数字工程发展综述及启示

2023-12-17宁伟航

导弹与航天运载技术 2023年5期

王晨，赵博，宁伟航

（北京宇航系统工程研究所，北京，100076）

0 引言

随着装备功能性能要求及系统复杂程度的不断提高，以及使用环境的不断变化，传统研制过程的线性流程以及分散的工具平台已经难以适应新的要求。为了适应新要求和不断提升装备能力，从2015 年起，美国国防部决定实施数字工程（Digital Engineering）战略，美国以及欧洲一些国家相继颁布了数字工程战略，开展了相关应用实施。总之，欧美等发达国家均认为数字工程战略的实施将成为增强工业基础、促进研制模式变革和实现敏捷采办的重要途径，也是开启第4次工业革命的关键一环［1］。

本文综述并分析了欧美等发达国家的数字工程发展战略与规划，阐述了数字工程的技术特征，对重要概念和主要软件平台工具进行了介绍，并结合中国航天领域发展特点，给出了数字工程发展建议。

1 国外数字工程发展概况

1.1 美国数字工程发展战略与规划

1.1.1 美国国防部

2018年6月，美国国防部积极部署数字工程，发布《数字工程战略》，其目的是推进数字工程在装备全寿命周期管理的应用［2］，实现美国国防部的数字转型，将采办流程的线性过程转变为动态过程，同时，将基于文档转变为基于模型，构建基于模型的数字工程生态系统［1］，完成以模型和数据为核心的转移。其中列出了数字工程五大战略目标［3］，分别是：

a）建立全生命周期模型的正式流程，提供决策参考信息；

b）建立一致的、完整的、权威的模型数据来源；

c）引入技术创新，提升工程实践能力；

d）建立一个保障基础设施的环境，能跨部门开展活动、协作和沟通；

e）塑造数字化文化氛围和提高人员素养，以适应和支持全生命周期的数字工程。

如图1 所示，美国数字工程生态系统可以分为3层，其中底层是各种各样的数据和工程知识，是权威真相源的来源。中间层是数字工程的核心能力生命层，数字线索、数字系统模型和数字孪生贯穿全生命周期数字工程活动［1］，利用技术数据和工程知识以及系统的权威数字化表达，对成本、进度、经济可承受性、风险以及风险缓解策略进行分析，支撑顶层的国防采办。

图1 数字工程生态系统Fig.1 The digital engineering ecosystem

美国国防部认为，数字工程是数字化版本的基于模型系统工程（Model-Based System Engineering，MBSE）方式，利用数字环境、数字处理、数字方法、数字工具和数字工件，实现对计划、需求、设计、分析、核实、验证、运行及维持等装备系统全寿命周期活动的支持。

1.1.2 美国空军

2009 年，美国空军提出数字线索和数字孪生概念，希望以无缝传递的模型和数据打通装备生命周期流程，在论证、研制、生产、保障等环节做出有充分依据的决策。2020年6月，美国空军进一步明确将在装备采办中全面推行数字工程方法，所有工程活动都将在共享的集成数字环境中进行。至此，美国空军已初步具备全面实施数字工程的指导框架和支撑平台［4］。

1.1.3 美国海军

2020年，美国海军和海军陆战队发布《美海军和海军陆战队数字工程战略》，总体目标是从以文件为中心转移到以数字工程为中心，并实现海军采办系统有效性、互操作性和未来升级能力的提高。其中一个目标是提供一个集成建模环境，支持所有海军和海军陆战队系统司令部在工程方法、技术流程以及模型和数据格式使用方面的合作［5］。

1.1.4 美国陆军

2021 年10 月，美国陆军发布《美国陆军数字化转型战略》，强调“建立一支数字使能、数据驱动型陆军”。主要任务是通过战略、政策、治理、监督和快速能力，推动数字化转型、创新和改革。3 项主要目标包括：a）现代化与战备，通过数字化转型推动建立一支数字赋能、数据驱动型陆军；b）改革，优化数字化投资，使之更加符合任务要求；c）人员与伙伴关系，与盟友、工业界和学术界建立强有力的合作关系网，形成高技术水平和高效的数字化劳动力。

