現有仿真技術難處理大數據

      大數據的采集、存儲、傳輸、處理、應用等問題，對各行業的文化、組織、管理、方法、技術等均提出了挑戰。美國科學院發表研究報告指出，計算機仿真技術已與理論和試驗并列為進行科學研究的第三支柱。仿真是從模型到數據，而大數據則是數據到模型。那么大數據的出現，又給仿真科學帶來怎樣的沖擊？

      “大數據理論的出現，給傳統建模仿真學科帶來了挑戰。很多問題需要我們認真研究和討論，這些挑戰有可能會動搖或變革原仿真理論的基礎。”

      大數據對建模仿真的挑戰主要體現在思維方式、科研方式和方法手段等方面，利用現有建模仿真技術處理大數據還存在問題。比如，傳統的仿真思維方式認為仿真是基于模型的活動，其科研方式是根據系統實驗的目標建立系統模型，進而建立仿真系統運行系統模型，最后再分析、處理模型運行結果。“但傳統的仿真思維方式和科研方式，已不適應處理大數據的需求。”中國工程院院士李伯虎坦言，現有的建模方法不能建立相應的系統模型，并關聯和處理這些大數據；現有的仿真支撐方法手段不能適應對分布、異構復雜系統大數據感知、采集、挖掘、處理、應用的需求；現有的仿真應用工程技術對復雜系統產生的大數據，還不能全面、充分、及時地用于各行業，并推動社會發展……

MBSE對全過程仿真驗證能力的需求?

      全過程數字化建模和仿真的需求

• 通過需求仿真、功能仿真、性能仿真、工藝仿真等建模，實現全過程數字化建模及仿真。

      研發過程中強化虛擬驗證能力

• 借助全過程數字模型，在研發各個階段實現早期虛擬驗證，盡量減少物理樣機的次數。

      借助精確和快速的仿真工具實現快速設計

• 系統工程設計方案，通過功能虛擬樣機、性能虛擬樣機、工藝虛擬樣機的快速精確驗證，得到優化的設計方案，再進入物理樣機驗證環節。