モデルベースコラボレーションによるモデルベースシステムエンジニアリングの影響の調査

従来のシステムエンジニアリングフレームワークは、手動で更新したり、文書をサイロ化したりするため、進化するプロジェクト要件に対応するのに苦労することがよくあります。その結果、エラー、矛盾、非効率が複雑化し、プロジェクトが頓挫する可能性があります。実際、 国際システム工学会議 （INCOSE）は、 モデルベース システム エンジニアリング (MBSE) システム設計エラーを最大55%削減し、プロジェクトサイクルタイムを40%短縮できるため、従来のシステムエンジニアリングフレームワークに代わる魅力的な選択肢となります。インコセ）​​

システムエンジニアリングに応用されたモデルベースのコラボレーション

システムエンジニアリングは、次のような業界では非常に重要です。 航空宇宙, 防衛, 自動車、電気通信などの分野では、システム コンポーネントの複雑さと相互依存性により、開発と管理に対する構造化された系統的アプローチが必要になります。このアプローチには、ライフサイクル全体にわたる複雑なシステムの設計、統合、管理が含まれ、プロジェクトまたはシステムのすべての側面が考慮され、まとまりのある全体に統合されることが保証されます (コンセプトから設計、製造、運用、最終的な廃止まで)。このアプローチでは、ツールと方法論を使用して、システム コンポーネントとその相互作用を分析および最適化し、パフォーマンス、コスト、スケジュール、リスクのバランスを取ります。システム レベルの要件を把握することは、システム全体で達成する必要があることを包括的に把握し、すべてのコンポーネントがプロジェクトの目的に向かって調和して機能することを保証するため、特に重要です。

モデルベースのコラボレーション デジタル モデルを活用して、複雑な多分野プロジェクトをチーム全体で可視化します。適切なアクセス制御により、デジタル モデルでは、すべての共同作業者がシミュレーション モデルとその結果にリアルタイムで直接アクセスできるようになり、シミュレーション データに対する共通の理解と共有コンテキストが促進されます。システム エンジニアリングに適用すると、モデルベースのコラボレーションは、製品の複雑さが増してもチームが革新を実現できるようにする強力なアプローチになります。この統合により、チーム メンバー間のシームレスなコミュニケーションと調整が可能になり、プロジェクトのあらゆる側面が包括的なシステム要件と目標と一致するようになります。

従来のアプローチ：システム開発のボトルネック

1960年代から1970年代にかけて、世界的競争の激化と顧客の要求の複雑化に対応するため、企業は自社製品が市場の期待に応えるための新しいアプローチを模索していました。 品質機能の展開 (QFD) 方法論は、企業が顧客のニーズを製品設計に組み込む方法に革命をもたらしました。このフレームワークは、顧客の要件を特定のエンジニアリング特性に変換する構造化されたマトリックスを提供し、最終製品が市場の需要に密接に一致することを保証しました。今日、QFD の原則は現代のシステム エンジニアリングに不可欠なものであり続け、要件管理とシステム設計への包括的なアプローチを促進しています。

しかし、システム エンジニアリングに対する従来のアプローチでは、市場のニーズ、顧客の好み、社内のエンジニアリング要件の変化は考慮されていませんでした。QFD と House of Quality では、プロジェクトの開始時に収集する必要のある静的な要件セットを想定していました。また、複数の QFD マトリックス間のウォーターフォール関係も想定していました。実際には、顧客要件とエンジニアリング仕様はどちらも常に変化しており、より動的なシステムが必要です。歴史的に、システム エンジニアリング プロセスはファイルベースであり、顧客ニーズや製品仕様の変更は手動で更新されていたため、変化する要件を追跡して製品の納期に間に合わせることが困難でした。

さらに、さまざまなエンジニアリング分野では、製品を検証するための独自のテスト施設を構築しました。たとえば、振動テスト用のテストベンチや空気力学用の風洞などです。テストがコンピューター化されるにつれて、各分野は独自の方法とツールに投資しました。1980 年代以降、さまざまなエンジニアリング分野で、特定のニーズに合わせてカスタマイズされた特殊なシミュレーション ソフトウェアが利用されるようになりました。たとえば、次のようになります。

• 外装空力数値流体力学 (CFD) ソフトウェアは、風洞試験のテスト データと組み合わせて、車両周囲の空気の流れを解析するためによく使用されます。
• 騒音、振動、ハーシュネス（NVH）分析: ベンチテストやトラックテストと組み合わせて、車両の振動や音響特性に対する応答を研究するには、線形構造解析ツールが適しています。

