数字化转型中的仿真体系建设③ | 仿真体系建设的要素、原则与关键问题
以下文章来源于Ansys ，作者袁勇
关于仿真体系如何综合地建设，这里需要了解一个更简化的体系模型。之前，我们在谈论仿真的时候，第一步可能想的是我该买什么软件，我该买什么硬件？但是我觉得这个事应该是第二位的，应该在第二位才考虑选用什么工具。因为我们首先需要分析我们要做什么仿真，这些仿真它用到哪些模型，这些模型会形成什么样的数据？这些模型在整个生命周期里面是怎么演化的？仿真如果要想用的好，精度该怎么提升？这些数据该怎么管理？因为从模型变成数据，这是要一个过程的，而这些数据需要好好利用起来，需要做更好的积累。
第二步是基于这样的分析，我们再去考虑该选什么样的工具，每个工具之间是不是能够连接起来？工具连接起来之后，才能形成一个合力，达到一加一大于二的效果。另外一个要考虑的，就是我们既然用了工具，那是不是应该把它们用得更好？是不是用自动化的方式去替代以前人在大量地做的一些机械性的、重复性的工作？这就是所谓的通过定制化和自动化来提高我们仿真的效率。然后还有一个问题，就是要把硬件跟软件给调配好，好马也得配好鞍。怎么样用得更好？这个就是你真正的把他们给用起来。
除了模型数据和工具流程，仿真体系还有一个更为重要的因素，就是我们要考虑人的能力，因为最终用软件生成数据的，是各个团队的工程师，还有工程师的管理者们。我们需要把人才梯队做一个重要的衡量的指标，什么样的人做什么样的仿真，它对人的要求是什么样的，他的水平是否达到，将来要往上怎么提升，最终形成企业的仿真人才梯队，并且这个梯队的水平是要持续不断地提高的。还有一个很重要的就是，我们现在的企业规模，不光光是自己要做得比较好，还希望跟其他兄弟单位、上下游进行合作。从仿真层面而言，我们大家将来沟通的语言不再是文档，而是用仿真模型来进行互动，这是比较理想的一个方式。因为模型里面蕴含了更多的这些信息，而文档报告已经是做了一个切片，只是看到某一个维度。别的人拿到模型，他会发现更多的东西。这就是我们要进行一个基于仿真的协作的方式。
前面从这三个层面的分析了仿真体系建设的要素，最终我们要做的最重要的事情，就是通过这一系列的完善，形成各种各样的仿真的最佳实践，这个才是我们企业真正的财富。企业的财富不是买的仿真工具，工具放那儿不用，会浪费；也不是说我们积累的大量的模型，模型你不好好利用，也没有多大的价值。而是把这些充分的去利用起来，形成真正对于我们企业最有用的，仿真的最佳实践。对于解决企业面临的各种问题，这样仿真从是最好的，尽管它不一定是最完美的，但一定是当下最好的，而这也是我们ANSYS公司的使命，我们就是希望通过ANSYS提供的无处不在仿真，帮助我们的用户去设计并交付具有变革意义的产品，这样就把我们和各位用户能够紧密的联合起来。
讲完了仿真体系的三要素，其实背后还有一个重要的原则，就是“数字的连续性”。我们既然要构建数字化世界，要建立各种各样的模型，要把他们充分的利用起来，就是希望在产品的整个生命周期，产品的整个设计流程里面，把各种各样的模型更好地连接起来。这个连接分为三个维度，第一个就是多物理场的连接，就是在不同的物理场之间能够相互的交互，这是底层做详细设计的时候，用到最多的。第二个连接就是从部件到系统的连接，我们需要把各学科、各部件的模型跟系统形成多学科的连接。第三个连接就是把虚拟世界跟物理世界连接起来，这就是我们前面提到的Digital Twin的连接这，就是当我们仿真做的很好了，有很完备的数字样机的时候，再跟物理世界去做一个关联，让它们之间去相互校验。因为有的东西是物理世界能够获得的容易获得的，有的是数字世界擅长做的，把这两个世界充分结合起来去相互促进，这才是最佳的效果。
所以我们构建仿真体系有几个要素：模型数据、工具流程、以及人员团队，还有一个原则就是数字连续性。
1. 仿真体系建设中需要着重应对的几个问题
我们在选择工具的时候，就要分析我们要做哪些仿真场景，需要用到哪些工具，这些工具之间能不能够联系，这是一个基础，下面就几个典型的需要连接的场景展开分析。
a) 部件到系统的多层级仿真
