Research Article

MAS4SysML: Doğal Dilden SysML v2 Model Üretimi için Çok Ajanlı Bir Çerçeve

DOI:

10.3791/70395

⸱

May 19th, 2026

 ,  ,  , 
1China Aerospace Academy of Systems Science and Engineering

In This Article

Summary

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

Bu protokol, çok ajanlı bir yaklaşım olan MAS4SysML'yi sunar; koordineli görev bölmesi yoluyla otomatik olarak SysML v2 kodu üretir; az sayıda onarım iterasyonu gerektirir ve manuel modelleme süresini önemli ölçüde azaltırken sistem modelleme verimliliğini artırır.

Abstract

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

Doğal dil gereksinimlerinden otomatik olarak doğru SysML modelleri oluşturmak, karmaşık sistem geliştirmede Model Tabanlı Sistem Mühendisliği'nin (MBSE) benimsenmesini önemli ölçüde hızlandırabilir. Ancak, model kodu oluşturmak için büyük dil modelleri (LLM'ler) kullanmak genellikle biçimsel modelleme dillerinin katı sözdizimi kısıtlamalarını karşılamaz ve üretilen modeller ile gereksinimler arasında tutarlı anlamsal uyumu sağlamak zordur. Bu zorlukları ele almak için, bu makale SysML v2 kod üretimi için çok ajanlı işbirlikçi bir çerçeve olan MAS4SysML'yi sunuyor; bu çerçeve, sınırlı bir onarım bütçesi altında sözdizimselliğini ve anlamsal tutarlılığı iyileştiriyor. Çerçeve, bir modelleme görevini hiyerarşik alt görevlere ayırır, bunları yapılandırılmış görev kartları olarak biçimselleştirir ve model kodu aşağıdan yukarıya doğru oluşturur. Üretim sırasında, sözdizimi teşhisi için resmi bir doğrulama ortamı kullanılır; tamamlandıktan sonra, çerçeve kod ile görev kartları arasındaki anlamsal tutarlılığı doğrular. Eğer sözdizimi veya anlamsal doğrulama başarısız olursa, çerçeve tanı geri bildirimiyle yönlendirilen önceden tanımlanmış bir onarım bütçesi içinde kodu tekrar eder ve doğrulama kriterleri sağlanana veya bütçe tükenene kadar yeniden doğrular. Önerilen yöntemi değerlendirmek için, beş temel görev türünü—gereksinimler, kullanım senaryoları, yapı, parametrikler ve durum makineleri—kapsayan bir SysML v2 veri seti oluşturuyoruz ve karşılaştırmalı deneyler yapıyoruz. Sonuçlar, MAS4SysML'nin ortalama sözdizimi hata oranını 2.63'e düşürdüğünü, anlamsal benzerliği 0.91'e yükselttiğini ve genel olarak mevcut kod oluşturma yöntemlerinin daha iyi olduğunu gösteriyor.

Introduction

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

MBSE, havacılık ve havacılık gibi alanlarda karmaşık ekipmanların geliştirilmesinde gereksinim analizi, sistem mimarisi tasarımı ve doğrulama planlaması için kilit birmetodoloji haline gelmiştir. SysML gibi birleşik modelleme dilleri kullanılarak gereksinimler, yapı, davranış ve kısıtlamalar dahil olmak üzere bilgiler tutarlı bir model çerçevesine organize edilebilir, bu da süreç yapısını ve disiplinlerarası iş birliğinin verimliliğiniartırır 2. Ancak, sistem ölçeği büyümeye devam ettikçe, geliştirilmesi gereken model sayısı buna göre artar ve bu da manuel SysML modellemenin iş yükünde s....

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

Protocol

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

MAS4SysML çerçevesinin kod oluşturma süreci, Ek Dosya 1'de özetlenmiştir. Bu çalışmanın, gereksinimler, yapı, parametrik ve davranış dahil olmak üzere katı çapraz görünüm tutarlılığı olan doğal dilden tam bir sistem modeli tek seferde oluşturulmasını amaçlamadığı belirtilmelidir. Bunun yerine, protokol birkaç temsilci SysML v2 görünüm kodu türü üretmeye odaklanır.

Aşama I: Görev analizi
İş akışı görev ayrıştırmasıyla başlar. Sistem, Görev Yapısı Oluşturma Ajanına doğal dil modelleme amacını sağlar ve bu ajan, bir görev kartı seti çıkarır. Sonraki nesillerin yürütülebilir....

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

Results

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

Temel model değerlendirmesi
Önce birkaç ana akım LLM'yi seçtik ve CodeX(175B)19, CodeGen-Mono(16.1B)20, PaLM Coder(62B)21, Alphacode(1.1B)22, Incoder(6.7B)23 ve code-davinci-002(175B)24 gibi doğrudan model-kod üretimi kullanarak ön performans testleri yaptık. Tablo 2'de gösterildiği gibi, code-davinci-002(175.......

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

Discussion

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

Yarı otomatik SysML v2 model kodu üretimi için çok ajanlı işbirlikçi bir çerçeve olan MAS4SysML'yi öneriyoruz. Çerçeve, işlevsel olarak tamamlayıcı dört ajandan oluşur. Üretim sırasında, (i) doğal dil modelleme gereksinimlerini görev ağacı tabanlı bir yapı kullanarak hiyerarşik olarak parçalar ve bunları yapılandırılmış görev kartlarına biçimselleştirir ve (ii) bu kartlarda belirtilen kısıtlamalar ve bağımlılık ilişkileriyle yönlendirilerek SysML v2 model kodunu aşağıdan yukarıya doğru o.......

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

Disclosures

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

Yazarların çıkar çatışması yoktur. AI/LLM araçları yalnızca veri seti oluşturma sırasında kullanıldı. Özellikle, bir değerlendirme veri seti oluşturmak için, manuel olarak oluşturulan SysML v2 modellerine karşılık gelen doğal dil modelleme problem ifadeleri oluşturmak için bir yapay zeka aracı kullandık (yani yazar tarafından oluşturulmuş bir SysML v2 modeliyle "görev tanımı" oluşturularak), kıyaslama için girdi-çıkış çiftleri oluşturduk. Bu sınırlı amacın ötesinde, önerilen yöntem, deneysel sonuçlar, veri analizleri, şekiller/tablolar veya herhangi bir el yazması metni oluşturmak için yapay zeka kullanılmadı.

Acknowledgements

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

Bu araştırma, Çin Devlet Bilim, Teknoloji ve Sanayi İdaresi'nin Ulusal Savunma Sivil Havacılık Projesi (D020101) tarafından desteklenmektedir.

....

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
LangChainLangChain (açık kaynak projesi)v1.0.8; https://github.com/langchain-ai/langchainLLM etkileşimi ve ajan orkestrasyonu için çerçeve
LangGraphLangChain (açık kaynak projesi)v1.0.3; https://github.com/langchain-ai/langgraphÇok ajanlı iş akışı yürütme çerçevesi
PythonPython Yazılım Vakfı3.10.x; https://www.python.org/downloads/release/python-3100/MAS4SysML uygulaması için ana programlama dili
SysML v2 Pilot UygulamasıNesne Yönetim Grubu (OMG)(sürüm/etiket versiyonunu sağla); https://github.com/Systems-Modeling/SysML-v2-Pilot-ImplementationSözdizimi doğrulama ve model ayrıştırma için kullanılır

References

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