これらのツールは本来の目的には非常に効果的ですが、多くの場合は個別に動作し、分野をまたいだコラボレーションや洞察の統合を妨げるサイロを形成します。モデルベースのコラボレーションは、複雑なシステムのシステム内のモデルを自動的に更新するための多分野フレームワークを提供し、それによって現実の複雑さに対応するために必要な動的な記録システムを実現します。

モデルベースのコラボレーションによりエンジニアリング要件の達成が効率化されます

今日の自動車開発には、パワートレイン、構造部品、電子機器などのシステムを開発する多くのチームが関わっています。これらのシステムの設計上の決定は、多くの場合、重量、剛性/強度、空気力学に関係する影響を及ぼします。これらのパフォーマンス指標を分析することは、最良のトレードオフを確実に行い、車両の全体的なパフォーマンスと効率を最適化するために重要です。

システム レベルの要件は、最適なトレードオフの決定を可能にする基礎的な青写真として機能し、システムが達成すべきことを詳細に記述し、各コンポーネントが全体的な目標に貢献することを保証します。これらの要件は、具体的で実行可能な項目に細分化され、設計要素にマッピングされ、一貫性と追跡可能性を促進します。このプロセスにより、チームの取り組みを調整し、スコープ クリープ (範囲の拡大) を防ぎ、リスクを軽減することで、設計の精度と効率が向上します。システム レベルの要件を効果的に管理することで、最終製品が利害関係者のニーズと規制基準を満たし、パフォーマンス、コスト、スケジュールのバランスをとることができます。この総合的なアプローチは、複雑なプロジェクトを成功させ、相互依存性を管理し、プロジェクトの成功を確実にするために不可欠です。

ステップ 1 – 要件の取得: 利害関係者のニーズを特定し、文書化するプロセス。

要件の収集は、顧客、ユーザー、規制機関、社内チームなど、すべての関係者を特定して関与させることから始まります。ユーザー インタビュー、ワークショップ、調査、直接観察などの手法を使用して、関係者のニーズと期待を集めます。次に、これらの要件を標準化された形式で明確かつ簡潔に文書化し、理解しやすく実行可能なものにします。このステップは、抽象的なアイデアを具体的な要件に変換し、設計および開発フェーズのロードマップを提供するため、非常に重要です。効果的な要件の収集により、最終的なシステムが関係者の期待と規制基準を満たすことが保証され、コストのかかる再設計や遅延のリスクが軽減されます。

要件の把握は、次の 3 つの重要なステップに分けられます。

1. 利害関係者の特定: 顧客、ユーザー、規制機関、社内チームなど、すべての関係者を特定します。
2. 要件の引き出し: 要件を収集するためのユーザーインタビュー、ワークショップ、調査、観察。
3. ドキュメント: 標準化された形式を使用して、要件を明確かつ簡潔に、かつ明確に文書化します。

ステップ 2 – 要件分析: 収集した要件を分類して、実現可能、一貫性があり、完全であることを確認します。

このプロセスには、機能、パフォーマンス、規制、非機能の各カテゴリに要件を分類することが含まれます。各要件は、技術的および経済的実現可能性について評価され、矛盾やギャップがないかチェックされます。要件を綿密に分析することで、組織は潜在的な問題を早期に特定し、必要な要件がすべて取り込まれていることを保証し、関係者の期待に沿うように維持することができ、最終的にはシステム開発プロセスの精度と効率が向上します。

1. 要件分類: 要件を機能要件、パフォーマンス要件、規制要件、非機能要件に分類します。
   • 機能的なたとえば、電気自動車のバッテリー パックの冷却システムは、バッテリー セルの最適なパフォーマンスと寿命を確保するために、急速充電や高い周囲温度を含むすべての動作条件下でバッテリー温度を 20°C ～ 35°C に維持できる必要があります。
   • パフォーマンスたとえば、電気自動車のバッテリー パックの冷却システムは、過熱を防ぎ、効率的なバッテリー動作を確保するために、ピーク負荷状態で少なくとも 5 kW の熱を放散し、バッテリー温度を 40 分以内に 30°C から 10°C に下げることができなければなりません。
   • 法規制情報たとえば、電気自動車のバッテリー パックの冷却システムは、UNECE 規則 No. 100 に準拠する必要があり、システムで使用されるすべてのコンポーネントと液体が非毒性、不燃性、環境的に安全であることを保証し、電気自動車のバッテリーの安全性に関する国際的な安全基準と環境基準を満たします。
   • 機能しないたとえば、冷却システムの制御インターフェースはユーザーフレンドリーで、技術者がユーザー入力やステータス更新に対して 2 秒未満の応答時間で冷却パラメータを簡単に監視および調整できる必要があります。
2. 実行可能性分析各要件の技術的および経済的実現可能性を評価します。
3. 一貫性と完全性のチェック: 競合する要件がないこと、および必要な要件がすべて取得されていることを確認します。

