개요
엔지니어링 시스템이 점점 더 소프트웨어 정의화되고, 연결되고, 자율적이며, 다학제적으로 변모함에 따라, 조직은 제품 수명 주기 전반에 걸쳐 요구 사항, 아키텍처, 인터페이스, 시뮬레이션, 검증 활동 및 규정 준수 의무를 관리하는 데 있어 전례 없는 과제에 직면하고 있습니다.
기존의 문서 중심 시스템 엔지니어링 접근 방식은 기계, 전기, 소프트웨어, 안전, 사이버 보안 및 운영 영역에 걸쳐 작업하는 팀 간의 일관성, 추적성, 협업 및 가시성을 유지하는 데 어려움을 겪는 경우가 많습니다.
모델 기반 시스템 엔지니어링(MBSE)은 분산된 문서를 통합된 시스템 모델로 대체하여 엔지니어링 정보의 권위 있는 원천으로 활용하는 혁신적인 방법론으로 등장했습니다. 오늘날 인공지능(AI)은 지능형 자동화, 예측 분석, 자동 추적성, 모델 생성, AI 기반 의사 결정 등을 디지털 엔지니어링 생태계 전반에 도입함으로써 MBSE를 더욱 발전시키고 있습니다.
자연어 처리(NLP) 기반 요구사항 분석부터 SysML 모델 생성, 디지털 트윈, 검증 계획 수립, 규정 준수 관리, 엔지니어링 최적화에 이르기까지, AI는 조직이 복잡한 시스템을 설계, 개발, 검증 및 유지 관리하는 방식을 근본적으로 변화시키고 있습니다. AI 기반 MBSE는 머신 러닝, NLP, 대규모 언어 모델(LLM), 생성형 AI를 시스템 엔지니어링 워크플로에 직접 통합하여 반복적인 작업을 자동화하는 동시에 엔지니어링 품질과 의사결정 능력을 향상시킵니다.
이 가이드에서는 AI가 모델 기반 시스템 엔지니어링을 어떻게 변화시키고 있는지, AI가 제공하는 이점, 주요 사용 사례, 구현 과제, 산업 응용 분야, 규정 준수 고려 사항 및 성공적인 도입을 위한 모범 사례를 살펴봅니다.
모델 기반 시스템 엔지니어링(MBSE)에서 인공지능(AI)이란 무엇일까요?
모델 기반 시스템 엔지니어링(MBSE)에서 인공지능(AI)이란 머신러닝(ML), 자연어 처리(NLP), 생성형 AI, 대규모 언어 모델(LLM), 지식 그래프, 예측 분석 등의 인공지능 기술을 MBSE 워크플로우에 통합하여 엔지니어링 활동을 자동화하고, 모델 품질을 향상시키며, 추적성을 강화하고, 의사결정 속도를 높이는 것을 의미합니다.
전통적인 MBSE는 다음과 같은 시스템 모델을 생성하고 유지하는 데 중점을 둡니다.
- 요구조건 니즈
- 아키텍처
- 인터페이스
- 행동
- 제약
- 검증 방법
- 검증 활동
AI는 다음과 같은 기능을 갖춘 지능형 엔지니어링 보조 도구 역할을 함으로써 이러한 역량을 확장합니다.
- 대량의 엔지니어링 데이터 분석
- 누락된 요구사항 감지
- 불일치 및 충돌 식별
- 시스템 모델 생성 및 개선
- 추적성 생성 자동화
- 엔지니어링 위험 예측
- 규정 준수 활동 지원
- 검증 및 유효성 검사 계획 개선
인공지능은 시스템 엔지니어를 대체하는 것이 아니라, 반복적인 작업을 자동화하여 엔지니어가 아키텍처 최적화, 트레이드오프 분석, 혁신 및 핵심적인 의사 결정에 집중할 수 있도록 함으로써 인간의 전문성을 보완합니다.
현대 MBSE에서 AI가 중요한 이유
시스템 복잡성 증가
최신 제품에는 다음이 포함됩니다:
- 수백만 줄의 소프트웨어
- 수천 개의 인터페이스
- 복잡한 사이버-물리적 상호작용
- 내장형 AI 및 자율성
- 광범위한 안전 및 사이버 보안 요구 사항
이러한 관계를 수동으로 관리하는 것은 점점 더 지속 불가능해지고 있습니다.
요구사항 폭발
대규모 항공우주, 자동차, 방위산업, 철도 및 의료기기 프로그램에는 다음과 같은 요소가 포함되는 경우가 많습니다.
