arXiv cs.AI· Zirui Li, Torsten Brix, Stephan Husung·· 1 天前AI 评分18
跨组织 SysML 模型集成调查：挑战与 AI 支持任务
Cross-Organizational SysML Model Integration: A Survey of Challenges and AI-Supported Tasks
AI 导读
一项针对 29 名参与跨组织协作的 MBSE 从业者的问卷调查显示，模型集成被视为横跨语义、行为、可追溯性与交换互操作性的多维对齐问题，且认知因组织角色和集成参与频率而异。受访者认为 AI 在语义结构分析、不一致性检测等分析任务上 usefulness 评分较高，但普遍偏好带强制验证的人在回路使用方式。研究据此主张 AI 应增强而非替代 SysML 集成中的工程责任。
正文 · AI 翻译
摘要：跨组织协作被广泛视为基于 SysML 的基于模型的系统工程（MBSE）的关键承诺，然而从业者在交换和集成系统模型时仍面临持续挑战。与此同时，大型语言模型（LLM）提升了人们对 AI 辅助模型理解与集成的期望，而可靠性和所需的人工监督仍构成挑战。本文报告了一项在线问卷调查的结果，调查对象为 29 名参与跨组织协作的 MBSE 利益相关者。受访者在五点李克特量表上对八个预定义的集成挑战类别和六种 AI 支持的任务类型进行了评分。结果表明，利益相关者将模型集成视为一个跨语义、行为、可追溯性和交换互操作性的多维对齐问题。这些看法因组织角色和参与集成的频率而异。AI 在语义结构分析和不一致性检测等分析任务上被评为高度有用，受访者主要倾向于采用带强制验证的人在回路使用方式。这些发现支持在基于 SysML 的集成中提供增强而非取代工程责任的 AI 支持。
| 评论： | IEEE ISSE 2026 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.37000 [cs.SE] |
| （或本版本使用 arXiv:2609.37000v2 [cs.SE]） | |
| https://doi.org/10.48550/arXiv.2609.37000 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.1109/ISSE70179.2026.11763078
链接到相关资源的 DOI |
提交历史
来自：Zirui Li [查看电子邮件]
[v1]
2026年9月29日星期二 08:29:19 UTC（114 KB）
[v2]
2026年11月12日星期四 08:16:45 UTC（114 KB）
来源：arXiv cs.AI · arxiv.org