1. 问各位老师好，我想了解下，现在PHM建模的准确性是怎么保证的？现在市场上有很多软件开发公司，但模型是否有效不知如何保证？

答：主要通过“数据收集-模型设计-验证方法”三个方面确保模型的准确性：

(1) 设备监测数据收集方面：确保所收集的传感器数据能够覆盖设备的主要故障模式和运行工况，样本数量和质量满足模型设计开发与验证要求。故障数据来源最好是设备的实际运行数据（通常获取难度大）；如果没有，则需通过设备仿真模型或试验台的故障注入获取。

(2) 诊断预测模型设计方面：通常集成多种不同类型诊断预测模型，以给出较为准确的结果。模型选择和设计方面，设计人员针对数据特点和所解决的诊断预测任务，进行定制化的设计分析，重点设计模型的泛化、抗噪等能力。

(3) 模型验证方法方面：通过设计相对完善的模型性能量化评价指标体系，以全方位、系统化的评估不同模型的性能。主要指标包括：成功检测率、误报率、准确度、稳定性、平均故障检测时间、工况敏感度、噪声敏感度、总体置信度，预测覆盖率，预测准确度，预测精度，预测及时性，预测灵敏度等。

1. 王教授的报告信息量很大，很成体系，非常感谢。王教授后面也专门提到关于可靠性数据的问题，请问王教授，目前的可靠性工作中，应该如何在可靠性数据有限或者缺失的条件下开展有成效的研究工作？

答：该情景下，可针对产品特点，结合可靠性系统工程三条管控线索开展可靠性工作。（1）着重应用可靠性定性准则贯彻与符合性检查，以及故障闭环消减控制这两条线索。尽可能利用已有可靠性经验，并正向明确产品的功能保持需求，然后在功能、物理和逻辑模型演化过程中，尽力消除产品潜在故障模式或控制其影响；（2）针对定量线索，可应用小子样数据评估方法或故障物理仿真进行可靠性评价，或在可控成本下开展相应实物试验或仿真试验等可靠性工作；（3）进一步健全可靠性数据机制，持续收集、补充或完善可靠性数据，包括使用数据、故障数据、试验数据、相似产品数据等，这一过程中除了自建数据机制外，也可注意多方联合，如加入中国版(政府-工业界数据交换计划GIDIEP)。（4）此外，可靠性知识图谱、人工智能、大数据等新技术也是未来解决上述问题的有效手段。

1. 第四代可靠性理论目前是以一个软件平台为载体还是一系列技术的结合？

答：现阶段可靠性理论呈现了从概率统计到失效物理再到两者融合的发展趋势，但目前学术界还没有形成公认的可靠性理论分代。

本报告中提及的为第四代功能、性能与六性设计平台（基于模型的可靠性系统工程平台），它第四代产品研发平台（知识设计、模型化设计平台）为背景进行设计、研发和技术攻关。软件平台本身是一系列模型驱动的可靠性设计分析评价技术与软件技术的结合，也是这些模型驱动的可靠性新技术和部分传统可靠性技术落地的重要载体。

1. 请问王教授，关于可靠性溯源，您有什么好的思路或者建议？

答：(1)开展基于模型的可靠性系统工程（MBRSE），MBRSE强调建立以故障为中心的模型，并与产品功能性能模型形成统一的模型体系。所有可靠性工作均在统一模型的演化和推送过程中完成，从而保证可靠性工作的可追溯性。需要强调的是，传统基于可靠性工作计划和以文档为中心的可靠性工作模式也有一定溯源性，但效果较弱。(2) 引入可靠性数字孪生，可靠性数字孪生可记录产品设计中的可靠性相关信息，也可以在运维期不断累积故障、维护等可靠性相关状态，从而充分保证溯源性。(3)此外，从计量角度来看，可靠性的定量参数以概率性指标为主，难以直接计量，因此不具备传统意义上的计量溯源性，但可靠性定量指标的形成过程在MBRSE中是可记录和追溯的。