- 수만 가지 요구사항
- 수천 건의 테스트 케이스
- 다중 위험 분석
- 수많은 규정 준수 의무
AI는 엔지니어들이 이러한 산출물을 자동으로 처리, 분류, 검증 및 연결할 수 있도록 해줍니다.
디지털 엔지니어링 전환
조직들이 점점 더 많이 도입하고 있는 것은 다음과 같습니다.
- 디지털 스레드
- 디지털 쌍둥이
- MBSE
- 시스템 오브 시스템즈 엔지니어링
- 디지털 엔지니어링 생태계
AI는 이러한 엔지니어링 데이터 세트를 지능적이고 검색 가능하며 실행 가능한 형태로 만들어 추가적인 가치를 창출합니다.
더욱 빨라진 개발 주기
시장 수요:
- 더 빠른 혁신
- 더 높은 품질
- 비용 절감
- 규정 준수에 대한 신뢰도 향상
AI 기반 MBSE는 자동화 및 지능형 지원을 통해 조직이 이러한 기대치를 충족할 수 있도록 지원합니다.
AI가 MBSE 라이프사이클을 지원하는 방법
요구사항 엔지니어링을 위한 AI
요구사항 엔지니어링은 MBSE 분야에서 인공지능을 활용하는 가장 가치 있는 분야 중 하나로 남아 있습니다.
과거에는 엔지니어들이 수동으로 검토했습니다.
- 요구사항 명세
- 기술 매뉴얼
- 이해관계자 의견
- 규제 표준
- 계약 문서
이 과정은 느리고 비용이 많이 들며 오류 발생 가능성이 높습니다.
자연어 처리 기반 요구사항 추출
자연어 처리를 통해 조직은 다음과 같은 작업을 자동으로 수행할 수 있습니다.
- 문서에서 요구사항을 추출합니다.
- 분류 요구사항
- 중복 식별
- 요구사항을 분류하세요
- 불일치를 감지합니다
- 모델링에 필요한 요구사항을 준비하세요
AI는 가공되지 않은 엔지니어링 정보를 구조화된 요구사항으로 변환하는 데 필요한 노력을 획기적으로 줄여줍니다.
AI 기반 요구사항 품질 분석
AI는 다음을 식별할 수 있습니다.
- 모호한 언어
- 승인 기준 누락
- 검증 불가능한 요건
- 약한 용어
- 상충되는 진술
예를 들어, AI는 다음과 같은 단어들을 표시할 수 있습니다:
- 빠른
- 신뢰할 수있는
- 능률적 인
- 사용자에게 친숙한
측정 가능하고 검증 가능한 대안을 제시합니다.
이를 통해 아키텍처 및 모델링 활동이 시작되기 전에 요구사항의 품질을 향상시킬 수 있습니다.
시스템 아키텍처 개발을 위한 AI
시스템 아키텍처는 구성 요소들이 임무 목표를 달성하기 위해 어떻게 상호 작용하는지를 정의합니다.
AI는 다음과 같은 방식으로 건축가를 지원합니다.
- 아키텍처 패턴 식별
- 설계 대안 추천
- 절충점 평가
- 종속성 충돌 감지
- 아키텍처 최적화 지원
이러한 기능은 조직이 더욱 견고하고 확장 가능한 시스템 아키텍처를 구축하는 데 도움이 됩니다.
SysML 모델 생성을 위한 AI
AI 기반 MBSE의 가장 유망한 응용 분야 중 하나는 자동 모델 생성입니다.
전통적으로 엔지니어들은 요구사항을 수동으로 다음과 같이 변환했습니다.
- 사용 사례 다이어그램
- 활동 다이어그램
- 상태 머신
- 블록 정의 다이어그램
- 내부 블록 다이어그램
이 과정은 종종 병목 현상을 일으킵니다.
생성형 AI와 LLM은 다음과 같은 기능을 수행할 수 있습니다.
- 요구사항을 SysML 다이어그램으로 변환합니다.
- 구조 모델 생성
- 행동 모델을 제시하세요
- 인터페이스 정의를 생성합니다.
- 모델 개선 사항을 권장합니다.
이는 수동 모델링 작업량을 크게 줄여줍니다.
AI 기반 SysML 코파일럿
최신 SysML AI 코파일럿을 통해 엔지니어는 다음과 같은 작업을 수행할 수 있습니다.
- 자연어를 사용하여 상호 작용하세요
- 모델을 자동으로 생성합니다
- 건축적 대안을 살펴보세요
- 모델 구조를 반복적으로 개선합니다.