第一个要连接和连续的就是部件到系统。如果你一个总体设计单位，你会用到大量的自己做的不同部门的模型，也会用到来自不同供应商的模型，那么他们的模型能不能够给你用，这是一个很核心的问题。拿一个例子来说，大家现在很关注电磁兼容，遇到用户问我们电磁兼容这样的问题，我们都会觉得这个问题需要好好的做一个研究，因为电磁兼容里面的各种分析，都需要考虑干扰源，需要考虑被干扰的物体，需要考虑它们之间的耦合路径，这些被称之为电磁兼容的三要素。对于仿真，这里面最最关键的就是你的干扰源，你的被干扰物体怎么建模，而这就需要模型。假设有一架飞机，里面有各种各样的部件和系统，那如果你要想做整机的电磁兼容，那么你就需要有各种各样的模型，这些模型从哪儿来，这些模型的表征方式是什么样，是理想的功能模型，还是特别全面的、全部考虑的带着误差等等这些因素的精细模型，还是实验室实测的数据？这些都是值得考量的。如果你是一个部件的供应商，你会可能需要考虑，我的上级单位或者总机厂，他需要我提供什么样的模型，才能够让他把我的产品给用好。因为只有他能用得好，我下次才可能继续给他供货。如果他觉得另外一家给的模型质量比你的好，他就会选择另外一家。这就是很实际的一个考量，不管是站在总体单位，还是站在分系统单位，其实这个之间都是需要来考虑的。部件到系统，它们之间是如何连接的？在每一个环节里面大家都是共同体，没有谁是能断开的，因为你那块儿做不好，你在上下游之间就是割裂了。
b) 多物理场耦合仿真
另一个是多物理场之间的连接。通常在做多物理场仿真的时候，会涉及到很多个部门。假设我是做电设计的工程师，我要跟做热的部门工程师连接，此外做结构的需要我手头的这些仿真数据。传统的研发流程中并没有把这些人员和数据之间连接起来，实际上ANSYS软件已经能做的比较好，热工程师可以直接把PCB的电磁场模型拿过来做热的分析，热的分析之后，结构工程师可以直接可以去做热应力的形变，在这个形变分析过程里面还能考虑将疲劳等等这些效应考虑进去，这个就是比较完整的仿真。但是说实话，在很多的单位里面，他们之间是很难做到这样流畅的，工程师不会把这个模型给另一个人，更不用说，如果这是跨地域，跨组织的这样的一个系统，难度也会更大。除了多物理场耦合外，我们在做一些设计的时候，要在很多层面进行一个综合的考量，因为我们的一些设计参数，并不仅仅对我自己部门有影响，而且对另外一个部门也可能会有影响，那我们两个部门之间怎么样能坐下来，一起来大家心平气和的去讨论，你这里怎么样做一个妥协，我这块怎么样做妥协，使得整体性能达到最优，这个就需要去实现多物理层面的优化。它不再是单一部门的事情，而是需要多个部门来协同。
c) 多学科联合仿真
还有一个就是多学科之间的一个联合，我们需要把软件、硬件，硬件里面的电、热、结构很全面地连接起来，形成一个系统，这个里面其实跟前面的部件到系统有相近的地方，但也有不一样的地方，我们从另外一个维度，站在我们整个研发流程的角度来看，在每个阶段会有不同的模型，因为一开始我的模型相对比较理想、也相对简单，然后逐步地细化，形成了很复杂的物理场的模型，这些模型包含了更多的细节，但这些包含了更多细节的模型如果要拿过来在系统仿真中用的话，难度其实是很大的，主要包含的这么几个难度。第一个是知识产权，我这里面隐含了很多很多的设计不愿意给别人看。第二个难度，就是我这个模型很大，包含结果有几个GB，你拿过去怎么用呢？特别复杂。如果你要改一下重新算，可能要三五天。除此之外，对系统仿真而言，一个系统里面模型种类特别复杂，有很多很多的不同的建模方式，有的地方是用这样的标准，有的地方是那样的标准，它是一个很典型的多学科的问题，我们如果在系统层面要把这些全部结合起来，如果再加上嵌入式软件的话，它会更加的复杂，这就要涉及到多学科的联合仿真。简单而言，就是在多学科里面，如果我们需要把生命周期里面不同阶段的、不同学科的模型，要真正的能够联合起来，就必须站在多学科系统虚拟集成这个维度去考虑，而不是简简单单的说能连起来就行。另外，连起来的同一学科或部件模型，它也会存在不同的保真度。不同的模型，都是对这个物理世界的一个描述。什么样的阶段用什么模型，这是我们要根据实际情况来进行考量的。我们后面有专题会重点地讲多物理场和多学科仿真，详细讲述在这些仿真中如何去把这些模型之间的互通做好。
d）仿真数据与流程管理
当我们做了大量的仿真之后，就需要软件工具把这些模型数据更好地管理起来，而这些模型之间是在我们设计流程里面的，它有相应的产生过程，每个过程之间的都有一个连接点，那么相应的责任人是谁，这些都需要有效的管理。这也是我们今天这个这场研讨会的一个重磅的主角——仿真管理的平台。后面会有非常详细的讲解，我这里同样地不展开讲了。简单来说，就是需要在管理的层面，把很多的仿真的事情做得更加的好，体现仿真体系应该有的价值。
e) 仿真人才梯队建设
最后，还有一个事情是值得考量的，就是用仿真的人。你会发现现在可能会用的人不少，但是用得好的不多。除了用得好的不多之外，还有大量的还没有用仿真的人，就是我们数量庞大的设计工程师。他们目前在做的更多的事情是绘制CAD图形，而他会把这个图形交给做仿真的人来分析，因此仿真工程师也被称为分析工程师。这些分析工程师，他们的压力会很大，因为一个仿真通常要花费很长的时间。如果这些设计工程师也用上仿真，会不会对整个研发流程带来很大的改善呢？因为他们的基数远远比做会熟练掌握仿真的人多得多。所以我们也有需要在这个维度来考量这个事情，这就是ANSYS另外一个叫做Discovery Live的产品在做的事情。