1. 基于模型系统工程如何应对美国对国内基础CAE软件的禁运？

答：基于模型的系统工程由理念、方法和一系列软件工具构成。具体的软件包括MBSE建模框架， CAD、CAE以及咱们的可靠性设计分析软件等。

目前这些软件工具的优势供应商不仅包括美国，也包括欧洲，因此一方面国家可从宏观层面进行一定的协调与管控，应对美国禁运带来的不利影响。此外，据我们了解，上述软件绝大部分已有自主可控的国产软件进行功能替代。当然，现有国内软件工具可能在能力上与国际先进水平还有一定差距，但我们更应在国家的支持下克服困难，不断提升国产软件的能力，直至最终替代国外版。

1. 关于系统建模部分，使用的是什么模型，什么工具？到可靠性部分，使用的工具是？里面还提到联合仿真，用的是什么仿真平台呢？

答：系统建模以系统建模语言为基础，主要涉及需求模型、功能模型和逻辑模型。目前主流建模工具包括国际上的IBM Rational Rhapsody，达索的3DEXPERIENCE（前Magic Draw）。国内华望的M-Design，苏州同元的Myworks也可以实现类似工作。可靠性部分我们使用自己设计研发的工具平台：Grams，新一代Grams建立了以故障为核心的统一模型，可有机融入基于模型的系统工程过程。关于联合仿真作为一门技术，市场上还缺少普适平台，一般是针对特定问题和对象，如多物理场、多学科、连续与离散的混杂系统等进行专门研究或定制开发。

1. 各位老师好，我想请教3个问题：1、如何将mbse与可靠性管理结合？；2、mbse一般采用sysml建模，这样我们现在的可靠性框图、fta模型、cad仿真模型有什么关系？3、能进一步阐述下数字孪生同基于模型的可靠性系统工程的关系和发展前景吗？

答：

7-1，可靠性系统工程是技术与管理相融合方法，既关注运用系统工程思想解决可靠性问题，也关注可靠性工作融入系统工程过程，按我们提出的正向设计和模型驱动的可靠性系统工程，各六性相关工作可基于以故障为中心的模型体系来完成，并有机融入系统工程的需求、功能、逻辑、物理的模型演化过程。

7-2，可以基于SysML构建以故障为核心的可靠性模型体系，可与传统的可靠性框图、FMEA、FTA模型建立映射关系，目前已实现自动生成。MBSE本身的逻辑模型、物理模型就可以与CAD模型对接，可靠性也可以在这一体系下正常发挥作用。

7-3，可靠性数字孪生是MBRSE的重要组成部分和新发展，MBRSE过程可为可靠性数字孪生提供模型和数据基础，支撑生成可靠性数字孪生交付物。可靠性数字孪生用于运维期，具备实时的运维数据反馈接口能力和各类模型演化预测能力，是MBRSE持续发挥作用的重要载体。综合来看，可靠性数字孪生横跨设计与使用两个阶段，一方面革新了可靠性工作在研制结束后的交付物形式，另一方面为可靠性工作从基于统计模式到基于个体模式提供支撑，可实现基于产品个体故障/健康状态的精确化保障。

1. 如何将人工智能与基于模型的可靠性系统工程想结合？主要问题和关键技术有哪些？

答：基于模型的可靠性系统工程（MBRSE）作为产品研发的重要组成部分，已开始应用人工智能技术并正在积极引入更多有效的人工智能方法。一方面，MBRSE可为人工智能技术应用提供重要的模型和数据基础；另一方面，人工智能技术的应用又赋予MBRSE新的生机和活力（如解决新的问题、提供新的方法等）

现阶段MBRSE在智能化故障预测和诊断算法等方面进展较大，同时在产品研制要求的智能化分解与论证，产品研制过程的智能化知识推送、故障消减、方案优化或优选等，以及产品运维中的智能化维修决策等方面也已开展了初步探索。这些方面是人工智能技术在MBRSE中应用的重点，但应该意识到人工智能不能完全替代人进行设计，重点是利用已有知识及其再推理将人从一部分设计工作中解放出来，因此关键是要保证方法的可行性与可信性。