엔지니어들은 도면을 그리는 데 시간을 덜 쓰고 시스템 동작 및 설계 품질 개선에 더 많은 시간을 투자합니다.
추적성 관리를 위한 AI
추적성은 시스템 엔지니어링의 성공에 필수적입니다.
조직은 다음과 같은 관계를 유지해야 합니다:
- 요구조건 니즈
- 모델
- 위험성
- 테스트
- 검증 아티팩트
- 규정 준수 증거
수동 추적은 비용이 많이 들고 오류 발생 가능성이 높습니다.
자동 추적성
AI는 자동으로 다음을 수행할 수 있습니다.
- 추적성 링크 생성
- 관계를 검증하세요
- 끊어진 사슬을 감지하세요
- 고아 유물을 식별합니다
- 숨겨진 종속성을 발견하세요
지능형 영향 분석
요구사항이 변경될 경우, AI는 즉시 다음을 식별할 수 있습니다.
- 영향을 받는 모델
- 아키텍처 구성 요소
- 검증 활동
- 테스트 케이스
- 규정 준수 증거
이는 변화 관리 효율성을 획기적으로 향상시킵니다.
검증 및 확인을 위한 AI
검증 및 유효성 검사(V&V)는 종종 상당한 엔지니어링 자원을 소모합니다.
AI는 다음과 같은 방식으로 검증 및 확인을 지원합니다.
- 검증상의 허점 파악
- 테스트 케이스 추천
- 테스트 활동 우선순위 지정
- 커버리지 분석 개선
- 결함 발생 가능성이 높은 영역 예측
이러한 기능은 테스트 효율성을 높이는 동시에 품질 위험을 줄입니다.
AI, 디지털 스레드 및 디지털 트윈
디지털 스레드는 엔지니어링 정보의 전체 수명주기를 연결합니다.
AI는 다음과 같은 방식으로 디지털 스레드 이니셔티브를 강화합니다.
- 관계 발견
- 지속적인 검증
- 영향 분석 자동화
- 도메인 간 아티팩트 연결
디지털 트윈 시스템 엔지니어링
AI 기반 디지털 트윈은 다음과 같은 요소로부터 지속적으로 학습합니다.
- 센서 데이터
- 운영 정보
- 시뮬레이션 결과
- 성능 지표
이러한 시스템은 다음을 수행할 수 있습니다.
- 실패를 예측하다
- 이상 징후 감지
- 운영 최적화
- 유지보수 계획을 개선하세요
AI는 실제 데이터를 사용하여 모델을 지속적으로 업데이트함으로써 물리적 시스템과 가상 시스템을 연결합니다.
다분야 설계 분석 및 최적화(MDAO)를 위한 AI
MDAO는 성능을 최적화하기 위해 여러 엔지니어링 영역을 통합합니다.
예는 다음과 같습니다 :
- 공기 역학
- 구조 분석
- 열 관리
- 신뢰성 엔지니어링
- 비용 최적화
AI는 다음과 같은 방식으로 MDAO를 향상시킵니다.
- 최적화 알고리즘 가속화
- 대리 모델 생성
- 더 넓은 디자인 공간 탐색
- 최적의 절충점 파악하기
조직은 엔지니어링 성과를 향상시키면서 계산 노력량을 획기적으로 줄일 수 있습니다.
MBSE에서 AI의 주요 이점
엔지니어링 생산성 향상
AI는 반복적인 엔지니어링 활동을 자동화하여 팀이 혁신과 설계 결정에 집중할 수 있도록 합니다.
향상된 모델 품질
지속적인 분석을 통해 불일치, 누락 및 충돌이 비용이 많이 드는 문제로 발전하기 전에 이를 파악할 수 있습니다.
더욱 빨라진 개발 주기
자동화는 요구사항 분석, 모델링, 추적성 관리 및 검증 계획 수립을 가속화합니다.
더 나은 엔지니어링 결정
AI 기반 인사이트는 엔지니어가 데이터 기반 분석을 사용하여 대안을 평가하는 데 도움을 줍니다.
더욱 강화된 추적성
자동화된 추적 기능은 제품 수명 주기 간의 관계가 정확하고 완전하게 유지되도록 보장합니다.
엔지니어링 위험 감소
예측 분석은 개발 초기 단계에서 잠재적인 문제를 파악합니다.
향상된 규정 준수 준비성
AI는 규제 요건에 따라 적용 범위, 추적성 및 검증 증거를 지속적으로 검증합니다.
