Applicazione dell'approccio MBSE e sviluppo di un assistente AI nella simulazione di scenari operativi navali

Abstract

Questa tesi analizza l’applicazione del Model-Based Systems Engineering (MBSE) e dell’Intelligenza Artificiale (AI) alla rappresentazione e alla gestione di scenari operativi navali. Il lavoro affronta la necessità di strutturare informazioni operative eterogenee, migliorandone al contempo la tracciabilità, l’accessibilità e il riutilizzo. Il primo contributo consiste nella rappresentazione model-based di uno scenario di Naval Mine Warfare mediante lo Unified Architecture Framework (UAF) versione 1.3 in CATIA Magic. Le informazioni operative derivate dalla documentazione di riferimento sono state mappate nei viewpoint Strategic, Operational, Resources, Actual Resources e Parameters, stabilendo relazioni esplicite tra obiettivi di missione, comportamenti, performer, risorse tecniche, asset specifici dello scenario e informazioni quantitative. Il secondo contributo consiste nello sviluppo di un prototipo di Retrieval-Augmented Engineering Assistant a supporto dell’ingestione documentale, del question answering basato sulle fonti, dell’estrazione strutturata delle informazioni e della generazione di bozze di scenario. Il prototipo preserva le evidenze provenienti dalle fonti, evidenzia informazioni incomplete o in conflitto e applica meccanismi di validazione agli output strutturati prima dell’esportazione. I due contributi sono stati sviluppati come attività complementari ma distinte: non è stata implementata alcuna trasformazione automatica tra il modello CATIA e ASNET. I risultati mostrano il potenziale dell’MBSE e della gestione delle informazioni assistita dall’AI nel migliorare la coerenza e l’utilizzabilità della conoscenza operativa, mantenendo al contempo la validazione da parte dell’esperto umano come requisito ingegneristico fondamentale.

This thesis investigates the application of Model-Based Systems Engineering (MBSE) and Artificial Intelligence (AI) to the representation and management of naval operational scenarios. The work addresses the need to structure heterogeneous operational information while improving its traceability, accessibility and reuse. The first contribution is the model-based representation of a Naval Mine Warfare scenario using the Unified Architecture Framework (UAF) version 1.3 in CATIA Magic. Operational information derived from source documentation was mapped across the Strategic, Operational, Resources, Actual Resources and Parameters viewpoints, establishing explicit relationships among mission objectives, behaviours, performers, technical resources, scenario-specific assets and quantitative information. The second contribution is the development of a prototype Retrieval-Augmented Engineering Assistant supporting document ingestion, grounded question answering, structured information extraction and scenario-draft generation. The prototype preserves source evidence, highlights incomplete or conflicting information and applies validation mechanisms to structured outputs before export. The two contributions were developed as complementary but distinct activities: no automatic transformation between the CATIA model and ASNET was implemented. The results demonstrate the potential of MBSE and AI-assisted information management to improve the consistency and usability of operational knowledge while preserving human expert validation as a fundamental engineering requirement.