالات، والانتقالات تتوافق مع متطلبات اللغة.

بعد أن ينتج وكيل توليد الشيفرة الجزء من الكود للمهمة الحالية، يتم تحويل المخرجات إلى وحدة التحقق من الصيغة، حيث يقوم سكريبت التحقق بتحليل الكود وإعادة النتائج على شكل معلومات تشخيصية منظمة. يتم الإبلاغ عن نتائج التحقق كما يلي:

e₁ = (النوع_{i,pos i,msg i}) (2)

حيث _{يشير e i} إلى قائمة المشكلات المكتشفة لمهمة النمذجة الحالية، حيث يحتوي كل إدخال على نوع الخطأ _{النوع i}، وموقع الخطأ pos_i، ورسالة تشخيصية msg_i .

على سبيل المثال، إذا احتوى الكود المولد على خطأ في النحو مثل "السمة لا تكتب بواسطة تعريف السمة"، فإن وحدة التحقق تعيد الرسالة التشخيصية التالية:

'type' : 'error'
'رسالة' : 'خطأ: يجب كتابة السمة حسب تعريف السمة.' (3)
'الموقع' : 'السطر 7 عمود: 3'

عندما ≠ نتيجة التحقق e_i 0، يتم إعادة توجيه معلومات الخطأ المجمعة e_i إلى وكيل إصلاح الكود لمزيد من التصحيح. لذلك، فإن عملية إصلاح الكود ليست إجراء تعديل غير مقيد، بل هي مراجعة مستهدفة تسترشد بالمعلومات التشخيصية الصريحة التي يعيدها المحلل والمدقق.

آلية التحقق الدلالي
تستخدم آلية التحقق الدلالي حقول بطاقات مهمة رئيسية لها تطابق صريح وقابل للتتبع مع رمز النموذج كمراسي دلالية. يقيم الاتساق الدلالي على مستوى النموذج، مما يوفر معايير صريحة وقابلة للتنفيذ لإصلاح النموذج لاحقا. تحديدا، لكل بطاقة مهمة TC_i، تستخدم الحقول التالية كمراجع دلالية رئيسية: (i) هدف النمذجة O_i، (ii) القيود الدلالية وشروط الحدود C_i، (iii) القيم الثابتة لفتحات المعلمات V_i، و(iv) المخرجات المتوقعة بعد إكمال المهمة D_i['provider']. تفرض هذه الحقول قيودا دلالية تكميلية على النموذج المولد من وجهات نظر متعددة: تحقيق نية النمذجة، تحقيق القيود، اتساق تجسيد المعلمات، واكتمال مخرجات النموذج—مما يمكن اتخاذ قرار مبدئي حول ما إذا كان رمز النموذج يلبي متطلبات النمذجة دون الحاجة إلى افتراضات إضافية.

استنادا إلى هذه الحقول الرئيسية، نعرف دالة قرار اتساق دلالي متعددة الحقول:

(4)

حيث I(·) تمثل دالة مؤشر تساوي 1 إذا كانت جميع دوال القرار الفرعية داخل الأقواس صحيحة، و0 في حالات أخرى. يميز هذا القرار الثنائي صراحة بين حالات تلبية متطلبات النمذجة والحاجة إلى إصلاح إضافي، مما يوفر شرطا حتميا لعملية الإصلاح الدلالي اللاحقة. يتم تحديد القرار العام بشكل مشترك بواسطة أربع دوال فرعية للقرار التالية:

(1) نمذجة اتساق الهدف:

Φ₀ (TC_{i,c f}) = I(متكون(c_{f,0 i})) (5)

حيث يشير Consist(c_{f,0 i}) إلى ما إذا كان رمز النموذج c_f متسقا دلاليا مع هدف النمذجة 0_i المحدد في بطاقة المهمة.

(2) إرضاء القيود الدلالية:

Φ_c (TC_{i,c f}) = I(Satisfy(c_{f,C i})) (6)

حيث يشير إلى أن Satisfy(c_{f,C i}) يشير إلى ما إذا كان رمز النموذج c_f يحقق القيود الدلالية وشروط الحدود C_i المحددة في بطاقة المهمة.

(3) اتساق المعاملات:

Φ_c (TC_{i,c f}) = I(فوري(c_{f,V i})) (7)

حيث يشير Insfort(c_{f,V i}) إلى ما إذا كانت قيم المعاملات المحققة V_i في بطاقة المهمة تنعكس بشكل متسق في رمز النموذج.

