工业软件：CAD、CAE 和 EDA，集大成者的漫长生命轨迹

aizixun8

工业软件最难攻克的三座大山是CAD、CAE和EDA。半山中还散布着许多小山丘，比如CAM、拓扑优化、工程数据库等，工业软件三座大山是人类基础学科和工程知识的巅峰之作。

虽然它支撑着整个工业体系，但市场份额却少得可怜，不借助显微镜根本无法发现它的存在。然而它本身分别包含令人畏惧的数学、物理、计算机和工程经验。产值如此微不足道的工业产品都不需要如此长的生命轨迹。从大学里的数学方程开始，经过漫长的熔炼物理机制、提炼计算机科学技术、最后淬炼工程知识的过程，才能成为成熟可用的工业软件产品。

图1：工业软件技术图谱

四大技术地图就如同四大护法一样，形成了深不可测的技术差距。对于任何一家工业软件公司来说，这只是十年发展的开始。这条路太长了。

需要扎实的数学基础

工业软件首先必须有良好的数学基础。计算机辅助设计软件CAD学科的起源和发展，主要得益于数学分支微分几何的突破，演化出一门新学科——计算几何。 Koons、、等是CAD、CAE、EDA。其他软件所依赖的3D几何建模提供了坚实的理论基础。在此基础上发展起来的NURBS相关曲线曲面理论和算法，是目前大多数商业软件所使用的几何引擎的关键技术。

仿真分析软件CAE在数据的预处理和后处理以及各种求解器方面对数学也有很高的要求。

预处理不仅仅是数据导入、模型修复和显示，还包括网格划分的能力。这部分的技术门槛并不低。它被认为是CAE领域的后起之秀。作为一家拥有数十种产品的上市公司，预处理软件仍然是最重要的旗舰产品，为公司贡献了最多的收入，也是在CAE领域站稳脚跟的基石。后处理在大规模数据处理和直观、动态、炫酷的视觉展示方面也有很多内容需要发展。尤其是在B/S架构下，如何通过Web页面快速、高质量地加载庞大的CAE计算结果将是一个巨大的挑战。

工业级网格生成算法不仅存在较深的理论问题，而且需要较大的程序开发工作量。德国的博士在德国开发的，他从2000年左右才开始做这种事情，坚持了20年，才有能力和商用四面体引擎ghs3d竞争。同样，法国公司开发的一系列网格划分系统也广泛应用于商业CAE软件中。它们最早起源于INRIA（法国国家信息与自动化研究所），十几名研发人员也专注开发了近20年。

工业软件之路充满了黑夜里孤独的探索。

在NASA发布的CFD战略咨询报告中，电网发电是单独列出的五个关键领域之一，被认为是实现2030年愿景的主要瓶颈。在如此困难的领域，很多国产软件都是裸奔的。依靠Gmsh等开源算法无法满足客户定制和改进的要求，难以进入行业应用主流。

优化也是一种通用的数值方法，包括优化理论、代理模型等，是解决复杂工程问题的基础，更不用说各种路径规划中涉及到的矩阵论、泛函分析、动态规划、图论等。都是多约束条件下的多目标自动解空间优化，其背后是数学王国构建的基础。

各种CAE和EDA软件需要多种计算数学理论和算法，包括线性方程、非线性方程解、偏微分方程解、特征值特征向量解、大规模稀疏矩阵解等，这些都需要非常深厚的数学知识。根据。如果不能熟练使用各种数学工具，就不可能对物理场进行建模。

物理学面临许多挑战

令人头疼的数学问题之后，接下来就是令人头疼的物理问题。这就是仿真软件和EDA软件需要突破的地方。工业技术的源泉是材料及其物理性能的开发利用。因此，多物理场及其相互耦合的描述和建模是各种仿真分析软件的核心。

当工业软件面对现实世界时，所有可见和不可见的物理场都在按照自己的机制自由漫游。工业软件必须跨越非常广泛的学科谱，跨越钱学森科技体系的基础科学、技术科学、工程科学、工程技术，同时也会包含大量的经验、知识等“前科学”知识。 -如何。具体来说，任何一款CAE软件存在于市场的根本原因在于它能够解决结构、流体、热、电磁、光、声、材料、分子动力学等物理场问题。每个物理场都包含丰富的内容分支学科。

