[Paper] 使用本体驱动的知识图谱支持系统工程工作流的模型管理

Source: arXiv - 2512.09596v1

概览

本文提出了一个 基于本体驱动的知识图谱框架，用于管理系统工程工作流中产生的大量模型和工件——尤其针对复杂的网络物理系统（CPS）。通过在本体（OML）中形式化工作流概念，并将其封装在一套面向开发者的工具中，作者展示了工程师如何更高效地存储、版本化、查询和推理其数字资产。

关键贡献

• 工作流工件本体 – 一个严格定义的 OML 架构，捕获工作流、其特定形式化模型以及相关元数据。
• 知识图谱骨干 – 本体被实例化为图数据库，支持对工程数据进行语义查询和自动推理。
• 面向工程师的工具链 – 一套实用工具（设计器、执行器、版本管理器、查询 UI），在隐藏图数据库复杂性的同时，支持模型创建、执行和溯源捕获。
• 真实场景验证 – 在驱动系统智能传感器开发项目中的部署，展示了在存储处理、版本控制和信息检索方面的可衡量收益。
• 推理能力展示 – 图谱能够推导出新知识（例如依赖缺口、兼容性问题），这些在手工检查中难以发现。

方法论

1. 形式化领域 – 作者在 本体建模语言（Ontology Modelling Language, OML） 文件中对核心工作流概念（任务、输入/输出、版本、工具）以及各种建模形式化（SysML、MATLAB/Simulink 等）进行建模。
2. 实例化知识图谱 – 使用三元组存储（如 Neo4j 或 Blazegraph），每次工作流执行都会生成一组 RDF 三元组，根据 OML 架构填充图谱。
3. 构建支撑工具
   • Designer UI：让工程师可视化地组合工作流；UI 将设计转换为本体实例。
   • Enactor：运行工作流，自动捕获工件（模型文件、仿真结果）及其溯源。
   • Version manager：记录每个工件的血缘，支持“时间旅行”查询。
   • Query & reasoning layer：提供 SPARQL 端点和 OWL 推理器，支持高级查询（如“查找所有依赖于组件 X 的模型”）并推断隐式关系。
4. 案例研究执行 – 将框架应用于驱动系统的智能传感器项目，多个领域专家跨不同建模工具协同工作。

该方法刻意 以工具为中心：工程师使用熟悉的 GUI，而底层的图谱和本体负责数据集成与推理的繁重工作。

结果与发现

作者还报告说，工程师在追踪工件时感受到 认知负担降低，系统的推理引擎能够基于模型关系建议缺失的验证步骤。

实际意义

• 简化模型中心开发 – 团队可以将每个仿真、图表或代码片段视为可搜索图谱中的一等公民，降低 “模型在哪儿？” 的摩擦。
• 稳健的版本管理与可复现性 – 自动溯源意味着工作流可以精确重放，对监管合规（如汽车 ISO‑26262）以及 CPS 开发中的 CI/CD 流水线都有巨大帮助。
• 跨工具集成 – 通过抽象具体建模形式化，框架允许开发者混合使用 SysML、Simulink、Modelica 等，而无需自行编写适配器。
• 自动化合规检查 – OWL 推理可强制执行领域规则（如“所有安全关键组件必须附带危害分析”），将知识图谱转变为轻量级规则引擎。
• AI 辅助工程的基础 – 语义层使得将机器学习模型接入以预测设计风险或建议组件复用变得直接，为更智能的 PLM 系统打开道路。

对于构建 PLM、MBSE 或数字孪生平台的开发者，本文提供了一个 在不要求工程师直接学习 RDF 或 SPARQL 的前提下嵌入本体驱动知识图谱 的蓝图。

局限性与未来工作

• 可扩展性问题 – 案例研究仅涉及数十个工件；作者承认在大规模项目（数千个模型）中可能会对三元组存储的性能造成压力，需要分片或更激进的索引策略。
• 工具成熟度 – 原型 UI 与执行器功能完整，但缺乏商业 MBSE 套件的精致度；与现有工具（如 Enterprise Architect、Polarion）的集成仍需手动工作。
• 本体演化 – 为新形式化或领域特定概念扩展 OML 架构并非易事，可能需要治理流程。
• 未来方向 包括与工业 PLM 系统的基准对比、加入对实时流数据（如传感器遥测）的支持，以及探索将 OWL 与概率模型相结合的混合推理，以处理不确定性。

作者

• Arkadiusz Ryś
• Lucas Lima
• Joeri Exelmans
• Dennis Janssens
• Hans Vangheluwe

论文信息

• arXiv ID: 2512.09596v1
• 分类: cs.SE
• 发布日期: 2025 年 12 月 10 日
• PDF: Download PDF