(4) اتساق المخرجات:

(8)

حيث تشير Artifacts(c_j) إلى ما إذا كانت المخرجات المتوقعة من بطاقة المهمة موجودة في الكود النهائي للنموذج، مما يعمل كمقياس لاكتمال النتيجة المولدة.

يتم تنفيذ هذه الأحكام المتعلقة بالاتساق بواسطة عامل التحقق الدلالي من خلال الاستفادة من قدرة الفهم الدلالي للنموذج اللغوي الكبير؛ عملية التفكير الداخلية للوكيل لا تغير التعريف الرسمي أو الاستخدام لدالة الاتساق.

من خلال هذا التحقق من الاتساق الدلالي متعدد الحقول، يمكن التحقق من صحة النموذج المتولد حقلا بحقل لضمان تحقيق كل هدف نمذجة، وشرط القيد، وتكوين المعلمات، والمخرج المتوقع. هذه العملية لا توفر فقط محفزا صريحا للإصلاح الدلالي اللاحق، بل توفر أيضا أدلة دلالية قابلة للتتبع عبر خط أنابيب التوليد، مما يحسن من موثوقية واتساق النموذج المولد.

البيانات التجريبية والتقييم
البيانات التجريبية
كود نموذج SysML v2 ليس كود برمجيات عادي؛ تظهر القطع الناتجة منها خصائص مميزة للنمذجة الرسمية. عادة ما تتضمن الرؤى المختلفة فئات مميزة من عناصر النمذجة الأساسية، مثل المتطلبات، الأجزاء، المنافذ السمات، الحالات، والانتقالات، والتي تختلف بشكل كبير في أنماط إعلانها، وأشكال التنظيم، والهياكل التركيبية. بالإضافة إلى ذلك، يجب أن يستوفي كود النموذج عدة قيود، بما في ذلك الإشارة إلى الأنواع، والتداخل الهرمي، وقيود الاتصال، وإعادة الاستخدام الدلالي بين العناصر.

لتقييم أداء الطريقة المقترحة بشكل شامل تحت تعقيدات النمذجة المتغيرة، يتم إنشاء مجموعة بيانات شيفرة تغطي خمسة أنواع عرض نماذج تمثيلية—المتطلبات، حالات الاستخدام، البنية، المعلمات، وآلات الحالة. تتوافق هذه الرؤى النموذجية مع تحديد المتطلبات، والتفاعل الوظيفي، والتركيب البنيوي، وتمثيل القيود البارامترية، ووصف المنطق السلوكي في نمذجة النظام، على التوالي. تقييم الإطار بشكل منفصل على أنواع عرض النماذج المختلفة يتيح تحليلا دقيقا لقابليته للتطبيق تحت خصائص هيكل الشيفرة المتنوعة وشروط قيود النمذجة.

يحتوي كل نوع من عرض النموذج على 15 حالة نموذج تم إنشاؤها يدويا، مما ينتج عنه مجموعة بيانات تضم N = 75 نموذج SysML v2. تغطي مجموعة البيانات عدة مجالات هندسية، بما في ذلك أنظمة الطيران والسيارات، والسيارات، والطب، وأنظمة المنزل الذكي، وقد اجتازت جميع النماذج بنجاح بيئة التحقق الرسمية ل SysML v2، مما يضمن الامتثال الصارم للنحو.

بعد ذلك، أنشأنا وصفا موفقا لنية النمذجة باللغة الطبيعية لكل نموذج. لتحسين كفاءة البناء، استخدمنا قالب التوجيه المعروض في الملف التكميلي 2 واستخدمنا GPT-4o لإنتاج الوصف الأولي. تم اختيار GPT-4o لقدراته القوية على الفهم الدلالي واستخراج المعلومات، مما مكنه من التقاط العناصر الأساسية للنموذج بدقة دون هلوسة وتوليد أوصاف نية النمذجة الشبيهة بالبشر⁹. لضمان الدقة والقضاء على الغموض، تمت مراجعة جميع الأوصاف المولدة يدويا وتنقيحها من قبل باحثين لديهم خلفية في هندسة الأنظمة. تظهر أمثلة تمثيلية لأنواع نماذج مختلفة في الجدول 1.

مقاييس التقييم
نستخدم المقاييس الرئيسية الثلاثة التالية لتقييم جودة كود نموذج SysML v2 المولد:

متوسط معدل الخطأ النحوي (SER)
يقوم هذا المقياس بقياس نسبة الأخطاء النحوية التي يتم اكتشافها عند التحقق من صحة كود النموذج المولد وفقا لقواعد النحو الرسمية ل SysML v2. يتم حسابها كالتالي:

(9)

حيث E_i تشير إلى عدد الأخطاء النحوية المحددة في النموذج المولد من i. يعكس هذا المقياس مدى التزام كود النموذج المولد بمواصفة النحو الرسمية ل SysML v2.

