数字工程是近期国内装备制造业的热点话题，这个话题与之前的数字化有何不同？它是传统工程方法的简单数字化实现吗？

数字工程是美国在2015年针对NGAD（下一代空中优势，也就是六代机）项目提出的概念，这个概念是对美国于2000年针对JSF（联合攻击机，F-35）提出的MBSE的进一步发展，其内涵表述为：

“一种集成化的数字化方法，建立系统的权威模型源和数据源，利用跨专业相互连接、跨组织无缝传递的模型和数据，支撑系统生命周期各项活动。”

以及

“数字工程是最新生也可能是最具革命性的，可以仿真整个生命周期，具有高度的准确性和保真性。--威尔.罗铂（美国空军前采办官）”

2018年6月，美国正式发布了《数字工程战略》，提出了五大战略目标：强化建模与仿真、统一管理数据源、支持开放式技术创新、建立基础设施与环境、实现文化与人力转型。

战略目标的实现以数字工程生态系统为基础，核心目标是开放式技术创新，其内涵是基于权威模型源和数据源，利用数字系统模型、数字线索和数字孪生等理念与方法，进行数字工程分析，以知晓系统性能的边界和不确定性。

这里的“不确定性”是关键的关键。

就像信息化不是对手工过程的简单模拟，数字工程也并非用数字化的工具和方法对传统工程过程的数字化模拟。

在传统的工程模式中，我们为了控制复杂性和不确定性建立了严格的基于文档状态和控制流程的过程方法，通过方法的有效性来确保结果的有效性，也就是说，我们通过确定的严格的稳定一致的过程来避免复杂性和不确定性的出现。

但是到了数字工程时代，基于权威模型源和数据源，结合数字线索和数字孪生技术，我们已经可以打破传统的过程规范，实现灵活动态有机的工程过程，工程方法不再只是以过程有效性为核心，而是以“需求合理性分析/多方案快速论证/性能边界把握/运行风险控制”为核心，也就是以发现、控制和处理各环节的不确定性为核心。

虽然针对不确定性“需求合理性分析/多方案快速论证/性能边界把握/运行风险控制”在传统工程方法时代同样需要始终关注，但那只是作为工程实现的最终目标，只有到了数字工程时代，它们才有了与其直接对应的方法。

1）需求合理性分析

近现代以来，人类的工程科学不断快速发展，从早期的专业工程到后来的系统工程，再到现在的复杂体系工程，由于体系的物理构成动态多变、其运行过程主要基于外部事件触发，体系内部各系统的运行需求无法孤立确定（如海陆空天电磁赛博多域联合作战体系下，一个确定的杀伤链中涉及到的系统/子系统至少有数十个），必须将所有系统放在体系中进行综合性的分析验证，这个过程要面临和解决人类头脑无法预知和处理的复杂性，作为体系和系统的需求方，客户无法以简单的方式提出确定性的需求，也就必然要出现需求的大量变更和工程延期，甚至在交付运行之后才发现需求的不合理之处。

这个问题，在传统工程时代无法解决，只能依赖人工的简单分析处理，最多也就是建立结构化条目化的需求管理规范（如基于DOOR系统的需求定义和变更管理），但是在数字工程时代，我们可以通过体系架构的定义和运行仿真来穷尽体系对系统的需求边界并验证需求的合理性，在进入系统一级后，继续进行系统的功能分析与架构定义，甚至进行基于机理模型（区别于实体物理模型，机理模型只反应物理参数的运行关系，比如开关状态，电流/电压/电阻的关系，压强和容积关系等）的统一建模和联合仿真。

因此，数字工程时代，从体系到系统的需求的复杂性和不确定性得到了模型化的定义分析和管理，为后续的产品设计提供了稳定详细的输入。

2）多方案快速论证

为了规避中俄未来的技术模仿，快速增强非对称战斗力优势，美国空军在2019年计划通过“数字化百系列”战斗机项目（NGAD是这个计划的目标）快速研制和推出不同种类的小批量战斗机（尽管这个采办思想有美空军认为至关重要的数字工程的支撑，但美国列克星敦研究所认为它将面临复杂的训练、管理和维护的难题），这个项目意在快速推出不同的新机型（平均每5年），为此在需求生成和总体方案论证阶段充分采用了先进的数字化工程手段：论证时生成5000种方案，每天进行20亿次数字化模拟迭代。