仿真分析软件CAE的求解器由物理算法组成。每个专业领域都有一堆解决问题的算法。电磁学、结构、流体等不同领域的求解器的处理机制完全不同，基本上不能通用。另一方面，与FEA有限元法有关。使用的单元类型不同，解决问题的算法也不同。因此，虽然也有第三方求解器，但不可能形成像3D CAD软件领域那样通过销售几何建模引擎和几何约束求解引擎来盈利的商业模式。

以结构为例，为了解决结构设计问题，可能涉及到理论力学、分析力学、材料力学、结构力学、弹性力学、塑性力学、振动力学、疲劳力学、断裂力学等一系列学科。 。在此基础上，主流CAE软件都支持结构优化功能。与传统CAE仅限于评估设计是否满足要求相比，结构优化软件在生成式设计等先进技术的支持下，可以自动生成结构更轻、性能更好、装配数量更少的更好设计。

图2：物理场之上的产业模型

（来源：美国国防部高级研究计划局）

由于现实世界的发展要求以及产品智能化程度的提高带来的复杂性的增加，产品本身往往涉及多个领域、多领域的问题。物理场的组合太多，而且相互干扰明显。这些复杂的问题需要深入了解学科本身的物理特性，以及这些学科的物理特性所沉淀的学科方程，如电磁学的麦克斯韦方程、流体力学的伯努利方程、纳维-斯托克斯方程等。方程等，除了深入理解之外，还需要快速解耦实际工程应用中多物理场相互交织的耦合环境，使得不同学科、不同特性的特征参数可以作为输入以及迭代过程中求解方程组的输出，从而可以求解多个系统。优化多领域工程问题。

随着需要处理的模型规模越来越大，模型本身也越来越复杂，目前国际大型商业CAD中使用的几何建模引擎和几何约束求解的商业组件产品， CAE、EDA（包括，CGM、ACIS、CDS、D-Cubed等）厂商达索系统、西门子等也在不断追随最新的计算机技术。例如，最近利用多线程技术不断改进以前的算法，大大提高了模型导入、模型修复、拼接、实体建模、布尔运算、修补和约束求解的效率。

轮到计算机科学了

正如围绕机床的“数控技术”迅速演变为“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是由计算机和多媒体硬件的进步推动的，后来又是软件技术的推动，互联网和计算模型来来去去。工业软件是软件，但它与硬件设备高度集成。两者不能归类，也不能互相修改。就像情侣的结婚照一样，没有脸是难以想象的。在工业软件中，不可能忽视计算机科学技术的问题。

这涉及到计算机硬件技术本身的迭代进步，从大型机（），到工程工作站，到PC，最后到云计算，甚至到未来的量子计算、普适计算。每当先进的计算技术出现时，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世界面前。

软件工程是为了解决大规模软件编码的可靠性和质量管理问题而产生的一门学科。是支持协同开发、保证软件生命力的重要因素。软件工程是在整个软件生命周期中驱动工程活动的基本学科。软件工程侧重于算法分析、计算机安全、软件质量控制、软件测试和维护。这还涉及系统架构设计、面向对象编程、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并行计算等学科。

除了用户最常接触的软件界面外，工业软件还需要涉及良好的软件架构和流程管理、统一的数据标准、接口标准、便捷的几何建模引擎、约束求解器、前后处理、CAE求解器和其他优势资源整合。加速软件更新迭代、自动化软件验证、工程经验积累、软件跨平台（集群、超算）部署、多种服务模型支持、二次开发脚本支持等，以及后续大规模仿真数据挖掘和分析， ETC。 。

目前工业软件模型之间的兼容性问题主要通过遵循STEP标准来解决。在美国和欧洲，都有非营利组织推动STEP标准的开发和应用。特别是波音、空客、GE、洛克希德·马丁等航空巨头最近推出的LOTAR（长期归档和检索）项目也是基于STEP的。作为基础。各种CAD、CAE、EDA格式之间的转换所带来的信息和精度的损失，每年会造成高达数十亿美元的损失，而如何有效地复用这些模型数据长期以来一直困扰着各个行业，尤其​​是很多国内厂商在模型设计过程中没有遵循严格的标准，“产生”了大量有问题的数据。这些模型数据向下游产业转移也引发了很多问题，有的模型甚至基本无法复用。

