CAE仿真软件发展趋势
CAE仿真软件一直在不断发展，一些重要的发展趋势值得国内CAE软件公司参考。如果在锂电池领域开发国产自主的CAE仿真软件，除了具备前文中所提到的需要将前沿电化学理论参数化表达，如果进一步形成系统的代码以及开发相应的仿真软件，依然需要符合CAE软件开发的一般规律，开发出来的软件产品需要具备比肩甚至超越国外CAE软件的性能。下面先就CAE软件的产品模块和功能特点进行分析。
功能和架构：
从大的方面来说，CAE软件通常是综合了数学、物理、电化学等多学科理论基础、计算机科学、工程应用实践三方面的知识。对于现实客观世界的建模通常依靠物理、电化学等基础学科理论，深入理解描述物理、电化学等过程的原理理论。原理理论的开拓通常需要无数数学家、物理学家、化学家以及科研工作者持续的探索和归纳，不断提出对客观规律更为精准的描述方法。电化学过程目前普遍采用Newman提出的伪二维模型来描述，遵循电荷守恒和物料守恒。流体仿真中描述流动的底层物理规律是动量、质量守恒，其中N-S方程被用来描述动量守恒过程，连续性方程描述质量守恒。每一种物理场都可以用若干模型和方程来描述，当涉及到多个物理场时，还要建立耦合模型，构成偏微分方程组再进行求解。这些现实客观世界的建模所设立的方程通常为偏微分方程，从这一点来说，偏微分方程是人类用来描述客观世界的工具，而CAE仿真软件就是要通过计算机科学技术来实现对客观世界的建模、求解、结果展示以及优化设计。CAE软件从产品角度来看有三个重要的组成部分，分别是前处理器、求解器和后处理器。后处理器用于展示CAE求解结果，这里通常运用计算机图形学技术来开发。CAE软件的核心在于对现实现象的精准建模以及实现高保真度的数值模拟求解。CAE软件的仿真质量和数值模拟的质量直接相关。数值模拟计算一般分为三个环节：网格离散（网格划分）、边界条件设定和求解过程本身。数值模拟求解的核心在于网格离散和数值算法，因此前处理器中的网格划分模块和求解器是CAE软件中最为关键的两个部分。首先，数值计算需要输入高质量的网格数据，否则就会是“garbage in, garbage out”，网格剖分的好坏直接决定了仿真质量的高低，因此网格生成的算法技术非常重要。而且网格生成的密度还要结合实际工程应用场景，平衡计算精度和计算效率。目前实际仿真场景中前处理仍主要依靠人工处理，处理时间较长，往往40%左右的时间都花在网格处理上面。目前业界主要通过自适应网格加密划分技术和AI来提高前处理中网格划分的效率。求解器的开发实际上是运用C /Fortran等语言将数值计算方法编写成软件程序，求解过程就是求解程序在硬件上运行，求解的对象是基于网格数据生成的大规模线性方程组。求解器的鲁棒性和收敛性至关重要，计算求解如果很容易发散，得不到收敛的结果，那么开发出来的仿真软件市场反响就不会很好。目前很多数值计算方法已经相对成熟，比如有限元法、有限体积法等，这些也都是现有商业软件广泛应用的数值方法。而面对电池领域尚未得到很好解答的一些问题，比如涉及到介观尺度方面的仿真模拟问题，就可以运用一些相对新兴的数值解法如LBM、SPH等，这在前文中已详细介绍过。另一方面，实际仿真过程的计算时间有可能长达几天甚至几个月，仿真工程师都希望仿真的速度能够进一步提升。目前业界在通过降阶模型（ROM）和高性能计算等技术来缓解“仿真计算速度焦虑”。简要总结一下，自主开发的CAE软件需要具备的功能特点：- 前处理器：支持生成多种网格类型（四面体、六面体等等），易用性好，划分速度快；图形界面操作方便，交互页面简单易懂、方便工程师快速设置求解模型的多种边界条件。
- 求解器：收敛性和稳定性，不容易发散；计算速度快、计算精度高，误差小
- 后处理器：图形引擎稳定性高，可生成各种后处理图形和动画，可视化效果
除了软件产品需要具备上述功能特点，技术支持团队要能提供高质量的仿真应用支持服务，要保证仿真软件应用效果和用户应用体验，以此保障交付和订单的可持续性，特别是在工业仿真软件也在向SaaS转变的趋势下。要搭建完善的客户交付体系，在用户培训、软件试用以及技术支持的各个环节都要能快速响应、解决问题。
多物理场耦合、多尺度仿真
