基于模型的系统工程 （MBSE） 的兴起为企业数字化转型提供了一种新的方式，通过建立准确的概念模型来管理和分析整个系统的复杂性，为组织提供了一种更高效、更精确和可持续的方式来管理和优化业务流程。
虽然数字化转型的重要性已得到广泛认可，但现实情况是，大多数组织变革都面临着这样的挑战，以至于 70% 的复杂、大规模变革项目最终无法实现其目标。 数字化转型失败可能由多种原因引起，例如员工敬业度不足、管理支持不力、跨职能协作不足以及各方责任不明确。
本文研究了企业如何通过MBSE实现数字化转型，提出了一种可行的并行化模型，在不影响企业活动正常发展的情况下实现文档数据数字化的积累，阐述了构建领域模型数据库的价值和意义，并以该模型作为唯一数据源来替代大部分文档进行知识储备和信息传递。
1 数字化转型中的并行化模式
1.1 数据建模的必要性。
传统的系统工程依赖于繁琐的文档流程，缺乏对信息进行统一配置控制的机制，导致相同的信息在不同的文档中多次出现，对变化的反应是“绰绰有余，但不够”。
图1 传统系统工程与基于模型的系统工程的比较。
如图 1 所示，业务模型通常以文本描述或流程图的形式存在，但组织工程具体实现之间的联系相对模糊，这使得在文档之间导航和跟踪变化变得困难。
传统系统工程中需求信息的提取难度特别大，相同的信息可能会多次出现，在确定需求基线的过程中存在信息丢失的问题。 传统的系统工程只有与原始需求记录的非正式链接文档，碎片化的文档信息难以集成到环境中，需求难以追溯到设计和验证层面。 资源信息传输和跟踪不对称、数据资产管理不善等问题，将导致研究者对需求信息的理解存在差异，这将大大增加不必要的工作量，从而导致产品开发周期更长、成本增加、难以适应激烈的竞争环境。
为了解决传统以文档为中心的系统工程的难点，采用基于模型的方法进行数字化转型。 MBSE提供了一种更清晰、一致、更易于理解的信息管理方式，将业务全面映射到模型中，并确保数字化转型的所有类型的信息都反映在系统设计中。 通过MBSE对领域知识和领域需求的升级和浓缩，以形式化建模的形式进行整合，提供导航和跟踪机制，实现信息配置控制，避免数据重复，减少人工操作，提高工作效率。
1.2 并行变换模型研究。
企业的数字化转型不是一蹴而就的，涉及企业结构、流程优化、文化转型等诸多方面。 即使管理层充分认识到数字化转型的紧迫性，在推动数字化战略的同时保持业务在转型期间的运行也很复杂。 在变化中，企业仍然需要提供不间断的服务来满足客户需求，并在竞争激烈的市场中保持竞争力。
并行转型模式兼顾风险管理，注重业务创新与现有业务的平衡，旨在使企业在进行数字化转型的同时保持业务稳定。 在进化生物学的术语中，基于模型的数字化转型更适合于“共生协同”的并行发展模式，即建立紧密的相互依存关系，以实现更大的合作和协同。
图 2 数字化转型中的并行化模式。
如图2所示，基于模型的数字化转型需要专业的数字化团队作为数字化转型的中继站，由数字化团队和领域专家团队共同承担。
在跨领域数字化转型中，企业多个部门委托专业数字化团队进行数字化转型，每个部门提供领域数据、领域专家和财务支持。 领域专家团队整合跨部门专业知识，重点与数字化团队合作，尤其擅长文档数据向模型数据的转化，明确领域术语的统一认知，形成通用领域知识，包括模型数据库和使用文档。 这种整体和协作的方法有助于集中使用资源，避免重复投资，并使数字团队能够更专注于制定和实施数字战略。
在单领域数字化转型中，一些组织可能难以自行推动变革，或者对数字化转型的需求不明确。 在这种情况下，可以在内部进行个人操作的小规模试点。 数字团队派遣专家在企业部门内协同工作。 该模式侧重于提高部门内部分成员的数字化思维和培养数字化能力。 试点项目取得快速成效，证明数字化可以降本增效，吸取经验教训，逐步推进数字化转型。
2 数字化转型中的模型数据库
2.1. 构建领域模型数据库。
数字化转型的主要目标是构建完整的领域模型数据库，对文档信息进行数字化和建模，涵盖数据细化、编辑、共享、存储、检索和最终归档。 通过细粒度的生命周期管理，可以跟踪和记录数据的变化，确保数据的可追溯性和完整性。
模型数据通过领域专家和数字专家的协作，从文档中提取和浓缩，符合数据-信息-知识-智慧向DIKW金字塔转变的理念。 这种构建领域模型数据库的协作方式有助于提高准确性，防止信息孤岛的产生，从而促进提取数据的综合和改进，使相关人员对模型数据的使用达成统一理解。
图 3 域模型数据库。
如图3所示，通过领域专家和建模专家的合作，根据MOF标准从文档数据中提取和浓缩模型数据，形成一个领域模型数据库，从底层数据逐渐升华到最高层次的智慧，从抽象的通用定义到具体的定制实例化。 本体的作用是描述某个领域的知识，通过构建模型与模型的对应关系，实现不同层次的知识跨领域整合，逐步建立完整的领域模型库。 在各个领域，我们可以定制领域建模语言的构建，并为建模语言用户提供指导。
2.2 基于语义的领域模型数据。
根据领域的需求，可以构建不同的领域元模型，如需求元模型、功能元模型、系统架构元模型等。 在通用模型的基础上进行扩展，根据领域特征进行设计，以及在不改变概念定义的情况下自定义实例的可行性，确保了不同阶段和不同活动之间协同工作的一致性。
数字化转型的成功实施不仅需要关注模型数据格式，还需要关注模型数据语义的建立和维护，并引入语义数据转换、比对和协调管理，以确保数据的一致性、完整性和质量。 通过语义级管理，更准确地表达和解释模型数据的含义，确保所有不同的模型数据都能被正确理解和映射到不同的模型之间。 同时，建立形式化的语义知识基石，为整个系统提供可靠的知识支撑。
为了实现这种互操作性，需要在交换格式之外定义交换的语义。 只有建立共同的语义，才能正确地进行不同模型之间的信息交换，避免因数据结构和语言句法的差异而产生的信息偏差。 语义层作为中间层，可以通过设计模型和本体模型的语义转换算法，将设计模型自动生成为本体文件，实现领域知识的本体构建和MBSE模型的语义转换。 这种基于语义的集成本体生成，不仅在数据一致性方面具有良好的优势，而且为不同领域的协作和知识整合提供了可能。
3 结论
本文提出一种基于模型的数字化转型模型，从并行转型模型和领域模型数据库进行研究，强调数字化转型团队与领域专家团队协作的重要性，构建领域模型数据库，实现复杂数据信息的精细化管理。
未来，还需要在其他方面进行进一步研究：（1）数字化转型中的风险管理和应对策略。 通过对风险识别、评估和管理的深入研究，我们帮助组织更好地规避风险并制定应对策略，以确保数字化转型的可持续性和成功。 （2）模型凝结的粒度研究。 在从文本到模型的提取过程中，不同字段对模型数据有不同的要求，所需的元素、关系和层次结构也不同，因此应根据当地情况建立更具表现力和适应性的模型数据。 （3）研究模型-语义-本体转换的标准化，制定实现各部分映射规则的通用规范和方法，促进知识共享和信息交流。
原文发表于《信息技术与标准化》2024年第1-2期 作者：电子科技大学，彭伟杰，于永斌，杨启明，向洪宇，张宇红，王湘祥。