다양한 산업 분야의 MBSE에 AI를 적용하는 방법
항공우주 및 방위산업
조직은 AI 기반 MBSE를 사용하여 다음과 같은 작업을 수행합니다.
- 핵심 시스템 관리
- 인증 준비 상태 향상
- 디지털 엔지니어링 이니셔티브를 강화합니다.
- 복잡한 아키텍처를 분석합니다
자동차 및 자율 시스템
AI 지원 분야:
- ADAS 개발
- 자율주행차 공학
- 기능 안전성 분석
- 차량 아키텍처 최적화
의료 기기
의료기기 회사들은 AI 기반 MBSE를 다음과 같은 목적으로 활용합니다.
- 위험 관리 개선
- 개발 가속화
- 설계 추적성을 유지하십시오.
- 규정 준수 지원
철도 및 교통
AI는 다음과 같은 기능을 지원합니다:
- 안전 보증
- 시스템 통합
- 변경 관리
- 검증 계획
공업 자동화
조직은 AI를 활용하여 다음과 같은 일을 합니다.
- 신뢰성 향상
- 디지털 트윈 관리
- 예측 유지 관리 활성화
- 제어 시스템 최적화
요구사항 엔지니어링, 추적성 및 디지털 스레드를 위한 AI
요구사항 엔지니어링은 MBSE 내에서 가장 가치 있는 AI 응용 분야로 남아 있습니다.
AI는 조직에 다음과 같은 도움을 줍니다.
- 대규모 요구사항 저장소를 분석합니다
- 결함 감지
- 품질 향상
- 분류 요구사항
- 영향 분석 지원
- 추적성 관련 권장 사항 생성
수천 건의 요구사항을 관리하는 프로그램의 경우, AI는 검토 작업량을 획기적으로 줄이면서 품질을 향상시킵니다.
AI는 다음과 같은 방식으로 디지털 스레드를 강화합니다.
- 자동화된 관계 탐색
- 지속적인 추적성 검증
- 지능형 내비게이션
- 도메인 간 아티팩트 연결
이러한 기능은 수동 추적이 비현실적인 대규모 엔지니어링 프로그램에 매우 중요합니다.
위험 관리 및 규정 준수를 위한 AI
안전이 중요한 산업 분야는 수많은 기준을 준수하고 있음을 입증해야 합니다.
AI는 다음과 같은 방식으로 규정 준수를 지원합니다.
- 모니터링 요구사항 적용 범위
- 규정 준수 격차 감지
- 규제 충돌 식별
- 감사 지원
- 증거 자동 수집
주요 표준은 다음과 같습니다.
- ISO 26262
- DO-178C
- ARP4754A/B
- IEC 61508
- IEC 62304
- ISO 14971
- FDA 설계 관리
- EN 50128
AI 기반 추적성 및 가시성은 감사 준비 노력을 크게 줄여줍니다.
설명 가능한 인공지능(XAI) 및 온톨로지 기반 MBSE
LLM 환각의 도전
대규모 언어 모델은 강력하지만 잘못된 결과를 생성할 수도 있습니다.
안전이 매우 중요한 산업 분야에서 환각은 다음과 같은 결과를 초래할 수 있습니다.
- 잘못된 요구사항
- 잘못된 아키텍처
- 규정 준수 위반
- 안전 위험
인증된 시스템에서는 이러한 위험을 용납할 수 없습니다.
설명 가능한 AI(XAI)
설명 가능한 AI는 다음을 보장합니다.
- 권고 사항은 투명하게 공개됩니다.
- 결정 사항은 감사 가능합니다.
- 엔지니어들은 AI의 추론 방식을 이해합니다.
- 인증 증빙 자료는 보관됩니다.
온톨로지 기반 MBSE
엔지니어링 온톨로지는 다음과 같은 기능을 제공합니다.
- 형식적 제약 조건
- 도메인별 규칙
- 규제 가드레일
- 논리적 일관성
XAI와 온톨로지는 함께 AI가 안전에 중요한 엔지니어링 환경에서 신뢰성을 유지하도록 돕습니다.
MBSE에 AI를 구현할 때의 과제
데이터 품질 문제
AI에 필요한 것:
- 정확한 요구사항
- 잘 구성된 모델
- 일관된 엔지니어링 데이터
데이터 품질이 낮으면 효과가 제한됩니다.
설명 가능성 문제
엔지니어링 관련 결정은 투명하고 감사 가능한 방식으로 이루어져야 합니다.