1.1.5 美国太空军

2021年5月，美国太空军发布《美太空军数字军种愿景》，明确了数字化建设的重要性［1］，需要利用信息和数据加速开发、部署联合太空能力；需采用现代技术和方法开展大规模的文化和技术变革，成为真正的数字军种。指出了数字化太空军目标，即一种互联化、创新式、数字化主导的部队，以创新式、数字化、互联化为方向，明确了重点关注的数字作战、数字总部、数字队伍、数字工程等几个方面［6-7］。

1.2 欧洲数字工程战略与规划

2017 年3 月，英国发布了《英国数字战略》，该战略详细设定了明确途径以帮助英国在启动并推进数字化业务、使用新型技术或者实施先进技术研究方面占据优势地位。2021年5月，英国国防部发布了《国防数据战略——构建数字主干，释放国防数据的力量》，明确了英军未来数字能力建设的详细计划［8］。

2020 年2 月，欧盟发布了《塑造欧洲数字未来》，阐述了数字化转型的战略、理念和行动，以成为全球数字化领导者为目标，大力发展数字化技术，将数字技术作为社会前进驱动力［9］。该战略文件涵盖了从网络安全到关键基础设施、数字教育到技能、民主到媒体的所有内容。同时，作为实现数字战略的重要行动，发布了《欧洲数据战略》和《人工智能白皮书》。

2021年3月，欧盟发布了《2030数字罗盘：欧盟数字十年战略》，为欧盟数字化发展提供战略建议。报告指出，欧盟的数字化发展落后于美国和中国，欧盟应该积极引导企业开展数字化转型，提高数字化基础能力建设投资，大力培养数字化人才队伍，实现公共服务的数字化，最终实现欧洲的数字化转型［7］。

2 数字工程技术特征

2.1 相关概念

以美国数字工程战略为例，其中包括4个核心概念：权威真相源、数字线索、数字孪生、数字系统模型［10］。数字系统模型、数字线索和数字孪生是纵向贯穿数字工程生态系统的纽带［11］，提供了端到端集成、权威、系统全寿命周期的数字表示［1］。

2.1.1 权威真相源

权威真相源起源于1997 年波音提出的单一数据源概念，2016年美国国防部将其改为权威真相源。权威真相源是项目所有技术数据以及各类模型的中央数据库，存储的信息来自项目所有相关工程组织的分布式数据源，包括需求、设计、制造、试验、供应链、使用、维护等模型和数据的权威版本。“权威”即完整性、有效性、一致性、及时性和精确性，代表真相源的质量，权威版本的模型和数据是经所有利益相关方决策后确定的［12］。

2.1.2 数字系统模型

数字系统模型是一个树状结构的模型体系，是对一个装备系统的数字化表达，由所有相关方生成，集成了权威的数据、信息、分析算法和系统工程流程，面向系统生命周期的各项活动，定义系统的所有方面。数字系统模型为相关方提供一个分类结构模板，即什么类型的数据应该在整个生命周期考虑，以模型、数据和文档等多种视图来支撑决策。

2.1.3 数字线索

2009 年，空军在F-35 研制中提出数字线索概念。数字线索是一套具有复杂层级的分析框。它无缝利用“数据信息知识”系统中的权威技术数据、软件、信息和知识并强化其可控交互，基于数字系统模型模板，提供访问、集成离散数据并转化为可执行信息的能力，同时可扩展和可配置，在一个系统的全生命周期做出有充分依据的决策［13］。

数字线索是依托数字基础设施和工具建立的沟通框架，可将历史的与当前的数据、信息和知识集成到各层级、各领域模型中整体分析，使项目所有相关工程组织通过集成研制中的数据与知识，完成各专业的交互与分析工作，动态地进行项目管理、产品功能性能及存在风险预示等方面的综合分析评估，在保护知识产权的同时使知识重用最优化［14-16］。

2.1.4 数字孪生

数字孪生被广泛认可的定义是对集成多物理领域、多维度、多尺度和多分辨率的仿真过程，通过数字线索的赋能，在高逼真度模型、传感器实时数据以及输入信息的基础上，在虚拟世界以镜像和预测的方式刻画真实物理系统全生命周期过程［2］。

