Research Article

MAS4SysML: Un marco multiagente para la generación de modelos SysML v2 a partir de lenguaje natural

DOI:

10.3791/70395

May 19th, 2026

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este protocolo presenta MAS4SysML, un enfoque multiagente que genera automáticamente código SysML v2 mediante división coordinada de tareas, requiriendo pocas iteraciones de reparación y reduciendo significativamente el tiempo de modelado manual mientras mejora la eficiencia del modelado del sistema.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Generar automáticamente modelos SysML precisos a partir de requisitos de lenguaje natural puede acelerar sustancialmente la adopción de la Ingeniería de Sistemas Basada en Modelos (MBSE) en el desarrollo de sistemas complejos. Sin embargo, el uso de grandes modelos de lenguaje (LLMs) para generar código de modelo a menudo no cumple con las estrictas restricciones sintácticas de los lenguajes de modelado formal, y garantizar una alineación semántica constante entre los modelos generados y los requisitos sigue siendo un reto. Para abordar estos desafíos, este artículo presenta MAS4SysML, un marco colaborativo multiagente para la generación de código SysML v2 que mejora la corrección sintáctica y la consistencia semántica bajo un presupuesto de reparación limitado. El marco descompone una tarea de modelado en subtareas jerárquicas, las formaliza como tarjetas de tareas estructuradas y genera código modelo de forma ascendente. Durante la generación, se utiliza un entorno oficial de validación para el diagnóstico sintáctico; Tras completarlo, el framework verifica la consistencia semántica entre el código y las tarjetas de tareas. Si falla la validación sintética o semántica, el marco repara y revalida iterativamente el código dentro de un presupuesto de reparación predefinido, guiado por retroalimentación diagnóstica, hasta que se cumplen los criterios de validación o se agota el presupuesto. Para evaluar el método propuesto, construimos un conjunto de datos SysML v2 que abarca cinco tipos de tareas principales: requisitos, casos de uso, estructura, paramétricas y máquinas de estados, y realizamos experimentos comparativos. Los resultados muestran que MAS4SysML reduce la tasa media de error sintáctico a 2,63, aumenta la similitud semántica a 0,91 y supera en general los métodos existentes de generación de código.

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El MBSE se ha convertido en una metodología clave para el análisis de requisitos, el diseño de arquitectura de sistemas y la planificación de verificación en el desarrollo de equipos complejos en dominios como la aviación yla aeroespacial 1. Utilizando lenguajes de modelado unificados como SysML como columna vertebral de modelado, la información—incluyendo requisitos, estructura, comportamiento y restricciones—puede organizarse en un marco de modelo coherente, mejorando la estructura de procesos y la eficiencia de la colaboración interdisciplinar2. Sin embargo, a medida que la escala del....

Access restricted. Please log in or start a trial to view this content.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El proceso de generación de código del framework MAS4SysML se resume en el Archivo Suplementario 1. Cabe señalar que este estudio no pretende lograr la generación única de un modelo completo de sistema a partir de lenguaje natural con estricta consistencia cruzada, incluyendo requisitos, estructura, parámetros y comportamiento. En su lugar, el protocolo se centra en generar varios tipos representativos de código de vista SysML v2.

Fase I: Análisis de tareas
El flujo de trabajo comienza con el análisis de tareas. El sistema proporciona la intención de modelado en lenguaje....

Access restricted. Please log in or start a trial to view this content.

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Evaluación del modelo de referencia
Primero seleccionamos varios LLMs convencionales y realizamos pruebas preliminares de rendimiento utilizando generación directa modelo a código, incluyendo CodeX(175B)19, CodeGen-Mono(16.1B)20, PaLM Coder(62B)21, Alphacode(1.1B)22, Incoder(6.7B)23 y code-davinci-002(175B)24. Como se muestra .......

Access restricted. Please log in or start a trial to view this content.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Proponemos MAS4SysML, un marco colaborativo multiagente para la generación de código de modelos SysML v2 semiautomatizados. El marco consta de cuatro agentes funcionalmente complementarios. Durante la generación, (i) descompone jerárquicamente los requisitos de modelado en lenguaje natural utilizando una estructura basada en árboles de tareas y los formaliza en tarjetas de tareas estructuradas, y (ii) genera código de modelo SysML v2 de forma ascendente, guiado por las restricciones y re.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los autores no tienen conflictos de interés. Las herramientas de IA/LLM se usaron solo durante la construcción de conjuntos de datos. Específicamente, para construir un conjunto de datos de evaluación, utilizamos una herramienta de IA para generar enunciados de problemas de modelado en lenguaje natural correspondientes a modelos SysML v2 creados manualmente (es decir, generando la "descripción de tarea" dado un modelo SysML v2 creado por el autor), formando pares de entrada-salida para el benchmarking. Más allá de este propósito limitado, no se utilizó IA para generar el método propuesto, resultados experimentales, análisis de datos, figuras/tablas ni ningún texto manuscrito.

Acknowledgements

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Esta investigación cuenta con el apoyo del Proyecto Aeroespacial Civil (D020101) de la Administración Estatal de Ciencia, Tecnología e Industria de China para la Defensa Nacional.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
LangChainLangChain (proyecto de código abierto)v1.0.8; https://github.com/langchain-ai/langchainMarco para la interacción con LLM y la orquestación de agentes
LangGraphLangChain (proyecto de código abierto)v1.0.3; https://github.com/langchain-ai/langgraphMarco de ejecución de flujo de trabajo multiagente
PythonFundación de Software Python3.10.x; https://www.python.org/downloads/release/python-3100/Lenguaje de programación principal para la implementación de MAS4SysML
Implementación piloto de SysML v2Grupo de Gestión de Objetos (OMG)(proporcionar versión de liberación/etiqueta); https://github.com/Systems-Modeling/SysML-v2-Pilot-ImplementationUtilizado para validación de sintaxis y análisis de modelos

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Miller, W. D. The Future of Systems Engineering: Realizing the Systems Engineering Vision 2035. Transdisciplinarity and the Future of Engineering. , IOS Press. (2022).
  2. Kirshner, M. J. A. Model-based systems engineering cybersecurity for space systems. Aerospace. 10 (2), 116(2023).
  3. Bajaj, M., Fried....

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

SysML Model GenerationMulti Agent FrameworkNatural Language RequirementsModel Based Systems EngineeringSemantic ConsistencySyntactic CorrectnessLarge Language ModelsCode ValidationTask DecompositionSemantic Alignment

Related Articles