【干货】工业软件为什么这么难？

全文字数

4800

字

阅读时间

11

分钟

文章由知识自动化(zhishipai) 授权转载

工业软件中几乎最难啃的三座大山，就是CAD、CAE和EDA，大山中间还穿插了许多小的丘陵，如CAM、拓扑优化、工程数据库等。工业软件这三座大山，是人类基础学科和工程知识的集大成者。

尽管它支撑了整个工业的体系，但它的市场份额却小的可怜，不拿显微镜，是找不到它的存在。然而它自身的构成，分别是令人望而生畏的数学、物理、计算机和工程经验。没有一种产值如此微不足道的工业产品，却需要有如此漫长的生命轨迹。从大学的数学方程式开始出发，经过漫长的物理机理的冶炼、计算机科学与技术的萃取，最后还必须经过工程知识的淬火，才能成为一个成熟可用的工业软件产品。

图2：物理场之上的工业模型

（来源DARPA）

由于现实世界的发展要求，产品的智能化提高导致的复杂度提高，往往产品本身涉及多场多域问题。物理场有太多的组合，相互之间又干扰不清。这些复杂的问题，既要深刻理解学科自身的物理特性，并对这些学科物理特性所沉淀的学科方程，如电磁的麦克斯韦方程、流体力学的伯努利方程、纳维-斯托克斯方程等等，深刻理解之外，还要对实际工程应用领域的多物理场交织耦合环境能够快速解耦，让不同学科不同特质的特征参数迭代过程中能够互为方程组求解的输入输出，以便对多场多域的工程问题进行优化。

随着现在需要处理的模型规模越来越大，模型本身也越来越复杂，现有国际上大型商业CAD、CAE、EDA中使用的几何建模引擎和几何约束求解商业化组件产品（包括InterOp、CGM、ACIS、CDS、Parasolid、D-Cubed等）厂商达索系统、西门子等也在不断跟进最新的计算机技术。比如最近也在采用多线程技术不断改进之前的算法，用于大幅提升模型导入、模型修复、缝合、实体建模、布尔运算、面片化以及约束求解的效率。

轮到了计算机科学

正如当年围绕机床的“数控技术”，很快就演变为“计算机数控技术”和“计算机辅助设计”一样，工业软件的诞生和早期发展受到计算机与多媒体硬件进步的推动，之后又随软件技术、互联网、计算模式的浪潮起伏。工业软件是软件，但它是硬件设备高度融合。二者无法分类，也不能相互修饰，就像两口子的结婚照，少了任何一张面孔都是不可想象的。工业软件，不可能忽视计算机科学与技术的问题。

这其中涉及到计算机硬件技术自身的迭代进步，从大型主机（Mainframe），到工程工作站，再到PC，最后来到云计算，甚至到未来的量子计算与普适计算，每当先进的计算技术出现，与之相匹配的工业软件，就会以鲜明的时代特征，出现在工业界的面前。

软件工程，是为了应对大型软件编码可靠性和质量管理问题的一门学科，而应时而生。它是支持协同开发、保障软件生命力的重要因素。软件工程是驱动软件全生命周期工程活动的基础学科。软件工程重点是算法分析、计算机安全、软件质量控制、软件测试与维护。这其中也涉及到系统架构设计、面向对象程序设计、数据库，计算机图形学与可视化、操作系统、编译原理、数据结构、HPC/GPU 并行计算等各种学科。

除了用户打交道最多的软件界面之外，工业软件需要涉及一个良好的软件架构和过程管理、统一数据标准、接口标准、方便几何建模引擎、约束求解器、前后处理、CAE求解器等优势资源集成。加速软件更新迭代，软件自动化验证，工程经验的积累，软件跨平台(集群,超算)部署，多种服务模式支持，二次开发脚本支持等，以至于后续大规模仿真数据的挖掘、分析等。

