行业热点丨仿真驱动设计：兼顾性能、可持续性与效益

当下，是否该引入仿真驱动设计？

如今，仿真已不再只是产品验证的工具。从跨国企业到中小型企业（SME），许多组织通过采用仿真驱动设计方法，已收获显著效益。不过，仍有部分企业对这种方法持观望态度，原因各异：有的源于固化的企业文化，有的认为该方法成本高、操作复杂、精度不足，还有的觉得并非必需。

下面我们以具体案例展开分析：设计工程师可能不会对支架进行仿真，背后有哪些原因？而面对这些原因，又该提出哪些值得关注的后续问题？

而工程师们忽略的关键事实如下：

如今，若想让创新产品快速推向市场，在设计阶段就需重点聚焦三大核心目标：

• 性能：确保产品拥有最优的强度、重量、速度与质量；

• 可持续性：采用新型材料与工艺，优先考虑材料使用效率，注重可维修性设计，推动产品的重复使用与回收利用；

• 效益：合理控制产品成本、运维成本与保修成本，同时提升维修便捷性。

回到支架设计的案例：借助全面集成的仿真驱动设计解决方案，可实现如下工作流程：

这是一个典型的优化工作流程示例，流程中充分考虑制造方法，最终输出可投入生产的零件方案。

性能

通过将设计、仿真与制造功能整合到同一工具中，从设计概念到产品验证的全流程可凭借 “协同思维” 避免差错与疏漏。工程师借助这样的设计自由度，能同时评估并优化产品的强度、刚度、重量性能、可制造性、质量与成本，进而更快判断设计方案的实际可行性。

该方案融合了常见的计算机辅助设计（CAD）功能，同时搭配新一代隐式设计工具，为隐式建模赋予了速度、可扩展性与稳健性。隐式建模是一种常用于复杂几何结构的技术，且不存在网格划分方面的限制（例如，针对注塑成型零件制造的鼠标设计）。

可持续性

如今，所有组织都高度重视如何减少碳足迹，同时遵守日益严格的气候相关法规。供应商不断推出各类新型 “环保” 材料，这些材料的特性，可能与已使用多年、且有丰富技术经验支撑的传统替代材料存在差异。在这样的背景下，可靠的数据源成为设计成功的关键。

AMDC不只是一个数据存储库：其专属材料数据结合了物理测试、材料建模与人工智能（AI）预测技术，不仅拓展了材料特性分析的维度、增强了仿真结果的可信度，还能为工程师提供经过验证的精准数据，助力优化产品性能。

效益

通过仿真驱动设计，既能优化设计以满足性能需求，又能减少材料用量、降低浪费，同时减少后续回收处理成本。将设计与制造过程仿真相集成，设计工程师可减少原型制作与物理测试环节，避免后续因工装修改产生高额成本。

对工作环境（如热效应、振动等）进行仿真，有助于确定产品的维护周期、预测早期故障，从而减少产品召回与保修索赔；而运动仿真则能提升产品维护的便捷性。试想，谁愿意为了更换一个汽车大灯灯泡，而拆解整个汽车前端呢？

全球100个AI应用案例电子书下载

△Altair 正式发布全球100个AI应用案例电子书，内容覆盖10+行业的100个AI应用场景。关注Altair立即获取，了解全球AI驱动工程设计应用成功案例，以及AI技术如何为工业制造业的产品全生命周期带来赋能与革新。