仿真已经从单一物理场仿真演进为多物理场耦合仿真，考虑两种或多种物理场的交叉作用和相互耦合，多物理场耦合仿真会涉及到模型交互、几何网格匹配、求解等多种挑战。以电池为例，就涉及到物理、电化学、流体、机械结构、电磁兼容等诸多物理场。未来仿真不仅仅是多物理场耦合，也将会是从材料到系统层次覆盖多尺度的，和前述我们分析电池仿真类似的还有半导体仿真，半导体器件仿真也在将器件性能与材料特性联系起来，系统研究材料、几何形状以及工艺的变化将如何影响器件的电学性能，以此优化器件设计。应用材料公司在2021年提出Materials to Systems Co-Optimization，希望实现从材料到系统的多尺度协同优化，以此确定最佳工艺路线和参数（覆盖前道、中道及后道中多个工艺环节）。国外工业软件大厂也在多尺度仿真上早有动作，2014年达索收购acclrys，现更名为BIOVIA，BIOVIA主要侧重生物科学。2020年西门子收购了计算化学公司Culgi，Culgi软件可以提供量子化学和分子模拟功能。
全流程协同
仿真是企业研发的重要一环，除了提供高效的仿真分析，仿真软件还要提供仿真流程与数据管理平台，有效管理海量的、不同类型的仿真文档和数据，建立分析文档与产品模型的对应关系，帮助企业建立专有的仿真知识库和流程规范，提高对仿真知识、流程的可复用程度。研发不仅仅是仿真。研发过程中仿真-测试共同产生的海量数据蕴藏着重要价值，因此工业仿真软件不仅仅要沉淀工艺经验知识的仿真数据，还需要沉淀研发管理、设计仿真的数据管理经验，将设计-仿真-测试全流程标准化。仿真软件除了要提供杰出的仿真技术为设计提供指导依据外，还可以深入研发测试环节，提供仿真-测试的综合服务。比如西门子2012年收购的比利时LMS公司，就是一家可以为汽车企业客户提供NVH方面综合的仿真-测试解决方案。LMS提供了测试所需要的软硬件产品，其中就包括测试数据管理系统，可以最大限度地减少客户处理测试数据和创建报告所花费的时间，帮助客户提高整个组织的协作效率。研发数据管理问题对于电池企业愈发凸显，由于电池研发本身是一个复杂工程，研发过程中会产生的TB级以上的数据量，如何有效地管理这些研发测试数据，为数据分析和引入AI算法做好基础工作，是目前电池及电池材料企业研发管理需要解决的一个重要问题。目前多数电池及电池材料企业仍然主要以纸质或者借助简单的Excel表格存储管理研发数据。少数头部企业通过上线研发试验管理系统来提高研发数据管理水平，保证测试数据的可追溯性和可重用性。在部分电池企业，这类管理系统会覆盖电池常规测试、电池表征测试、电池失效分析等方面。少数材料企业希望以此实现材料包覆、预锂预镁等工艺的研发测试管理数字化。电池及材料企业都希望借此提高研发效率、降低研发运营成本[29]。仿真软件还可以增加与测试数据的对比以获得更好的工程洞察力。比如西门子的Teamcenter就包括创建虚拟传感器的技术，客户可以在难以放置真实传感器的区域获取数据，Teamcenter内置的数据管理软件可以汇聚企业测试得到的真实数据和仿真数据。通过将设计、仿真和测试数据汇集在一起，在软件中创建验证序列，企业客户可以快速定位问题、更好地评估设计方案。仿真不可避免会涉及到各种材料，所以部分仿真软件配置相关的材料数据库，比如COMSOL和ANSYS，以ANSYS为例，ANSYS于2019年收购了Granta Design公司，并将它重组为ANSYS的材料事业部门。Granta Materials同时融合了多种标准材料数据库，能够为产品设计提供丰富的材料数据信息。这些数据库涵盖了通用材料、航空航天、塑料、医疗器械等多个领域。同时支撑企业自有数据录入。总结一下，仿真软件公司介入研发测试数据管理具有很强的重要性：研发数据很重要富有研发价值；仿真-测试综合服务有利于为客户提出更多有价值的研发建议，提高客户粘性；未来引入AI和计算材料学方法需要良好的数据基础。此外，仿真软件会配置相关材料数据库来减轻企业仿真负担、提升仿真精度。对于国内锂电池领域的仿真软件公司来说，可以在提供电池测试数据管理功能模块的基础上，通过建立电池表征管理和电化学参数库，实现电池测试数据和材料数据的结构化存储，为之后将测试数据和仿真所需参数结合起来打好基础。