​数字主线

数字主线主要实现型号研制方案及详细设计内的核心业务数据贯通和数据可追溯，支撑方案设计、详细设计、工艺设计、生产制造、总装集成测试、在轨测试与维护等业务过程数据链路贯通；

面向未来，规划涵盖方案设计、详细设计、工艺设计、生产制造、总装集成测试、在轨测试与维护全业务过程的数据链路贯通方案；立足当下，着重实现型号研制全生命周期内的核心业务数据贯通和数据可追溯。

业务挑战

随着科学技术的快速发展，航天器研制任务数量大幅增加，性能指标要求不断提高，系统的复杂性日益增加，给航天器的研制带来了非常严峻的挑战，传统的以文档为核心的系统工程方法已经无法有效满足航天器的研制需求，基于模型的系统工程（Model Based Systems Engineering，MBSE）已经成为后续航天器的重要研制方式。然而，在基于MBSE进行航天器正向研制时，从需求分析、系统设计、详细设计等各个阶段均会产生大量的数据，且各阶段的数据之间存在繁杂的关联关系，如何有效管控MBSE中的数据且为后续研制过程提供有效支撑成为航天器研制中亟需解决的关键问题。

因此，非常有必要利用数字主线（Digital Thread，DT）技术，以业务为核心对航天器MBSE研制过程中的数据进行解耦、重构和复用，建立各阶段数据之间的全链条关联关系，并与下游的工艺、制造、服务阶段的数据进行对接，最终构建贯穿航天器全生命周期的数字链条，形成唯一的、权威的数据真相源，以便有效支撑基于MBSE的航天器研制过程中的数据管控，进而提升航天器的研制效率和质量。

解决方案

数字主线是一个可扩展、可配置的企业级分析框架，基于数字系统模型的模板，无缝地加速企业数据——信息——知识系统中权威数据、信息和知识的相互作用，通过提供访问、集成不同数据，并将其转换为可操作信息的能力，来为决策者提供产品全生命周期的信息。

通过提供访问、集成不同领域数据，并将其转换为可操作信息的能力，通过对分散在产品研制过程中各阶段的数据进行解耦和重构，打通贯穿产品全生命周期的数据链路。数字主线在横向上可覆盖需求、设计、制造、测试、运维全过程，在纵向上可贯穿架构、机械、电子多个专业领域，通过对虚、实数据的整合，形成完整的复杂装备系统的全局唯一真相源、数据综合视图和整个价值链的数字织锦，跨越传统的孤立功能视角来管理和追溯整个复杂装备系统的生命周期过程。

总之，数字主线将设计、生产和运行等全生命周期各阶段的数据汇集在一起，实现全生命周期及整个价值链的反馈，通过数字主线可以追溯到产品设计的早期阶段，并将丰富的数据传播到生产、运行和维护过程中，从而为设计、制造、装配、供应、维护和运营等全生命周期和价值链的各个利益相关者创造一个完整、可信的决策环境。

航天器数字主线解决方案基本思路

航天器数字主线构建过程中应考虑主体架构和数据要素两个方面，主体架构指关联研制过程、专业领域、项目管理等方面节点对象的集合与次序，数据要素指节点对应的模型、参数等虚、实数据。

在主体架构方面，航天器数字主线应关联需求分析、方案设计、详细设计、产品制造、总装集成、系统测试、在轨运行全过程，并关联架构、机械、能源、信息、热控等全部专业领域，同时关联项目计划、产品保证、物资、供应商等管理活动，航天器数字主线主体架构并不是常规的从需求（Requirement）——功能(Function)——逻辑(Logical)——物理(Physical)——工艺(Plan)——制造(Process)——资源(Resource)一条线的概念。如果将航天器在基于系统工程研制过程产生的各领域数据视为结构化的树形数据，数字主线就是在航天器研制数据“森林”里构建网络。

在数据要素方面，包含对应活动的节点产生的模型、涉及的参数，以及实测数据等。如需求分析节点包括需求条目、图形化需求架构和运行方案模型等；系统设计节点包括系统逻辑组成、各分系统接口、分系统动态行为等模型；系统验证节点包括机械、能源、信息等专业功能性能模型；专业仿真节点包括空间环境、电磁兼容、力热分析、可靠性安全性等模型。将数字主线作为一个综合通信框架，对主体架构、数据要素进行组织和管理，即可建立航天器研制的系统整合数据视图，实现对所有链接数据的关联、管理和追溯。

基于上述描述，可以从构建和应用两个维度去设计航天数字主线。构建维度注重于构建数字主线的数据底盘，通过读取各型、各阶段、各领域产品设计、制造、运维的当前有效数据，按照业务逻辑构建数据索引，并将业务过程中的业务逻辑以模型化的形式展现出来，构成业务数据关系网。

应用维度注重对数字主线的业务应用支撑，面向特定业务需要，提供目标领域的可信数据；面向特定业务分析目的，提取关联领域的可信数据及数据关系，借助必要的数据分析方法，得出隐藏在业务数据背后的结论，辅助进行业务决策。

业务价值

• 提升“系统设计-产品设计-工艺设计-产品生产-交付”全链路效率与决策精准度

• 降低全生命周期成本

• 研发周期压缩

• 运维成本优化

• 敏捷响应市场