EWB ProfessionalとAccuris Threadを活用してMBSEワークフローに人工知能（AI）を導入する方法
エンジニアリングチームがモデルベースシステムズエンジニアリング（MBSE）やデジタルエンジニアリングへと移行する中、新たな段階が見え始めています。それが、製品ライフサイクル全体のMBSEワークフローに人工知能（AI）を統合する取り組みです。新たに提唱されたAI拡張MBSE成熟度モデルは、現在の能力を評価し、より高度な自動化や意思決定支援へと進むための道筋を示す有用な枠組みとなっています。
モデルベースシステムズエンジニアリング（MBSE）は、従来の文書中心の手法からデジタルモデルへと移行しながら、エンジニアリングプロセスにおける情報、フィードバック、要件をやり取りするための主要な手段となっています。
この成熟度の段階を高めていくために、Engineering Workbench ProfessionalおよびAccuris Threadは、手作業中心の運用からAI支援型のシステムズエンジニアリングへ移行するために必要な知識、オートメーション、AI活用ツールを提供します。
複雑システム向けAI拡張MBSE成熟度モデルの理解
モデルベースシステムズエンジニアリングにおけるAI支援成熟度モデル（ZWF, De Gruyter 2024）では、MBSEにおけるAI統合の進展度を6つのレベルで定義しています。
- レベル0: 手動MBSE– AI支援のない従来型ワークフロー。
- レベル1：AI支援エンジニアリング – 技術ワークフローを支援するために使用される汎用AI機能
- レベル2：専任エンジニアリングコパイロット– AI技術とコパイロットが、特定の開発タスクの自動化を通じてエンジニアを支援します。
- レベル3：AI統合による継続的エンジニアリング – AIコパイロットにより、開発プロセス全体を自動化できます。
- レベル4：AI主導のエンジニアリング – AIアシスタントがチームの一員としてエンジニアと連携し、人間の専門家が開発の方針策定と全体調整を担います。
- レベル5：自律型AIエンジニアリング – AIアシスタントがエンジニアリングプロセス全体にわたり、戦略とタスクの主導・計画・実行を担い、モデルの開発・検証・進化を自律的に進めます。
多くの組織はレベル0からレベル2の範囲で運用しています。これらを超えて進むには、AI支援型エンジニアリングとスケーラブルな自動化に対応したデジタル基盤が必要です。
MBSEの成熟度を高めるには、さまざまなプロセスの効率化と自動化を進めることが重要です。これにより、生産性が向上し、手作業の負担も軽減されます。
システムエンジニアリングにおけるEngineering Workbench ProfessionalによるMBSE成熟度の向上
EWB Professionalは、チームが手動から半自動のMBSEへ移行するのを支援する基盤機能を提供します：
- Engineering Knowledge Management（エンジニアリング知識管理）：EWBは、検証済みのエンジニアリング規格、規制、コード、仕様、特許、技術参考資料を一元化し、これまで整理されていなかったデータをデジタル化して集約することで、エンジニアリング業務の高度化を支援します。
- AIを活用した検索：機械学習、自然言語処理、セマンティック検索などの人工知能技術により、システムやプロジェクトに不可欠な規格や技術情報の調査・開発・分析を迅速に開始できます。
- Automated Engineering Workflows（エンジニアリング業務の自動化）：組み込みツールにより、規格内容が変更された際の自動通知、文書の改訂版同士をAIで自動比較する機能などを通じて、コンプライアンス管理、影響分析、変更管理を支援します。
- 標準規格コンテンツをMBSEツールに統合：標準規格コンテンツからモデリングプラットフォームへの直接接続により、技術的知見をシステムモデルにシームレスに統合できます。
これらの機能は、システムエンジニアリングの自動化を支援し、手作業の負担を大幅に削減します。これは、AI拡張モデルにおける成熟度レベル2およびレベル3の主要な特性です。
Accuris ThreadによるAI拡張MBSEの実現
Accuris Thread は、MBSE 成熟度の中核を成す要素である要件管理において、AI を活用した改善に焦点を当てています。
- 自動要件抽出：文書から要件を特定・定義し、手作業による再作業を一切行わずに自動的に抽出します。
- 自然言語理解：自然言語処理を活用し、AIによる意味解析により、要件の自動タグ付け、分類、メタデータの付与を行います。
- インテリジェントなトレーサビリティ：要件、モデル、システム、監査やコンプライアンス報告書などの重要な文書間に、AIで支援された動的なデジタルスレッドを構築します。
- MBSEアプリケーションとの連携 – 抽出された要件を他のモデルベースツールやシステムに直接接続できます。
これらの機能により、Accuris ThreadはエンジニアリングチームがAIで拡張されたMBSEワークフロー（成熟度レベル3および4）へと移行することを可能にし、将来の自律型システムズエンジニアリングに向けた基盤を築きます。
なぜ今、MBSEにおける人工知能が重要なのでしょうか
MBSE（モデルベースシステム工学）への AI 活用は、将来のビジョンではなく、現在の必須事項です。品質やコンプライアンスを維持しながらより迅速にイノベーションを実現するプレッシャーにより、組織は MBSE ツールや AI、モデリング・シミュレーション・解析を自動化するデジタルスレッドソリューションの導入を進めています。シミュレーションは、システムの性能や挙動を検証し、設計が要件を満たし、意図どおりに機能することを確認するうえで重要な役割を果たします。
EWB ProfessionalとAccuris Threadを組み合わせることで、以下のことが可能になります：
- 複雑なシステム全体にわたる情報の連携
- サイクル時間の短縮
- リスク低減、手戻り削減
- デジタルエンジニアリングの目標に沿ったスケーラブルなAI統合
- システム工学におけるトレーサビリティと協働の強化
これらのツールはAIを活用し、エンジニアリングと意思決定の効率性を向上させ、リスクを低減し、市場投入までの時間を短縮します。
最後に：デジタルシステム、モデリング、設計におけるAIの進展
MBSE 戦略に AI をどう組み込むか検討する際は、まず AI-Augmented MBSE Maturity Model を使って現在の状況をベンチマークしてみましょう。続いて、EWB Professional や Accuris Thread などのツールをチームに導入すれば、アシスト型ワークフローからインテリジェントな自動化まで、各段階での取り組みを加速できます。
AI技術を活用することで、Model-Based Systems Engineering（MBSE）は、システム、プロセス、モデル、設計において効率性と有効性を大きく高めることができます。機械学習アルゴリズムは大量のデータを分析し、分析の最適化や要件の自動抽出を可能にします。また、要件、性能データ、フィードバックを基にシステムモデルを生成・改良することで、モデリングやシミュレーションの精度向上にも貢献します。
適切なツールを導入することで、エンジニアリング組織は MBSE を単なる手作業の取り組みから、知的で柔軟に適応するプロセスへと変えることができます。これは、現代のデジタルエンジニアリングの要求や、AI がもたらす可能性にも対応できるものです。