거버넌스 요구 사항
AI가 생성한 결과물은 사람의 검토와 검증이 필요합니다.
통합 복잡성
조직은 AI를 다음과 통합해야 합니다.
- MBSE 플랫폼
- 요구사항 도구
- ALM 시스템
- 엔지니어링 저장소
MBSE에 AI를 구현하기 위한 모범 사례
가치가 높은 사용 사례부터 시작하세요
초점 :
- 요구 사항 분석
- 추적 관리
- 검증 계획
- 영향 분석
인간 참여형 프로세스를 유지하세요
인공지능은 엔지니어링 전문 지식을 대체하는 것이 아니라 보완해야 합니다.
강력한 데이터 거버넌스 체계를 구축하십시오.
엔지니어링 데이터는 다음과 같아야 합니다.
- 정확한
- 추적 가능
- 구조화 된
- 일관된
설명 가능성을 우선시하세요
투명한 추론 과정을 제공하는 AI 솔루션을 선택하십시오.
결과를 지속적으로 측정하세요
선로:
- 요구사항 품질
- 추적성 범위
- 검증 효율성
- 결함 감소
Visure는 AI 기반 MBSE를 어떻게 지원하는가?
Visure Requirements ALM 플랫폼은 조직이 중앙 집중식 엔지니어링 환경 내에서 요구사항, 추적성, 위험, 테스트, 규정 준수 및 검증 활동을 관리할 수 있도록 지원하여 AI 기반 MBSE를 위한 강력한 기반을 제공합니다.
Visure의 AI 기반 기능은 다음과 같습니다.
- AI 기반 요구사항 분석
- 요구사항 품질 평가
- 지능형 추적성
- 영향 분석 자동화
- 위험 식별
- 규정 준수 준비 지원
Visure Quality Analyzer와 Vivia AI Assistant를 통해 엔지니어링 팀은 요구 사항을 자동으로 추출하고, INCOSE 가이드라인과 같은 업계 모범 사례에 따라 평가하고, 모호성을 식별하고, 충돌을 감지하고, 전체 수명 주기 동안 엔드 투 엔드 추적성을 유지할 수 있습니다.
조직은 다음을 수행할 수 있습니다.
- 요구사항 품질을 향상시키세요
- 추적성 강화
- 규정 준수 가속화
- 엔지니어링 협업을 개선하세요
- 디지털 엔지니어링 프로젝트를 지원합니다.
- 시스템 복잡성 증가 관리
Visure는 규제 산업에서 요구되는 가시성, 제어, 추적성 및 감사 가능성을 유지하면서 조직이 AI 기반 MBSE 워크플로우를 안전하게 배포할 수 있도록 지원합니다.
MBSE에서 AI의 미래
인공지능 기반 MBSE의 미래는 다음과 같습니다:
- 자율 엔지니어링 보조 도구
- 대화형 SysML 모델링
- 지능형 디지털 스레드
- AI 기반 디지털 트윈
- 예측 시스템 엔지니어링
- 자동화된 규정 준수 생성
- 고급 모델 최적화
- 실시간 엔지니어링 의사결정 지원
디지털 엔지니어링이 지속적으로 발전함에 따라 AI는 현대 시스템 엔지니어링 환경의 핵심 역량이 될 것입니다.
맺음말
인공지능은 요구사항 엔지니어링, 시스템 모델링, 아키텍처 개발, 추적성, 검증, 유효성 검사, 위험 관리 및 규정 준수 활동을 향상시켜 모델 기반 시스템 엔지니어링을 빠르게 변화시키고 있습니다.
시스템이 점점 더 소프트웨어 집약적이고, 상호 연결되고, 규제가 강화됨에 따라 AI는 증가하는 복잡성을 관리하는 데 필요한 지능형 자동화를 제공하는 동시에 품질, 생산성 및 의사 결정을 개선합니다.
인공지능(AI)을 강력한 거버넌스, 설명 가능성, 추적성 및 인적 감독과 결합하는 조직은 안전이 중요한 산업에서 요구되는 엄격함을 유지하면서 상당한 이점을 얻을 수 있습니다. 디지털 엔지니어링이 지속적으로 발전함에 따라 AI 기반 모델 기반 시스템 엔지니어링(MBSE)은 차세대 시스템 엔지니어링의 핵심 요소가 되어 조직이 혁신적이고 신뢰할 수 있으며 규정을 준수하고 복원력이 뛰어난 시스템을 대규모로 제공할 수 있도록 지원할 것입니다.