“数字百系列”战斗机项目的核心是通用组件和配件，短寿命机型、多战斗机平台和多供应商参与。但在数字工程方面，其突出特点是多方案的数字化论证，为此需要建立包含大量参数的产品数字化标准模型，采用数字化仿真的方式进行自动化分析迭代，虽然在传统工程时代，多方案优化不可避免，但如此巨量的分析显然是不可想象的。

3）多专业耦合分析

在传统的工程分析过程中，详细设计分析与评价大都是单专业孤立进行，专业之间的解耦缺乏基于物理特性分析模型的详细数据，串行链式分析导致研制周期变长，并行链式分析导致设计返工量大。

在数字工程条件下，基于需求分析和方案论证的成果，在公共权威模型和数据源的支持下，可执行多物理量（力、热、电、气动、结构、推进、控制）的联合仿真分析，形成详细的模型数据，避免了大规模的多层级多专业设计评审。

4）性能边界的快速验证

试验的目的是量化并减少不确定性和风险。在传统工程模式下，对于难以真实把握的物理实体，试验规划和试验任务的设计要基于完备严格的试验准则。在数字工程条件下，可基于以往的试验数据，以降低设计风险为目的，设计数字化的试验模型指标，在试验验证的各个层级灵活选择设置试验顺序和试验类型。

在高性能飞机设计的早期阶段，传统上需要借助风洞试验进行动静态稳定性和操控特性的验证，其“暴力”方法是在风洞中设置约250万个数据点，对于一个标准的22000小时的风洞试验，气动力学/载荷试验需要大约15000小时。美国空军在F-22项目中，使用飞机外模线生成降阶响应面（相对于实体风洞模型的简化的数字化与模型），通过试验设计设置最少的数据点，将试验周期缩短了60%。

5）运行风险预知与控制

在传统条件下，运行资产上的传感器部署数量有限，维修规划基于以往运行数据、工程分析和平均故障间隔时间（MTBF）确定，物理实体真实状态的不可知会导致大量计划外紧急维修，并在维修之后更新技术状态数据。

数字工程条件下，首先利用物理特性模型和概率模型建立降阶的寿命预测模型，同时针对每个运行资产部署大量的传感器，利用传感收集的实时数据结合寿命预测模型建立运行资产数字孪生体，基于数字孪生体进行基于预测的视情维修服务。

总之，传统工程时代是基于严格的作业规范来规避复杂性和不确定性，但随着体系与产品的复杂化和对于全寿期业务成本控制的高要求，人们必须直面工程物理真实世界的复杂性本身，而不只是信仰简单的过程有效，数字工程为我们提供了诸多有效手段，为实现这一目的向复杂性现实的黑暗深渊投入了有力的光照。

因此，数字工程也就不只是对于传统工程方法的数字化模拟，不只是利用CAD/CAE手段提高我们的工作效率，而是通过全寿期的模型/数据/分析方法，引领我们进入以往难以企及的处理不确定性的工程领域。

补：

有人曾向霍金提问说：您认为21世纪是生物世纪吗？霍金回答：我认为21世纪是复杂性世纪。这里的复杂性的核心就是不确定性，人类科学的发展经历了早期的理念哲学、经典时代的确定性科学后目前已进入了不确定科学范畴。

我在前篇的《数字经济是一种经济类型吗？》一文中，曾分析得出任何一种经济类型都是为了解决前一种经济类型中的固有矛盾，而数字经济是为了解决工业经济对于需求和市场的不确定性。

因此我们就得出了一个有趣的结论：无论是在科学领域、工程领域和经济领域，人类都已经进入了直面不确定性的时代（目前我们正处于国际形势和人类整体命运的巨大不确定性中），这是人类文明的荣耀，从神学角度来看，不确定性是上帝面对人类保留的禁地，而我们居然有幸处于这样的时代，在这个时代，我们不仅将打破造物者的神秘面纱，同时也将通过人工智能创造出科学与工程本身的不确定性来。