1. 关于可靠性物理仿真，需要建立完善的复杂电子系统失效模式库和模型参数库，有哪些资源可以协助构建此仿真能力。还有新型工艺或封装类型等引入，多种失效模式涌现，如何进行有效地失效模型构建？

答：开展可靠性物理仿真的基础是各类产品（如机械零部件、电子元器件等）的故障物理模型，所需相关模型和数据的积累是必要前提和基础。这些模型和数据也是开展MBRSE的重要基础。建议可以结合本单位的产品对象领域和失效模式/机理等不断积累相关模型和数据，同时应注意对细粒度的参数数据进行收集和入库，如自动化生产/装配设备可以采集的产品工艺参数、各类试验/测试获取的产品材料、性能相关参数等。新器件、新工艺等的不断发展也要求我们不断的开展基础研究，研究故障机理、建立故障物理模型，进而不断扩充用于可靠性物理仿真的基础模型库。对于多模式耦合、系统级故障物理仿真等，则建议采取数据驱动与物理模型融合的方法来构建可靠性仿真模型。

1. 问基于模型的系统工程，模型如何建立？是物理模型还是逻辑模型？与第三方的建模工具，如doors、AmeSim可以交互么？

答：基于模型的系统工程（MBSE），其模型主要围绕产品从需求到实现的过程，基于SysML语言和框架完成各模型体系构建，主要包括需求、功能、逻辑和物理等模型。现阶段在功能性能部分，已有相对成熟的解决方案和软件工具，如IBM Rational Rhapsody，达索的3DEXPERIENCE，这些工具本身可以与Doors、AmeSim交互。

现阶段，SysML语言仍不断发展，2.0版本中对可靠性已有一定考虑。我们在MBSE理念下开发了基于模型的可靠性系统工程的相关软件工具Garms，具有自主知识产权，具备与其他相关MBSE工具对接的能力。

1. 问目前轨道交通行业还是用MTBF来考核产品可靠性，而且是产品质保期出保的硬性指标，但因为数据量不够可能造成很难达标，这种情况该怎么处理？

答：轨道交通行业产品类型较多，同时也大量投放市场，如果存在数据量不达标情况，我们理解是部分具有长寿命特征的产品。为验证其可靠性水平，建议采用如下方式：(1)可采用小子样评估（含充分利用各类数据的变母体、变环境等技术；(2）补充部分可靠性试验；（3）建立基于故障物理的可靠性模型；（4）自建或联合建立可靠性数据收集和重用机制，多渠道全方位搜集使用、故障、维护、试验、工程案例、相似产品等相关数据。

1. 请问一下，装备系统实物和虚拟验证中如何保证验证结果的可信度呢？比如试验的样本应如何确定？

答：实物验证仍是装备系统验证的不可或缺因素，但鉴于部分产品由于时间/费用成本或技术难度等因素所导致的样机实物不可测量、不易测量等情况，可引入虚拟验证。

为保证可信性，整体思路是尽可能保证虚拟验证/实物验证在产品真实使用中的运行环境、工作条件以及物理规律方面的一致性，也就是尽可能实现与真实系统在实际环境下的行为等价。

对于虚拟验证，还要注意开展模型的校核与验证（V&V）。只有经过充分V&V的虚拟验证可以一定程度上替代实物验证，从而增加整体验证的可行性。举例来说，如通过实际测试得到的载荷响应结果与仿真结果进行比对分析和模型修正。需要注意的这种V&V是分层级的，只有局部模型可信度提高，才能保证整体模型的可信度。

实物验证中，对于较低层次产品/单元，根据验证内容不同，并考虑时间、经济成本等来确定样本(量)，样本量可尽量大些以获得较高的置信度。对于较高层次产品/系统，一般而言，样本量较小，应尽量利用多源数据/信息融合进行综合评估与验证，以获取较高的“可信度”。

对于虚拟验证，其优势就是不存在样本量的困难，可以根据需求开展足够次数的虚拟验证。