可描述并模拟真实系统的在相应环境条件下的特性、属性、行为与功能等要素，并通过虚实交互、人工智能、信息融合、模型校正、迭代优化等技术手段，可实时地对真实物理系统功能性能的评估优化、趋势预测与智能决策等，从而实现真实物理系统的能力提升与功能扩展［2，16-18］。

2.2 软件平台

美国数字工程的核心支撑是通用的软件平台系统。其中两个重要系统是计算机研究工程采办工具与环境项目（Computational Research Engineering Acquisiton Tools and Environments，CREATE）和工程弹性系统（Engineered Resilient Systems，ERS）［19］。

2.2.1 计算研究和工程采办工具与环境项目

CREATE是美军高性能计算现代化计划中的一个子项目，致力于开发和部署基于物理特性的高性能计算软件，通过高逼真度虚拟样机的构建和优化，支撑将“设计—实物试验—迭代”的开发过程，转变为“设计—仿真分析—迭代”的新范式。

CREATE 主要针对概念设计和工程开发。CREATE 每个子项目都有两类软件产品：第1 类是概念研发工具，利用快速但保真度较低的工具来生成概念设计方案并分析其可行性和性能；第2类是高保真度的系统性能精确预测工具。其主要子项目如表1 所示［20-21］。

表1 CREATE子项目及其对应软件Tab.1 The CREATE sub projects and their corresponding software

利用CREATE工具，可在研发阶段构建虚拟原型样机并分析性能，补充物理试验数据。对于新系统的概念设计，可以用基于物理特性的设计方案来取代现有设计的经验推断，从而通过基于物理特性的分析来快速探索权衡空间，评估设计方案的可行性［21］；对于详细设计，用虚拟样机的高保真度分析来取代物理试验的故障数据，以此来准确预测虚拟样机的性能。工具分析提供了及时的决策数据，能够及早识别设计缺陷和性能不足，在加工制造之前解决设计问题，并尽量减少由返工导致的进度拖期和成本增长问题。

CREATE 产品于2016 年开始实现商用，截至目前，包括美军各军种、国防机构、工业部门以及大学等超过180个组织正在使用CREATE软件评估80多个国防部武器系统和平台。未来，面向高超声速、联合多任务旋翼机技术演示、改进型涡轮发动机项目、服役寿命预测等具体研发项目，CREATE项目还将继续开发和改进。

2.2.2 工程弹性系统

工程弹性系统是美国国防部应对不确定性增长的任务和环境而提出的未来国防系统发展战略，对复杂系统的工程实践与系统弹性理论都带来新的挑战。工程弹性系统是一个用于多方案分析的云平台，实现了基于高性能计算的工具集成，具备需求生成、备选方案分析、虚拟样机建模与评估等功能，支撑做出更好的采办决策。“弹性”可以理解为在一系列背景环境中都是可靠和有效的，可通过重新配置和替换来适应许多新任务，功能降级是可预测的。面对采办需求，ERS具有开放性、通用性和良好的拓展性，同时具有交互共享和多人协同的功能。将用户的任务要求、需求及工具集成到通用框架下，对多个装备方案进行择优比选，在全生命周期内开展各类采办活动，支撑弹性工程的实施［22-23］。

CREATE 软件和工程弹性系统及人工智能相结合，可以快速生成海量总体方案，并完成分析。工程弹性系统概念框架如图2所示［22］。

图2 ERS弹性的概念框架Fig.2 The conceptual framework of the ERS elasticity

3 航天产品研制的数字工程发展建议

结合上述分析，对于航天产品研制而言，数字工程实质是发展数字化的生产力，将数字化转型赋能产品研制工作，其定义为：面向产品研制的数字化集成方法，融合大数据技术、人工智能、软件工程等相关技术，在产品研制全生命周期利用统一的数据管理系统作为模型和数据源，研制队伍在专业工具的基础上持续建立、应用并完善数字样机模型和数据，充分开展数字空间的产品论证、设计、制造、试验、应用及保障等活动，实现数字产品与实物产品的同步交付应用，实现研制工作的提质增效。与此同时，不断积累模型、数据、知识、工具、系统、标准、制度及相关基础设施，持续提升组织整体的研制能力［24］。

