让MBSE更易上手：Benjamin W. Stirgwolt谈CATIA Magic、生产力与AI
对于开发复杂航空航天与国防系统的组织而言，基于模型的系统工程（MBSE）能够将需求、架构、接口、行为等工程信息整合到一个连通的环境中。但采用MBSE并非选个工具、建个模型那么简单——组织还需要实施策略、清晰的目标，以及工程师能高效使用的工具。
Benjamin W. Stirgwolt曾担任Belcan公司基于模型的系统工程总监，与航空航天和国防客户在整个工程生命周期中合作。自2017年接触MBSE以来，他专注于帮助组织理解模型如何支撑工程工作，以及CATIA Magic产品组合如何让这一方法更易落地。
在Ben看来，MBSE的价值在于将工程信息连通在一处。下一步是让这些信息真正实用，而越来越多的情况下，是利用AI帮助工程师从中获取更多价值。
连通的模型改变工程师查找信息的方式
Ben眼中MBSE的核心理念很直接：工程师需要知道，当他们需要系统信息时该去哪里找。
复杂工程项目会产生大量关于需求、接口、架构和系统行为的信息。通过MBSE，这些元素可以在模型中表示，各部分之间通过关系连接。工程师不再需要在分散的数据源中搜索来回答问题，而是可以直接查询模型。
当系统演进时，这一点尤为重要。需求变更、新功能引入、工程团队不得不修改现有设计——连通的模型提供了一种方式，来理解这些变更如何影响架构和系统的其他部分。
正如Ben所解释的，模型提供了一个场所，团队不仅能理解系统长什么样，还能理解其不同元素之间如何关联。对于从事复杂系统的组织而言，这种连通的信息是MBSE价值主张的关键组成部分。
从路线图开始，而非从技术开始
对于对MBSE感兴趣的客户，Ben遇到的首要问题往往不是技术层面的。组织可能知道自己需要MBSE，看过演示，也理解这种方法能带来价值——但仍然不清楚从哪里入手。
他的建议是先做实施规划。在创建模型或追求高级功能之前，组织需要明确要达成什么、定义目标、确定合理的时间线，并理解项目所需的预算。
这很重要，因为MBSE实施是一个渐进的过程。Ben指出，组织容易被演示中看起来很炫的高级仿真或其他功能吸引，直接跳过去做那些。但在有效的实施路线图中，那些活动可能要到很后面才出现。
起点更基础：定义目标、建立商业案例、确定成功的采用应该是什么样。这种方法也让组织能够将MBSE投资与具体的业务和工程目标联系起来，而不是把技术当作一个孤立的项目。
为什么CATIA Magic的用户体验很重要
Belcan及其许多客户使用CATIA Magic产品组合来做MBSE。在Ben看来，这些工具的一个显著特点是对可用性的重视。
他在2017年接触MBSE时第一次遇到CATIA Magic，并表示该产品组合自那以后受欢迎程度大幅提升。但他强调的不只是采用数字，而是工程师使用软件的体验。
Ben特别提到CATIA Magic直观的组织方式和用户界面。在他看来，以用户为中心的体验设计能够解决MBSE采用的一个实际障碍：建模工具太难、太复杂的印象。
当组织试图让更多工程师进入MBSE工作流时，这一点尤为关键。如果软件本身造成了不必要的摩擦，团队可能把精力花在学工具上，而不是应用系统工程实践。
Ben还提到2026版CATIA Magic的方向，称其对用户体验的关注是降低这些障碍的重要一环。对他而言，可用性不只是软件偏好——它能影响工程师是否愿意、是否能够采用基于模型的工作方式。
CATIA Magic作为生产力环境
Ben从客户那里听到最明确的收益是生产力。
这种生产力来自将模型作为工程信息的核心来源。一旦模型包含了相关元素及其关系，工程师就有了一个一致的地方来查找答案。关于接口的问题可以回到模型，关于需求或系统行为的问题也一样。
这改变了模型的角色——从工程师创建的东西，变成他们在工程工作中主动使用的东西。因此，生产力提升并非CATIA Magic的某个单一功能，而是基于模型的工作方式与允许工程师访问和处理这些信息的工具相结合的结果。
