[论文解读] Multidisciplinary Engineering Models: Methodology and Case Study in Spreadsheet Analytics

David Birch, Helen Liang+5 more|arXiv (Cornell University)|Jan 18, 2014

Spreadsheets and End-User Computing参考文献 8被引用 3

一句话总结

本文提出了一种方法论，用于分析和简化以电子表格实现的复杂多学科工程模型，重点针对城市可持续性中的综合资源管理（IRM）模型。通过提取相关模型片段、计算模型和跨学科指标，并进行敏感性分析，该方法降低了复杂性并提升了可用性，案例研究展示了对不断演化的IRM模型的可衡量洞察，揭示了模型结构与演化过程。

ABSTRACT

This paper demonstrates a methodology to help practitioners maximise the utility of complex multidisciplinary engineering models implemented as spreadsheets, an area presenting unique challenges. As motivation we investigate the expanding use of Integrated Resource Management(IRM) models which assess the sustainability of urban masterplan designs. IRM models reflect the inherent complexity of multidisciplinary sustainability analysis by integrating models from many disciplines. This complexity makes their use time-consuming and reduces their adoption. We present a methodology and toolkit for analysing multidisciplinary engineering models implemented as spreadsheets to alleviate such problems and increase their adoption. For a given output a relevant slice of the model is extracted, visualised and analysed by computing model and interdisciplinary metrics. A sensitivity analysis of the extracted model supports engineers in their optimisation efforts. These methods expose, manage and reduce model complexity and risk whilst giving practitioners insight into multidisciplinary model composition. We report application of the methodology to several generations of an industrial IRM model and detail the insight generated, particularly considering model evolution.

研究动机与目标

• 解决以电子表格实现的多学科工程模型中存在的高复杂性与低采用率问题。
• 提升用于城市总体规划可持续性评估的综合资源管理（IRM）模型的可用性和透明度。
• 开发一种系统化的方法，用于分析和降低工业电子表格模型中的复杂性。
• 支持工程师通过在提取的模型片段上进行有针对性的敏感性分析，优化模型行为。
• 通过基于指标的分析，提供对长期存在的多学科模型演化与构成的洞察。

提出的方法

• 提取聚焦于特定感兴趣输出的电子表格模型相关片段。
• 计算模型层面指标（例如，依赖深度、单元格数量）和跨学科指标（例如，跨学科关联），以评估复杂性。
• 可视化提取的模型片段，以改善对数据流和逻辑流程的理解。
• 对提取的片段执行敏感性分析，以识别关键输入驱动因素并优化模型行为。
• 使用工具包比较不同代次的模型，追踪随时间的结构演化。
• 迭代应用该方法论，以支持模型维护和风险降低。

实验结果

研究问题

• RQ1 如何有效衡量和可视化电子表格中多学科工程模型的复杂性？
• RQ2 哪些指标能够揭示IRM模型中关键依赖关系和跨学科交互？
• RQ3 对提取的模型片段进行敏感性分析，如何支持优化和风险管理？
• RQ4 通过结构化和基于指标的分析，以何种方式可以追踪和理解模型的演化？
• RQ5 该方法论在工业环境中在多大程度上提升了模型的可用性和采用率？

主要发现

• 该方法论通过隔离和可视化相关模型组件，成功降低了感知到的模型复杂性，提升了工程师的理解能力。
• 模型和跨学科指标提供了关于结构依赖关系和跨学科整合点的可操作洞察。
• 对提取片段的敏感性分析识别出影响关键输出的关键输入变量，实现了有针对性的优化。
• 该方法揭示了IRM模型在多个代次中的结构变化，突出了演化模式和潜在的技术债务。
• 该工具包使从业者能够更有效地管理复杂性和风险，增强了对模型在可持续性评估中应用的信心。
• 案例研究证明，该方法论提升了模型的透明度，并支持随时间推移的迭代模型改进。