درجة الاتساق الدلالي (SCS)
يقيم هذا المقياس مدى دقة وشمولية كود النموذج المولد للنية الدلالية المعبر عنها في مواصفات النمذجة باللغة الطبيعية. على وجه التحديد، نستخرج الوحدات الدلالية من نية النمذجة — مثل الكيانات النظامية، المكونات المشاركة، الوظائف الأساسية أو السيناريوهات السلوكية، والشروط أو القيود الرئيسية — ونقارنها مع الوحدات الدلالية الموجودة في كود النموذج المولد. يتم حساب الاتساق الدلالي كما يلي:

(10)

حيث U تمثل مجموعة الوحدات الدلالية المستخرجة من نية النمذجة، وتمثل مجموعة الوحدات الدلالية المحددة في الكود المولد. تشير إلى عدد الوحدات التي تم التقاطها بشكل صحيح بواسطة كود النموذج المولد. تشير قيمة SCS الأعلى إلى تغطية دلالية أقوى ومحاذاة.

تقييم جودة الإنسان
المقاييس الآلية التقليدية مثل BLEU وCodeBLEU تقيم بشكل أساسي التشابه السطحي أو قابلية تنفيذ الكود، لكنها لا تلتقط ما إذا كان النموذج يفهم حقا أو يعبر بشكل صحيح عن دلالات النمذجة المقصودة. هذه المقاييس محدودة في تقييم الاتساق الدلالي، واكتمال العناصر الرئيسية، والتوافق مع نية النمذجة¹⁰. على النقيض من ذلك، يمكن للتقييم البشري تحديد قضايا مثل العناصر الدلالية المفقودة، التناقضات المنطقية، التكرار الهيكلي، أو الهلوسات غير المدعومة، مما يوفر تقييما أكثر موثوقية¹¹. مدفوعا بهذه القيود، نصمم إطار تقييم بشري لنماذج SysML v2 المولدة يتكون من ثلاثة معايير: (1) الصحة: يجب أن يعكس النموذج المولد نية النمذجة بدقة، ويحافظ على الاتساق البنيوي والمنطقي مع أهداف المهمة، ولا يحتوي على غموض دلالي أو عناصر مفقودة أو امتدادات خاطئة. (2) سهولة القراءة: يجب أن يكون رمز النموذج واضحا وسهل الفهم، مع تسمية متسقة، وهيكل متماسك، وتسلسل هرمي منظم يدعم الفحص والصيانة اللاحقة. (3) النزاهة: يجب أن يظهر النموذج منطقا هيكليا كاملا، مراجع متسقة عبر العناصر، ولا أنواع غير محددة أو سلاسل تبعية مكسورة، مما يضمن قابليته للاستخدام في التحليل والتكامل لاحقا. دعونا باحثين لديهم خبرة في نمذجة SysML لتقييم كل نموذج تم إنشاؤه على مقياس ثلاثي النقاط، حيث 1 تمثل أدنى جودة و3 هي الأعلى. خلال التقييم، سمح للمقيمين بمقارنة كود النموذج المولد مع نموذج الحقيقة الأرضية لضمان تقييم أكثر دقة وشمولا.

خط الأساس
اخترنا عدة خطوط أساس تقييم للاختبارات المقارنة مع الطريقة المقترحة، بما في ذلك:
CodeCoT¹²: يجمع بين التفكير بسلسلة الأفكار وآلية التحقق الذاتي، مما يمكن النموذج من التفكير الصريح أثناء التوليد والأخطاء النحوية الذاتية التصحيح، مما يحسن جودة الكود والاتساق الدلالي.

التخطيط الذاتي¹³: يقدم خط إنتاج كود مكون من مرحلتين حيث يخطط النموذج أولا لخطوات الحل ثم يولد الكود وفقا للخطة، مما يعزز بشكل فعال التماسك المنطقي وقابلية التفسير للمهام المعقدة.

التحرير الذاتي¹⁴: يعتمد نموذج توليد وتحرير تكراري ينفذ الكود المولد ويصحح الأخطاء تلقائيا بناء على تغذية راجعة وقت التشغيل، مع تحسين النتائج باستمرار.
كود تشين¹⁵: يستخدم التوليد المعياري والمراجعة التكرارية من خلال تفكيك المهام المعقدة إلى وحدات وظيفية مستقلة وتحسين الصلابة الهيكلية والجودة العامة من خلال جولات تحسين متعددة.