工业软件模型之间的兼容性问题，目前主要是通过遵循STEP标准解决的。在美国和欧洲，都有推动STEP标准开发及应用的非盈利组织，特别是近期包括波音、空客、GE、洛克希德-马丁等航空巨头推进的LOTAR（长期归档和检索）项目也是以STEP作为基础。各种CAD、CAE、EDA格式之间相互转换造成的信息丢失和精度丢失每年都会造成高达数十亿美元的损失，而如何有效复用这些模型数据也长期困扰着各个行业，特别是不少国内厂商在设计模型过程中没有遵循严格的标准，“制造”了不少问题数据，这些模型数据传递到下游行业也造成了很多问题，有些模型甚至基本不可复用。

工程知识是最后的淬火

如何将工业技术与知识写进软件，是业界最关注的议题。

麦克斯韦Maxwell能解决电和光的物理方程描述，但却解决不了一家电气制造商的设计制造问题。基础技术很重要，但不能解决工程问题。工业软件经过工程知识的淬火，才能与工业应用场景结合。

工业软件可以分为“基-通-专”的层次。第一层是类似CATIA、UG这样的基础通用平台。基础通用平台是最难的，它裹挟了多年的知识沉淀和用户使用习惯，因此门槛很高。在此之上，第二层是行业相对通用的知识，包括行业设计标准规范、试验测试数据、人机工程学等；而再上面一层是针对特定产品的专用知识，由于面非常窄，个性化非常明显，则往往更加小众，知识密度更大。

工程界的建模与分析问题，混合了很多不同维度的问题，既有基础学科的交叉如数学、如物理；又有不同的工程经验的混合。

图4：模型分析（鸣谢达索系统吴敏提供此图）

制造现场涉及大量的工艺过程，这种Know-how的转移，是一个非常复杂的知识扩散现象。各种工艺如铸造、焊接、冲压、锻造、切削、热处理等，各有各的现场诀窍。许多暗默知识，只可意会不可言传，师傅的言传身授往往是最好的方法。而工业软件，正是向这种知识转化进行宣战。大量的制造经验，要想变成算法、编码，固化到软件，那都是一个漫长的过程。工业软件的价值，因此得以凝聚。

实际上，工程知识的汇聚，也会形成用户的使用习惯。一旦用户形成深度依赖，后来者软件的替代将成为非常艰难的攻城术。在芯片领域，电子设计自动化软件EDA则深度地嵌入到芯片设计公司和晶圆代工公司，三者相互连接在一起，不可分离。很多EDA软件，根本得不到代工工厂的工艺数据，而这是EDA发展历程中最为重要的养分。没用了用户的反馈，软件因此而 “饿的面黄肌瘦”。

工业软件是人类制造知识的最好结晶体

工业软件是架构在数学科学、物理科学、计算机技术和工业技术之上的宏大建筑，一座复合型知识的宫殿。

工业软件最奇妙的地方，它一旦集成了前人的技术，它就很少会流失。这跟任何一种设备类的不同，一个老工程师不在了，现场工艺就可能断掉。但工业软件则是一层一层，既有来自软件厂商数学、物理奇才的心血，更有来自数百万工业用户的使用反馈——这形成了一座坚实的护城河。唯有如此，它综合了如此不同的精华，工业软件才成为人类知识的集大成者。

这是真正的工业之花。一花虽小，世界皆在。

（鸣谢：本文的写作得到了“工业软件发展论坛”微信群各位专家的大力支持，十分感谢！特别感谢杭州新迪总经理彭维、达索系统大中华区首席技术官CTO赵文功、安世中德技术总经理包刚强、达索系统Spatial大中华区负责人吴敏提供的帮助。同时也感谢陈建军、陈璞、王高峰、赵康、郎燕、唐滨、赵敏、丁研等各位专家讨论所提供的思考。）

喜欢这篇文章关注，并分享

为方便查看，可应用公众号置顶功能

来源：@大迁世界