统一的研发数据管理分析平台，为用户提供自动化、标准的测试和仿真分析报告，帮助电池企业实现电池研发数据的全过程追溯，以及跨部门、跨组织的研发协同。而且电池研发也会涉及到种类繁多的金属和非金属材料，不同供应商提供的同种材料、不同工艺制备出来的同类型材料都可能在材料属性特征上存在差异，加上掺杂、包覆等多种工艺，使得电池材料的管理也非常复杂。电池仿真软件如果能够帮助企业有效管理研发所用到的材料数据，综合企业内部的试验、设计、历史积累数据和企业外部材料信息数据资源，最终形成一个覆盖范围广泛的企业级电池材料信息管理系统，帮助企业更加方便地获取准确的材料数据，将有效提升企业电池研发仿真精度与效率。整体上看各行业仿真与制造工艺的协同趋势已然显现，其中以半导体的DTCO为代表，这种协同不单单是一个企业内部跨部门、跨组织的协同，甚至有可能是跨上下游的协同，因此需要第三方的工业软件公司来承担起作用。锂电池领域设计仿真与制造工艺协同也有所发展，但是需求主体和强烈度、发展节奏和成熟度与半导体行业DFM和DTCO的有所不同。一个好的设计必须要考虑制造环节的工艺过程，而设计与工艺的协同就需要导入仿真技术，特别是对于工艺变化很快的领域。以动力电池为例，工艺变化速度较快。目前实验验证的试错法又无法全局考虑问题，会导致制造现场不断调整参数。而且新方案测试耗时也很长。一个新的材料新配方去做验证可能需要12个月左右，导致新产品开发和产业化节奏较慢。因此，必须导入仿真技术，实现设计仿真和制造工艺的协同，加速推动产品的正向设计。目前面向制造工艺的仿真技术有下图中所列的五大类[30]：
同时，仿真要实现与设计、制造、运行的全流程协同，在产品设计、生产工艺、质量测试、实际运行乃至产品回收等各环节都要进行相关仿真。这就意味着，不仅仅是在设计仿真过程要建立数字化的模型，而是要形成一个全生命周期的数字化模型，不断逼近物理实体状态，辅助实际决策。以电池为例，除了单体电芯级别的仿真模型之外，还需要将从电池到PACK到电池管理的仿真融合起来。这对仿真的实时性、精度和效率都提出了非常高的要求。
仿真要融入产品实际运行的环节过程中，就要与实际业务的应用场景紧密结合，比如通过工业物联网技术采集实时数据，再通过仿真技术实时提供仿真预测，辅助实际业务的决策。例如在电池领域，就可以考虑将电池实际运行的工况数据纳入仿真体系中来，除了用于实时的寿命预测和健康管理之外，还可以将老化数据与仿真模型进行对照，结合机器学习进一步优化仿真精度，还可以反馈优化设计和工艺。随着上下游协同性的增强，仿真软件的使用者将从单纯的仿真工程师拓展到工艺人员等其他部门乃至上下游企业。以电池行业为例，可能电池厂的电芯工程师、工艺工程师要和上游的材料工程师、下游汽车主机厂的工程师和设计人员一起在仿真软件上探讨如何优化电芯的设计方案。仿真的目的在于优化产品设计方案，当前仿真、设计与优化三者结合的趋势越来越紧密。仿真软件目前会通过提供多种方案的评估对比，提供仿真结果辅助设计参数的优化，未来将会有更多和业务场景深度结合的优化应用出现。无论是多物理场还是多尺度仿真，还是和测试、制造工艺等全流程结合协同优化，目的都是为了增强仿真置信度、加强仿真在研发设计中的指导作用，即让仿真辅助设计优化甚至决定材料的选取、工艺参数的设定、器件乃至系统的设计，这是当前非常重要的发展趋势。以长安汽车为例，长安汽车对标福特汽车、通用公司建立CAE仿真置信度5级评价体系，第一级为由试验验证设计，不做仿真，第二级为运用仿真预测变化趋势，第三级为仿真筛选优化方案、减少试验次数，第四级为仿真筛选试验，试验只做一次，第五级则是由仿真直接验证设计，无需试验。对照这五级标准，如前所述锂电池行业目前普遍仍以实验试错法为主导[31]。
云仿真和SaaS
当前仿真软件也在逐步走向云端，相较于本地仿真，在云端仿真对于企业用户有以下几方面优势：- 对于超大规模模型的仿真，提交到云端仿真可以进行多核并行计算，计算效率提升会非常明显。借助弹性的云计算功能，用户可以根据需要同时运行尽可能多的模拟。此外，用户可以随时按需扩展计算资源。
- 计算资源来自云端，可以为企业用户节省大量的硬件成本
- 通过“用户-角色-权限”的授权方式，即为用户分配角色来分配相应权限，可以简化常规的赋予和取消等权限管理，减少系统开销的同时有效保障企业的数据安全
