$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Het automatisch genereren van nauwkeurige SysML-modellen uit natuurtaalvereisten kan de adoptie van Model-Based Systems Engineering (MBSE) in complexe systeemontwikkeling aanzienlijk versnellen. Het gebruik van grote taalmodellen (LLM's) om modelcode te genereren voldoet echter vaak niet aan de strikte syntactische beperkingen van formele modelleringstalen, en het consequent waarborgen van semantische uitlijning tussen gegenereerde modellen en eisen blijft een uitdaging. Om deze uitdagingen aan te pakken, presenteert dit artikel MAS4SysML, een multi-agent samenwerkingsraamwerk voor SysML v2-codegeneratie dat syntactische correctheid en semantische consistentie verbetert onder een beperkt reparatiebudget. Het framework verdeelt een modelleertaak in hiërarchische subtaken, formaliseert deze als gestructureerde taakkaarten en genereert modelcode op een bottom-up manier. Tijdens de generatie wordt een officiële validatieomgeving gebruikt voor syntaxisdiagnostiek; Na voltooiing verifieert het framework de semantische consistentie tussen de code en de taakkaarten. Als syntaxis of semantische validatie faalt, herstelt en valideert het framework iteratief de code binnen een vooraf gedefinieerd reparatiebudget, geleid door diagnostische feedback, totdat aan de validatiecriteria is voldaan of het budget is uitgeput. Om de voorgestelde methode te evalueren, construeren we een SysML v2-dataset die vijf kerntaken omvat—eisen, gebruikssituaties, structuur, parametriek en toestandsmachines—en voeren we vergelijkende experimenten uit. Resultaten tonen aan dat MAS4SysML het gemiddelde foutpercentage in de syntaxis verlaagt tot 2,63, de semantische gelijkenis verhoogt tot 0,91 en in het algemeen beter presteert dan bestaande codegeneratiemethoden.