对于工程师经常需要在大量互联的系统信息中导航的项目，拥有一个公认的"唯一真相来源"可以减少查找答案的时间，将精力转向工程决策。
将AI引入CATIA Magic工作流
Ben认为AI是CATIA Magic这类MBSE工具的自然下一步。
Belcan一直在探索AI如何应用于这一领域，目标是辅助系统工程师而非取代他们。重点是利用AI加速那些目前需要大量人工的活动。
一个例子是需求分析。AI助手可以帮助审查需求，识别它们的写法是否符合预期的需求实践，还可以帮助发现潜在的缺口，比如缺失的需求或架构元素。
另一个机会是模型查询。工程师可以使用AI与模型中包含的信息交互，更快地获取指标或其他有用的洞察，而不是手动执行某些查询或分析。
这为AI在MBSE中创造了不同的角色。AI不是取代模型或工程师，而是可以成为一个额外的接口，工程师通过它来处理模型。在Ben看来，这正是AI与MBSE结合变得特别有趣的地方：利用自动化和自然语言交互，提升基于模型的工程已经实现的生产力。
从模型创建到更快的工程决策
Ben描述的更广泛机会，不只是更快地创建模型，而是缩短从工程信息到工程行动的路径。
连通的MBSE模型为团队提供了系统的结构化表示。CATIA Magic提供了开发和管理这些信息的环境。AI可以增加另一层，帮助工程师更快地审查、查询和分析信息。
这种组合可以支持组织试图更快地推进产品开发同时控制成本的目标。重要的区别在于，AI在这个工作流中仍然是助手。Ben明确将其角色定位为支持系统工程师审查信息、识别潜在缺口、生成指标和加速模型查询。
在这种视角下，MBSE的未来不是把工程师从流程中移除，而是减少工程师花在可以被技术辅助的任务上的时间，让他们有更多时间进行工程判断和决策。
注：达索系统正在迅速扩展开箱即用的企业级AI能力，覆盖上述及其他用例。
迈向下一代MBSE的实践路径
Ben的观点汇集了MBSE挑战的三个不同部分。首先，组织需要清晰的实施策略，而不是直接跳到高级功能。其次，工程师需要足够易用的工具来支持规模化采用。第三，AI等新兴技术可以扩展工程师利用模型中已有信息的能力。
CATIA Magic处于Belcan及其许多客户工作流的中心。它的角色不仅是提供建模环境，更是给工程师一个实用的场所来创建、连接和处理系统信息。随着AI越来越多地集成到工程工具中，机会在于在此基础上，让工程师更容易地与模型交互、识别信息缺口、提取有用洞察，而不增加不必要的人工工作。
结语
对Ben而言，成功的MBSE始于清晰的实施策略，继之以工程师真正能用的工具。CATIA Magic提供建模环境，而AI提供了加速分析和与模型交互的新方式。方向很明确：让连通的工程信息更易用，让工程师有更多时间专注于工程决策。
👉观看完整视频请点击此处
常见问题
为什么Ben认为MBSE很重要？
他认为MBSE是将需求、接口、架构、行为和其他系统信息带入连通模型的一种方式。这给工程师提供了一个查询信息和理解变更如何影响系统的中心场所。
Ben建议组织在实施MBSE之前做什么？
他建议先建立路线图。组织应定义目标、设定目标、确定现实的时间线，并在进入更高级的MBSE活动之前理解预算和商业主张。
为什么Ben重视CATIA Magic产品组合？
他强调其用户体验，包括直观的界面和组织方式。他认为关注可用性可以帮助消除那些可能认为MBSE工具太复杂的工程师的障碍。
CATIA Magic如何提升工程生产力？
根据Ben的说法，生产力来自拥有一个工程师可以用作唯一真相来源的连通模型。工程师不再需要在不同来源中搜索，而是可以回到模型获取关于需求、接口和系统行为的信息。
AI如何在CATIA Magic中支持MBSE？
Ben将AI视为系统工程师的助手。他指出的潜在应用包括审查需求、识别缺失的需求或架构元素、生成指标以及更快地查询模型。
作者：Saulius PAVALKIS，CATIA网络系统行业流程专家总监，隶属于CATIA Cyber Systems EE&F AMERICA组织。
来源：达索系统官方博客