التصحيح الذاتي¹⁶: يمنح النموذج قدرات تصحيح وشرح ذاتية. من خلال عملية مغلقة الحلقة من التوليد والتنفيذ والتصحيح، يحسن بشكل كبير صحة المهام البرمجية المعقدة دون تدخل بشري.

MapCoder¹⁷: يبني إطار عمل تعاوني متعدد المراحل يتكون من أربعة وكلاء—الاسترجاع، التخطيط، البرمجة، والتصحيح—يحاكي عن كثب سير عمل البرمجة البشرية ويتيح توليد الحلقة المغلقة من فهم المهام إلى التحقق من النتائج.

التعاون الذاتي¹⁸: ينظم النظام كفريق برمجة افتراضي بأدوار مثل المحلل، المبرمج، والمختبر، مع تحسين الأداء العام في توليد الشيفرة المعقدة من خلال التعاون القائم على الأدوار والتغذية الراجعة التكرارية.

الإعداد التجريبي
لضمان العدالة والقابلية للمقارنة عبر التجارب، قمنا أولا بتقييم عدة نماذج لغوية كبيرة رئيسية باستخدام نهج إنشاء الشيفرة المباشر لتحديد الأداء الأساسي. استنادا إلى هذه النتائج الأولية، تم اختيار نموذج اللغة الكبيرة الأفضل أداء كنموذج العمود الفقري الموحد لجميع التجارب اللاحقة. قمنا لاحقا بمقارنة إطار العمل المقترح ل MAS4SysML مع عدة طرق توليد كود تمثيلية. تم إجراء جميع تفاعلات نماذج اللغة الكبيرة باستخدام إعداد درجة حرارة ثابت (T = 0.2) لتقليل العشوائية أثناء التوليد. لكل مهمة نمذجة، تم تعيين الحد الأقصى لعدد تكرارات الإصلاح في MAS4SysML إلى K_max = 3. تم تنفيذ جميع الطرق الأساسية تحت نفس التكوين التجريبي مثل MAS4SysML لضمان اتساق النتائج وعدالة التجريب. يتم توفير سكريبت بايثون لطريقة MAS4SysML كملف تكميلي 3.

Results

تقييم نموذج الأساس
اخترنا أولا عدة نماذج لغوية رئيسية وأجرينا اختبارات أداء أولية باستخدام توليد النموذج إلى الرمز المباشر (codeX)، بما في ذلك CodeX(175B)¹⁹، CodeGen-Mono(16.1B)²⁰، PaLM Coder(62B)²¹، Alphacode(1.1B)²²، Incoder(6.7B)²³، وcode-davinci-002(175B)²⁴. كما هو موضح في الجدول 2، أظهر code-davinci-002(1...

Discussion

نقترح MAS4SysML، إطار عمل تعاوني متعدد الوكلاء لتوليد كود نموذج SysML v2 شبه آلي. يتكون الإطار من أربعة عوامل تكميلية وظيفيا. خلال التوليد، يقوم (1) بتفكيك متطلبات النمذجة باللغة الطبيعية بشكل هرمي باستخدام هيكل قائم على شجرة المهام ويشكلها في بطاقات مهام منظمة، و(2) يولد كود نموذج SysML v2 بطريقة من الأسفل إلى الأعلى مسترشدة بالقيود وعلاقات التبعية المحددة في هذه البطاقات. على مدار الجيد، تقوم وحدة التحقق من النحوية المبنية على بيئة التحقق الرسمية ل SysML v2 بتشخيصات النحو وتعيد تغذية ر...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
لانغتشين	لانغتشين (مشروع مفتوح المصدر)	v1.0.8; https://github.com/langchain-ai/langchain	إطار عمل لتفاعل نماذج اللغة الكبيرة وتنسيق الوكلاء
لانغجراف	لانغتشين (مشروع مفتوح المصدر)	v1.0.3; https://github.com/langchain-ai/langgraph	إطار عمل تنفيذ سير العمل متعدد الوكلاء
بايثون	مؤسسة بايثون للبرمجيات	3.10.x; https://www.python.org/downloads/release/python-3100/	اللغة البرمجية الرئيسية لتنفيذ MAS4SysML
تنفيذ تجريبي ل SysML v2	مجموعة إدارة الكائنات (OMG)	(يوفر نسخة الإصدار/العلامة)؛ https://github.com/Systems-Modeling/SysML-v2-Pilot-Implementation	يستخدم للتحقق من صحة النحو وتحليل النماذج