Discovery Live就是在设计过程中做实时的仿真，只要你画好模型，立刻出结果。如果你对模型做一点点修正，它会实时地更新结果。这类工具的出现是有颠覆性的意义。首先在技术上的实现了实时的仿真，这里要强调的一点是，它的出现并不意味着我们要取代传统的那些强大的仿真求解器。举个例子，它就像我们现在人人手上都有的手机，用它来拍照，每个人都很容易的掌握，一个小孩儿也能够拿手机拍张很漂亮的照片。但是如果你要想拍得好，还是得用更专业的相机，并由更专业的人来做这个事儿。Discovery Live这个工具就是像这样，人人都可以用仿真，但是我们做好了之后就还需要有一些过程让专家去做，这个里面并不意味着是替代，它是一个改善。在传统流程里面，当设计师做好了模型，要让专家去仿真，再等等好了再改，改好再等，不停的去循环这个过程，它迭代次数是很有限的。因为我们的精力跟时间是很有限的，而有了这样工具之后，在设计师那边，他会做快速的很多次的迭代，去筛选出比较理想的模型。这些模型已经缩减到比较好的一个状态了，再让那些仿真的专业人员，去做更好的一个验证和确认。这样的事情做完之后，我们的效果会比以前大很多倍，而且达到的一个最终设计产品的创新度也会高很多。因为所有人都在参与这个创新，而不再是那几个人在做的事情，那省下来的时间去做什么呢？就是让更好的、更多的人用好仿真，这就是设计仿真专家该做的事情。
仿真专家的价值并不简单是对仿真软件操作的熟练，他更多的是对工程的理解，对仿真本身的理解，他应该把他的经验真正地固化下来，把研发里面很多很多的流程去优化，很多很多的数据的价值去挖掘出来，形成各种各样的APP，我们企业将来也会需要有这样的一个APP Store，在这个里面去把做好的仿真变成更多人可以熟练上手使用的APP。我不再担心我对仿真软件的操作熟练度，也不用去深究这个边界是什么意思？这样的网格剖分究竟意味着什么？我只需要按照仿真专家定制好了这样的规范来去做就可以了。这其实才是仿真专家真正应该做的事情，去定制APP、定义流程，去做大量的仿真最佳实践的积累，而这些积累对于企业来说意味着更高的价值。
2. 结束语
如果企业要想面对下一代产品的新挑战，我们就需要真正的把仿真体系里三个重要要素进行全方位地考虑，去考虑应该如何去梳理仿真需求，去选择每一款工具，把这些工具用好，去做多物理场、多学科的联合仿真。而这些仿真是面向整个生命周期的。在工具背后，我们还需要做大量的管理的工作，需要从企业能力提升的角度去把我们的仿真流程、仿真数据、还有仿真各种自动化去真正做好。这就是我们需要有一个比较完善的一个管理平台和支撑环境，这是必不可少的。另外，我们需要一个比较良好的部署环境。最终把这些全部结合起来，构建属于企业的仿真体系，去推动企业的数字化变革。
今天，现场来了很多企业的领导，数字化转型可能是在座各位的一项工作内容，需要各位领导在顶层去做协调，这是打通仿真体系的最重要的一个保障。因为会发现部件模型之间、工具之间、人之间的协作，需要打通壁垒，这个其实是比前面讲到工具更难做到的一件事情。我们跟很多企业打交道的时候，这一块可能最后大家会花精力更多，会影响整个仿真体系建设效果的一个最重要的方面。如果做好了，这样仿真体系就能够做到这样一些事情：首先能够构建很完善的数字样机；其次具有一个非常好的一个协作式的仿真环境，去做流程数据的管理，从桌面到云端都有比较好的操作的方式；最后还包括可扩展的生态环境，我们跟业务伙伴形成了一个网络，我们不再是单一的，因为我们需要进行各种各样的交流。例如我们自己能做出很好的工业APP，也可以把高校里面的资源，学术界的研究，还有社会上专业人士的一些经验积累起来，形成一个海纳百川的状态，最终也可以做成工业APP。
如果想要做成这样的仿真体系，我们建议分阶段来实施。首先做相应的仿真能力评估，当评估完成之后，我们就清楚了现在的成熟度状态，也清楚了将来的目标是怎么样的，每一期的实施的要点应该是什么，再一步一步地去实施搭建。
今天也非常希望能和到场的各位专家进行讨论，希望借此机会倾听各行各业的诉求，了解各家企业的想法，我们一起来把这个事情做好。因为在仿真这样大的一个体系里面，我们ANSYS作为一个供应商，而各位是真正的是使用这些仿真的主体。我们是希望把应该承担的责任承担好，同时跟各位去做很好的互动，真正地把中国企业的研发实力推向一个新的高度，谢谢大家！
