仿真/试验大数据智能设计工具信威软件--BDiDesigner功能及价值

大数据的采集、存储、传输、处理、应用等问题，对各行业的文化、组织、管理、方法、技术等均提出了挑战。美国科学院发表研究报告指出，计算机仿真技术已与理论和试验并列为进行科学研究的第三支柱。仿真是从模型到数据，而大数据则是数据到模型。那么大数据的出现，又给仿真科学带来怎样的冲击？

“大数据理论的出现，给传统建模仿真学科带来了挑战。很多问题需要我们认真研究和讨论，这些挑战有可能会动摇或变革原仿真理论的基础。”

大数据对建模仿真的挑战主要体现在思维方式、科研方式和方法手段等方面，利用现有建模仿真技术处理大数据还存在问题。比如，传统的仿真思维方式认为仿真是基于模型的活动，其科研方式是根据系统实验的目标建立系统模型，进而建立仿真系统运行系统模型，最后再分析、处理模型运行结果。“但传统的仿真思维方式和科研方式，已不适应处理大数据的需求。”中国工程院院士李伯虎坦言，现有的建模方法不能建立相应的系统模型，并关联和处理这些大数据；现有的仿真支撑方法手段不能适应对分布、异构复杂系统大数据感知、采集、挖掘、处理、应用的需求；现有的仿真应用工程技术对复杂系统产生的大数据，还不能全面、充分、及时地用于各行业，并推动社会发展……

全过程数字化建模和仿真的需求

• 通过需求仿真、功能仿真、性能仿真、工艺仿真等建模，实现全过程数字化建模及仿真。

研发过程中强化虚拟验证能力

• 借助全过程数字模型，在研发各个阶段实现早期虚拟验证，尽量减少物理样机的次数。

借助精确和快速的仿真工具实现快速设计

• 系统工程设计方案，通过功能虚拟样机、性能虚拟样机、工艺虚拟样机的快速精确验证，得到优化的设计方案，再进入物理样机验证环节。

一：复杂问题分析两种途径

仿真大数据智能设计工具

• 精确的仿真模型是设计优化工具的起点，SimBD支持DOE自动采样生成代理模型 

• 与超算连接，自动侦测算力，不同数量的采样点生成不同精度的代理模型（100-1000-10000） 

• 代理模型可直接面向设计优化，瞬间获得设计方案 

试验大数据智能设计工具

• 海量试验数据清理及分类 

• 基于试验数据的响应空间生成 

• 设计优化方案快速获得（无需开展V&V工作即可实现）

虚实融合大数据智能设计工具

• 试验数据的特点：结果可信、数据量不足、不具有连续性 

• 仿真数据的特点：具备连续性、仿真数据趋势可信、绝对数值不可信 

• 虚实融合算法：获得新的响应空间对设计方案优化有效支持（无需开展V&V工作即可实现）

多学科优化大数据智能设计工具

• 来自福特研究院的多学科优化技术 

• 可连接任何学科仿真工具 

• 独一无二的多学科优化算法 

• 支持非线性优化 

• 包含先进的代理模型算法技术 

• 目前最快速的多学科优化工具，工程可用完美实现

• 仿真部门：利用仿真模型 V&V技术 大数据技术，构建面向设计的快速设计验证工具

• 试验部门：利用海量试验数据 大数据技术，构建面向设计的快速设计验证工具

• 仿真部门：利用仿真模型 有限试验数据 面向代理模型的V&V技术，构建面向设计的快速设计验证工具

• 总体设计部门：利用代理模型 多学科优化技术，实现总体设计方案的快速多学科优化

最终目标：实现仿真/试验驱动的快速设计！

V&V BDiDesigner： 仿真驱动设计的终极解决方案

• 创新性的研发模式，彻底解决了仿真和试验面向工程的价值问题; 

• 极大提升研发效率、加快研发进度 ;

• 帮助设计部门快速给出最佳产品设计方案 ;

• 可有效解决资源能力不足与资源闲置之间的矛盾 ;

• 将仿真驱动设计真正落地，仿真实现了完全工程化服务于设计 ;

• 是数字化企业、数字化设计、MBSE的基础能力。

美国麻省理工学院教授艾瑞克认为，大数据的影响就像4个世纪前人类发明了显微镜，把对自然界的观察和测量水平推进到“细胞”级别。2011年，英国《科学》杂志推出专刊围绕“数据洪流”展开讨论，将大数据深度分析看成未来研究重要突破点；奥巴马政府2012年3月发布“大数据研究与发展倡议”，作为未来发展战略……

李伯虎认为，大数据对于作为科学研究第三种范式“计算科学”中重要组成部分的“仿真科学”来说，不仅仅是挑战同样还有机遇。

“仿真界应该拥抱大数据。”中科院软件研究所研究员曹建文称，因为大数据的出现，对解决复杂系统模拟提供了一个非常好的基础。

对此，上海大学机电工程与自动化学院教授费敏锐表示赞同，并推断“大数据必将成为复杂系统仿真建模的一个新方法。”虽然大数据处于初步阶段，但其在生命科学、社会科学等领域的作用将逐渐显现。

“大数据可以为我们提供一个解释不明现象的新颖视觉。是扩充了仿真科学方法，还是独创了新的科研范式？”在胡晓峰看来，大数据提供了一种绕开理论直接走向应用的新途径，挑战了“观察—假设—实验—应用”的科研流程，找到了可以避开建模而直接获得答案的方法。此外，大数据还带来了许多值得研究的科学新问题，比如对预测问题的思考。

然而，大数据的真实价值有如潜伏在海洋中的冰山，我们看到的只是冰山一角，绝大部分都隐藏在表面之下。

“如果没有梳理信息特征的新型分析工具，人们难以在大数据中检测到有价值的信息。”中国电子集团电子科学研究院研究员王积鹏说，大数据建设的智能化应用是体系仿真的根本，包括数据的采集、整理、分析、评估和应用，目前缺乏一些基础数据的收集整理。他建议：“推进仿真工程研究，应主要加强数据的存储和认知分析等技术的协同应用，重点加强数据挖掘和预测分析应用。”

“将大数据方法与仿真建模方法融合，将为仿真技术与应用发展带来崭新的机遇。”李伯虎院士说，大数据的出现提供了更为高效的研究模式和手段，将革新现有仿真的思维方式和科研模式，要建立从大数据获取知识的理念；革新现有的建模方法学，从传统的建模方法拓展到基于大数据的建模方法；革新现有的仿真支撑技术系统、仿真系统和仿真应用工程技术等。