工程知识是最后的淬火

如何将行业技术和知识写入软件是业界最关心的问题。

麦克斯韦可以解决描述电和光的物理方程，但他无法解决电气制造商的设计和制造问题。基础技术固然重要，但它不能解决工程问题。只有淬炼了工程知识，工业软件才能与工业应用场景相结合。

工业软件可分为“基础-通用-专业”级别。第一层是CATIA、UG等基础通用平台。基础通用平台是最难的。它依赖多年的知识积累和用户使用习惯，因此门槛很高。除此之外，第二层是行业内相对通用的知识，包括行业设计标准和规范、实验测试数据、人体工程学等；上层是针对特定产品的专业知识。因为范围很窄，个别内容如果很明显，往往会更加小众，知识密度也更大。

工程领域的建模和分析问题是许多不同维度的混合体，包括数学和物理等基础学科的交叉；以及不同工程经验的混合。

图3：建模（感谢达索系统吴敏提供此图）

因此，在行业内，基本上没有必要听阿里巴巴、腾讯所说的“建模”。他们会谈论建模，但这是一门社会科学，一门软科学，关于消费、交易、商业而不是工业，完全无法解决工厂里的物理世界。他们使用相同的术语，但做不同的事情。

一个简单的例子就可以区分出两者的核心区别。互联网公司的用户画像建模。他们的模型利用大数据提取年龄、收入、地区、阶层、职业、教育程度等，然后将其与购物交易偏好相关联。行为。说到行业内的用户画像建模，其实是一个完全不同的概念。首先，它是一个由计算机完整描述的对象模型，然后准确地刻画其多态使用场景。如果在设计阶段使用这个用户画像模型，就是人体工程学分析和使用行为分析；如果用于生产现场，则是一种资源，通过其资质、劳动能力等级、关键设备合格证、安全区域等级等来描述；如果是最终用户，则通过百分位身高、驾驶习惯、驾驶舒适度范围以及不同大陆的区域颜色来描述。兴趣爱好等是这个模型的特点，因为这样的三维模型可以直接加载到虚拟产品中进行各种场景的模拟优化和体验，这与更喜欢购物交易和体验的互联网用户画像模型有很大不同。促销活动。

图4：模型分析（感谢达索系统吴敏提供此图）

制造现场涉及大量工序，这种技术诀窍的转移是一种非常复杂的知识扩散现象。铸造、焊接、冲压、锻造、切削、热处理等各种工艺，各有自己的现场诀窍。很多秘密知识只能理解而无法用语言表达。师父的言行往往是最好的方式。工业软件向这种知识转型宣战。将大量的制造经验转化为算法、编码、固化为软件，是一个漫长的过程。工业软件的价值由此凝结。

事实上，工程知识的积累也会形成用户的使用习惯。一旦用户形成深度依赖，后发软件的替代将成为一场非常艰难的攻城战。在芯片领域，电子设计自动化软件EDA深入芯片设计公司和晶圆代工公司。三者是相互联系、不可分割的。很多EDA软件无法获取OEM工厂的工艺数据，而这正是EDA发展最重要的养分。如果没有用户反馈，软件就会变得“饥饿而单薄”。

工业软件是人类制造知识的最佳结晶

工业软件是一座建立在数学科学、物理科学、计算机技术和工业技术之上的宏伟建筑，一座复杂知识的宫殿。

工业软件最神奇的地方在于，一旦它集成了前辈的技术，就很少会丢失。这与任何类型的设备都不同。如果老工程师走了，现场流程可能会中断。但工业软件是一层一层的，有软件厂商数学和物理奇才们的辛勤劳动，还有数百万工业用户的反馈——这就形成了坚固的护城河。只有这样，融合这些不同的本质，工业软件才能成为人类知识的主人。

这才是真正的工业之花。一朵花虽小，却遍布世界各地。

（致谢：本文的撰写得到了“工业软件发展论坛”微信群专家的大力支持，非常感谢！特别感谢杭州新地总经理彭伟、达索系统大中华区CTO赵文功以及德国技术总经理安世忠、达索系统大中华区负责人吴敏的帮助，也感谢陈建军、陈璞、王高峰、赵康、郎彦、唐等专家的帮助。 Bin、赵敏和丁岩提供了他们的讨论。）

关于作者

林学平：南山工业学院创始人、北京联讯电力咨询公司总经理

赵堂宇：南山工业学院工业软件课题组