1 數字化轉型中的并行化模式

數據模型化的必要性

傳統系統工程依賴繁瑣的文檔流程，缺乏對信息進行統一配置控制的機制，導致同一信息在不同文檔多次出現，對變革的響應“心有余而力不足”。

圖 1 傳統系統工程與基于模型的系統工程對比圖

如圖1所示，通常業務模型是以文字描述或是流程圖形式存在，但在組織工程具體實施的連接相對模糊，導致各文檔間導航困難，無法跟蹤變化。傳統系統工程中需求信息的提取尤其困難，同一信息可能多次出現，且在需求基線確定過程中存在信息丟失的問題。傳統系統工程只有對原始需求記錄的非正式鏈接文檔，割裂的文檔信息難以整合到環境中，需求難以被追蹤到設計和驗證層面。

資源信息在環節傳輸和跟蹤中的不對稱，以及數據資產管理不善等問題會導致研究人員對需求信息理解出現差異，大幅增加不必要的工作量，從而使產品開發周期延長、成本增加，難以適應激烈競爭環境。為解決以文檔為中心的傳統系統工程的難點，采取基于模型的方法進行數字化轉型。通過MBSE提供一種更清晰、一致且易于理解的方式來管理信息，全覆蓋地將業務與模型相對應，確保數字化轉型的各類信息反映在系統設計中。通過MBSE對領域知識與領域需求升維凝練以形式化建模的方式將其整合，提供導航和跟蹤機制實現信息的配置控制，避免了數據的重復，減少了手動操作，提高了工作效率。

1.2 并行化轉型模式研究

企業數字化轉型不是一蹴而就的，牽涉到企業結構、流程優化、文化轉變等多個方面。即使管理層充分認識到數字化轉型的迫切，但推動數字化戰略的同時，確保過渡期間的企業業務正常運轉卻十分復雜。在變革的過程中，企業仍需不間斷地提供服務滿足客戶需求，并在競爭激烈的市場中保持競爭力。并行化轉型模式將風險管理納入考量，注重業務創新和現有業務的平衡，旨在讓企業在進行數字化轉型的同時保持業務的穩定狀態。用進化生物學領域的用語來講，基于模型的數字化轉型更適用于“共生協同主義”的并行化研制模式，即建立緊密相互依賴的關系，實現更大的合作和協同效應。

圖 2 數字化轉型中的并行化模式

如圖2所示，基于模型的數字化轉型需要專業的數字化團隊作為數字化轉型的中繼站，由數字化團隊與領域專家團隊共同承擔。在跨領域的數字化轉型中，企業多個部門委托專業的數字化團隊進行數字化轉型，各部門提供領域數據、領域專家與財政支持。領域專家團隊整合跨部門的專業知識，專注于與數字化團隊協同工作，尤其是文檔數據到模型數據的轉變工作上，明確領域術語的統一認知，形成通用領域知識，包括模型數據庫和使用說明文檔。

這一整體集中的協同模式有助于資源的集中利用，避免了重復投入，使數字化團隊更專注于制定和實施數字化策略。單領域數字化轉型中，部分組織可能難以靠自身推動變革或者對數字化轉型的需求不明確。這種情況下，可以采取在內部對個別業務進行小范圍試點的方式。數字化團隊派遣專家到企業部門內部協同工作。這種模式注重提升部門內部部分成員數字化思維和培養數字化能力。通過試點項目快速取得成效，證明數字化能實現降本增效效果，并總結經驗教訓且逐步推動數字化轉型。

2 數字化轉型中的模型數據庫

2.1 構建領域模型數據庫數字化轉型首要目標是構建完備的領域模型數據庫以實現文檔信息的數字化和模型化，涵蓋數據的提煉、編輯、共享、存儲、檢索以及最終的歸檔。通過精細的生命周期管理，能夠追蹤和記錄數據的變化，確保數據的可追溯性和完整性。模型數據是通過領域專家與數字化專家共同協作從文檔中提取凝練的、符合數據—信息—知識—智慧的轉化DIKW金字塔的理念。這種協同工作方式來搭建領域模型數據庫有助于提高準確度，防止信息孤島的產生，從而促進提取的數據綜合且完善，使得相關人員對模型數據的使用能達到統一的認知。

圖 3 領域模型數據庫

如圖3所示，通過領域專家與建模專家的合作，根據MOF標準從文檔數據中提取凝練出模型數據，形成領域模型數據庫，從底層的數據逐漸升華到最高層的智慧，從抽象的通用定義到具體定制實例化。本體的作用在于描述某個領域的知識，通過構建與模型之間的對應關系實現對不同層面的知識的跨領域集成，逐步建立完善的領域模型庫。在各個領域能夠定制化構建領域建模語言，為建模語言使用人員提供指導。

2.2 基于語義的領域模型數據

根據領域的要求可以構建不同的領域元模型，如需求元模型、功能元模型和系統架構元模型等。在通用模型基礎上進行擴展，結合領域特點進行設計，不改變概念定義的同時定制實例的可行性，確保了在不同階段和不同活動之間協同工作的一致性。數字化轉型的成功實施不僅需要關注模型數據格式，還需要注重對模型數據語義的建立和維護，引入語義數據轉換、對比和協調管理，來保障數據的一致性、完整性和質量。通過語義級別的管理更準確地表達和解釋模型數據的含義，確保不同模型之間能夠正確理解和映射所有不同模型數據。同時，還應建立形式化的語義知識基石，為整個系統提供了可靠的知識支持。

為了實現這種互操作性，需要在交換格式之外定義交換的語義。只有通過建立共同語義，不同模型之間的信息交換才能正確進行，避免數據結構和語言語法的差異導致的信息偏差。語義層作為中間層次，通過設計模型與本體模型的語義轉化算法，制定轉化規則能使設計模型自動生成本體文件，實現對領域知識的本體構建和MBSE模型的語義轉化。這種基于語義的一體化本體生成不僅在數據一致性方面有良好的優勢，還為不同領域協同和知識集成提供了可能。

結語

本文提出基于模型的數字化轉型模式，分別從并行化轉型模式和領域模型數據庫進行研究，強調數字化轉型團隊與領域專家團隊協同合作的重要性，并構建領域模型數據庫，實現對復雜數據信息的精細化管理。

未來，還需要對其他方面進一步研究：

(1)數字化轉型中的風險管理與應對策略。通過深入研究風險識別、評估和管理，幫助組織更好地規避風險，制定應對策略，確保數字化轉型的可持續性和成功性。

(2)模型凝練的顆粒度研究。從文本到模型提取的過程中，不同領域對模型數據的要求的精細程度不同，所需要的元素、關系和層次結構不同，應因地制宜建立更具表達力和適應性的模型數據。

(3)模型—語義—本體的轉換生成的標準化研究，制定通用的規范和方法實現各部分映射的規則，促進知識共享和信息交流。