a）转变思想，深刻理解建立数字思维模式。

在组织层面和个人层面均应建立数字化思维模式，数字化转型的首要条件是意识层面，应深刻认识到数字化技术是目前研制模式转型的重要生产力，是第4次工业革命的源动力。从组织层面来说，各职能部门应考虑现有科研生产业务和流程的数字模型，开展业务流程建模，将业务活动尽可能搬到线上，进而开展业务流程重构与优化，在此过程中形成并汇聚研制业务的模型和数据，保证业务过程中数据流转的准确和高效。从个人层面来说，首先应考虑在业务过程中“需要”“产生”“积累”哪些模型与数据，是否符合相关标准与制度要求，是否可以用模型与数据来优化、取代现有文件和软件系统。

b）模型为本，全面融合基于模型系统工程。

在实施层面，应与现有基于模型的系统工程（MBSE）全面融合。目前产品研制应用MBSE 技术，在全生命周期以模型作为设计协同与仿真验证的载体。模型与数据也是数字工程的核心要素。首先应在技术上以及管理上打通跨阶段、跨专业之间模型链路，搭建支撑模型共享、集成的统一协同研发环境，建设统一的技术标准，建立基于模型的设计要求传递、审查、技术状态控制的管理制度。同时，应提高建模与仿真的水平，充分利用已有工程经验、知识和数据，结合大数据、人工智能、机器学习、模型校核验证与确认，不断提升模型的准确度和置信度。这些模型既包括参数类、机械、电气、软件、工艺制造等环节或专业的设计结果，也包括推理、计算、分析和验证的过程。

c）集成创新，打造数字工程协同研发环境。

在技术层面，应建立以产品研制全生命周期数据管理系统为代表的一系列协同研发环境。通过PLM和试验数据管理系统等数据管理平台实现模型和数据的技术状态管理。具备与各种计算机辅助设计、分析工具集成的能力。具备从用户研制总要求到总体方案、分系统设计、单机设计、生产制造、试验验证、应用保障的模型关联追溯能力。具备从试验方案到具体试验实施的数据采存管用能力。具备研发流程、知识和经验的集成与共享能力。具备与研制主业务相融合的计划、质量、经费、资源等管控能力。具备与产品、人员、财务、物资等主题数据库的主数据、元数据集成能力。具备与制造现场、试验现场甚至用户现场的业务协同能力。

d）自主可控，研制航天特色工业软件体系。

在能力层面，应组织开发面向各专业的设计工具，形成国产工业软件。依托当前大量产品论证、研制的工程实践，封装各专业经试验验证过的设计经验、算法以及模型和数据，一方面在设计阶段快速生成多个方案，快速比对评价并确认方案，高效准确地分析系统的功能和性能，另一方面在状态鉴定阶段通过数字试验设计，开展大规模试验仿真，对产品性能进行摸边探底。国产工业软件架构设计方面，需兼顾云计算功能，既可在单机运行，也可在云容器中开展自动化的部署和运行，满足今后大规模协同研发与并行计算的需求。

e）夯实基础，实现航天强国建设。

在基础层面，一是建立匹配科研生产模式的数据治理体系，按照业务领域、产品、专业等不同维度实现数据的分级分类管理，实现产品、人、财、物等基础主数据的统一管理，实现各类元数据的规范建模与管理，实现各类科研数据的汇聚、清洗、分析、应用与综合呈现，实现从数字化、网络化到智能化的转变。二是建立健全符合科研生产模式的制度与规范，研究从文档协同到模型协同过渡的技术状态管理规范；研究针对模型和数据的标准，包括建模与仿真、交换与集成、校核验证与确认、管理与应用、鉴定与保障等，研究模型数据确权、知识产权保护以及促进知识共享的制度机制，多方协同建设用于产品论证、审价、立项、转段、鉴定、应用的数字模型规范。三是围绕数字工程实施过程，规划、梳理，优化、调整相关业务管理部门的职责和流程，以基于模型的系统工程研制模式转型带动形成基于模型的企业组织变革［25］。