ステップ3 – 要件モデリング: 要件を表現および分析するための実行可能なモデルと図の作成

1. モデリング手法: SysML またはその他のモデリング言語を使用して、要件図、ユースケース図、アクティビティ図を作成します。
2. トレーサビリティ: 要件と他のモデル要素間のトレーサビリティ リンクを確立します。
3. 行動モデルさまざまな要件に応じてシステムの動作を記述するモデルを開発します。

ステップ4 – 要件のトレーサビリティ: 要件を設計要素、実装、検証にリンクして完全性を確保し、変更を管理する機能

モデルベースシステムエンジニアリング（MBSE）における要件のトレーサビリティは、すべての要件が対応する設計要素、実装、検証プロセスにリンクされていることを保証します。これには、要件を設計コンポーネント、テストケース、検証方法にマッピングするトレーサビリティマトリックスの作成が含まれます。トレーサビリティは影響分析を容易にし、チームがシステムに対する要件変更の影響を理解できるようにします。明確な要件を維持することで、 トレーサビリティ組織は変更を効果的に管理し、すべての要件が満たされていることを保証し、最終的なシステムが利害関係者のニーズとコンプライアンス基準を満たしていることを検証できます。

1. トレーサビリティマトリクス: トレーサビリティ マトリックスを作成して、要件を設計要素、テスト ケース、検証方法にマッピングします。
2. 変更管理: 要件の変更を管理し、トレーサビリティ リンクを更新するためのプロセスを実装します。
3. 影響分析: 影響分析を実行して、要件変更がシステムに与える影響を理解します。

ステップ5 - 要件の検証と妥当性確認: テストとレビューを通じて、システムが指定された要件と利害関係者のニーズを満たしているかどうかを確認するプロセス

1. Verification: システムが指定された要件を満たしていることを確認するために、レビュー、検査、テストを実施します。
2. 検証シミュレーション、プロトタイプ、ユーザー テストを通じて、関係者のニーズと要件に対してシステムを検証します。
3. ドキュメント: 矛盾点や是正措置を含む検証および検証結果を文書化します。

MBSE における効果的な要件管理は、関係者のニーズを満たし、確実に機能するシステムを開発するために不可欠です。要件を体系的にキャプチャ、分析、モデル化、トレース、検証することで、組織はシステム エンジニアリング プロジェクトの成功を保証できます。ベスト プラクティスを実装すると、要件管理プロセスの効率と精度がさらに向上します。

モデルベースのコラボレーションのベストプラクティス

1. ステークホルダーの継続的な関与: 要件管理プロセス全体にわたって関係者を関与させ、そのニーズが正確に把握され、対処されるようにします。
2. 反復アプローチ: 反復的なアプローチを使用して、要件とモデルを継続的に改良します。
3. 自動化アプローチ: メタデータ自動化を活用してモデル、結果、レポートを更新し、最新の分析情報がすべての共同作業者に表示されるようにします。
4. トレーニングと能力開発チーム メンバーに MBSE および要件管理ツールとテクニックに関するトレーニングを提供します。

Rescale でのモデルベースのコラボレーション

Rescaleのプラットフォームは、シミュレーションプロセスを合理化および保護することでモデルベースのコラボレーションを強化し、多分野にわたるチームが効率的に連携できるようにします。シミュレーションのキャプチャと管理を自動化します。  重要なパラメータとパフォーマンス指標が体系的に記録され、分類されることを保証します。この標準化により、データの検索性と整理性が向上し、より迅速な検索と情報に基づいた意思決定が可能になります。エンジニアと科学者は、組織内および組織間でシミュレーションジョブと結果をシームレスに共有できるため、すべての関係者が一貫性のある正確なデータにアクセスできます。Rescaleの高性能コンピューティング機能に支えられたこのコラボレーション環境により、迅速なシミュレーションと分析が可能になり、製品開発に関連する時間とコストが削減されます。視覚化ツールは、データからの傾向と洞察を示し、より優れた分析と戦略的選択を促進します。さらに、 AIと機械学習 予測分析を強化し、履歴データに基づいてより深い洞察とより正確な予測を提供します。