- 项目所有相关人员都可以在云端软件内实时查看相同的仿真模型数据，有效增强用户之间的协作。
对于仿真软件开发公司来说，选择交付云端SaaS版仿真软件也是一个不小的挑战，会带来以下转变：- SaaS交付的销售价格将会更低，企业短期内收入会承受一定压力。
- 如果产品体验不佳，用户很可能取消订阅，企业需要拿出比“销售永久license时代”更好的客户交付服务，确保客户使用体验长期维持在高水平。因为这不再是一锤子买卖。
- 云端页面的交互显示十分重要，这对仿真软件企业在图形渲染、软件架构技术方面提出更高的要求。
近年来越来越多的工程师开始采用云端仿真，根据ANSYS的报告数据，52%的受访工程师表示在设计仿真过程中所面临的最大业务挑战是如何缩短设计周期，为了加速完成一些规模较大的仿真任务，工程师必须要获取大量的计算资源。在2014年的报告中，只有10％的工程师使用超过32个以上的内核，而2021年有44％的用户使用了12个以上的内核并行处理其最大的仿真应用程序，18％的用户使用的内核数量超过36个。中大型公司对多核计算资源的需求表现更为明显。同时工业仿真计算场景已经从单个工作站的单机模式逐渐演变为包含工作站、笔记本、集群和云端的复杂混合环境[32]。在解决仿真效率问题方面，云技术和HPC（高性能计算）是紧密结合的，HPC硬件部分包括CPU、GPU、NPU等，软件部分主要解决集群资源调度问题。目前云厂商如阿里云，腾讯云等会提供开放式的云端硬件计算平台，将商业CAE仿真软件安装在云端HPC服务器上，按照资源使用时间收费。也有第三方公司如国内的速石科技和国外的Rescale等，比如速石科技就是综合多家云厂商资源和多种仿真软件，为企业用户提供集群运行仿真服务，解决企业资源峰值需求，避免过度投资或者预估资源不足的情况。国外云端CAE软件公司有Simscale、Onscale、Designworld、Caeplex、Ceetron等，以Simscale为例，其采用SaaS模式进行交付。Simscale希望通过SaaS交付来为用户进一步节省下IT资源的部署投入，为工程师提供另一条更低成本的选择，而不是只能高价购买仿真软件的license。Simscale可以进行多物理场仿真，覆盖结构、热、流体等领域。但是，Simscale的求解器模块采用开源的OpenFOAM和CalculiX，OpenFOAM用于流体仿真，而CalculiX用于结构力学仿真，这意味着Simscale的仿真求解功能有限，只能解决一些基本问题，无法向高端市场跃进[33]。下图为Simscale与其他部署类型仿真软件之间的对比。国外大型仿真软件公司近年也一直在云端仿真方面持续推进，达索将自身不同仿真领域的软件集成到3D EXPERIENCE平台上，支持4-16核的本地计算机并行计算和云端计算，对于超大规模模型，如果用户想提升计算速度，可以将模型提交到云端计算。
ANSYS在今年4月收购云仿真供应商Onscale，意图将Onscale的云技术与自身先进的仿真求解功能结合起来为客户提供服务，用户通过web就可以访问。ANSYS今年5月还宣布和AWS合作开发基于云端的Ansys Gateway 仿真解决方案，发展云端高性能计算，推出EDA、CAE和CAD云端解决方案。种种动作表明ANSYS似乎想要搭建统一的云平台，把自身各条业务线产品都放到云平台上，客户可以在这个平台上进行设计仿真的所有操作，这一步可以说要比达索的3D EXPERIENCE平台更加贴近云原生。实现更为高效的云仿真还需要面对很多挑战：仿真协同方面，如何有效应对大规模复杂模型仿真，不同领域仿真模型实现高效耦合；易用性方面，如何集成多种仿真平台工具的并提供简单易用的使用方式；作业运行方面，如何采取有效的仿真应用资源调度方法来提高仿真应用运行效率；网络化方面，未来云端仿真如何更好地和物联网实际数据融合起来等[34]。面向电池领域的仿真软件也需要考虑利用云和HPC技术来增强用户项目组内部以及和上下游之间的仿真协作、提升用户仿真效率，特别是注重利用云端仿真技术实现电池数据的全生命周期管理。对于仿真软件来说，上云和SaaS是成为行业头部企业的必要非充分条件，技术上的突破才是根本，即要在理论模型和数值模拟算法上立住脚。
