近年，企业持续加大数字化转型的投资，数据科学在系统工程和数字制造领域将得到大量的应用。数字化变革为复杂系统、产品研发和制造提供了巨大的潜力和创新机会，但前提是我们能够处理产品或系统的巨大数据集。在此，杰为软件将结合数据科学与数字线程的相关性，与您一起探索Digital Thread的实现方法。
Digital Thread是一个被广泛使用的术语，不同的企业有不同的理解。杰为软件利用Digital Thread构建一个“统一的联邦语义网络模型”，通过创建、维护和分析不同工具和系统中模型元素之间的语义，表示驻留在多个存储库和数据库中的模型和数据，如图1所示。每个领域的存储库都包含Artifact和Relationship，可将其称为intra-model connections，同时包含Properties。这些数据通常由各领域工程师(如：SE、ME、EE等)在专业的工具和系统中创建、管理和使用。Digital Thread通过更细颗粒度的机制(如：Graph Mining等)建立领域间模型和数据的语义关系，我们将其称为inter-model connections。所有这些Artifact、intra-model、intra-model 、Property连接在一起，组成E2E的语义网络，即Digital Thread。
(图一 数字主线结构)
我们可以为Digital Thread提出一些关键特性:
Digital Thread无缝的整合跨学科、组织和存储库；
数据实时开放，帮助工程师完成任务，允许监控、审查和记录E2E模型和数据；
持续跟踪模型和数据演变，多分支记录历史，支持变型配置；
安全可靠，防止未经授权访问；
可扩展，数据科学驱动智能数据服务；
数据科学是新一代统计学和计算机科学的发展方向。本质上，它是一种从数据中提取知识的系统方法。我们将其分为多个阶段实现，数据科学家从收集数据开始，包含静态或流式数据，结构化或非结构化，嘈杂或良好的数据；其次，数据科学家应该关心数据如何存储、存储在哪里以及如何归档；同时必须检查数据的差异和差距、错误和异常，只有这样，数据科学家才能从基本指标、聚合和维度缩减开始统计分析。一旦数据被重新组织，数据科学家就可以开始询问和回答实际问题，甚至数据科学通过算法、深度学习可以回答没有想象过的问题。
(图二 数据科学与系统工程的相关性)
如何将图2数据科学映射到数字工程和数字制造中？
Digital Thread首先收集领域模型和数据集，如：需求模型、模拟和测试结果；以及专业存储库(MBSE、CAD、PLM、ALM等)的模型和数据。数字化变革过程中，企业还需要在存储库之间实现数据流动，甚至要完成模型转换。基于此，我们可以开始使用这些数据，通过可视化、溯源、语义探索和推理技术，帮助工程师找到有用的信息和知识。也可应用更高级的数据科学手段，如：趋势分析、优化、图挖掘、ML等工具来感知信息和知识，驱动工程师创新。这是系统工程的未来，提取构建系统的深层知识。
本文共分为5个部分，在接下的文章中我们将继续探索杰为软件Digital Thread的观点和技术——“创建一个统一的联邦语义网络模型，并将其扩展到数字工程&数字制造涉及的工具和存储库中”。
关注下期技术探索专辑，更多杰为Digital Thread产品和相关技术。
