现有仿真技术难处理大数据

      大数据的采集、存储、传输、处理、应用等问题，对各行业的文化、组织、管理、方法、技术等均提出了挑战。美国科学院发表研究报告指出，计算机仿真技术已与理论和试验并列为进行科学研究的第三支柱。仿真是从模型到数据，而大数据则是数据到模型。那么大数据的出现，又给仿真科学带来怎样的冲击？

      “大数据理论的出现，给传统建模仿真学科带来了挑战。很多问题需要我们认真研究和讨论，这些挑战有可能会动摇或变革原仿真理论的基础。”

      大数据对建模仿真的挑战主要体现在思维方式、科研方式和方法手段等方面，利用现有建模仿真技术处理大数据还存在问题。比如，传统的仿真思维方式认为仿真是基于模型的活动，其科研方式是根据系统实验的目标建立系统模型，进而建立仿真系统运行系统模型，最后再分析、处理模型运行结果。“但传统的仿真思维方式和科研方式，已不适应处理大数据的需求。”中国工程院院士李伯虎坦言，现有的建模方法不能建立相应的系统模型，并关联和处理这些大数据；现有的仿真支撑方法手段不能适应对分布、异构复杂系统大数据感知、采集、挖掘、处理、应用的需求；现有的仿真应用工程技术对复杂系统产生的大数据，还不能全面、充分、及时地用于各行业，并推动社会发展……

MBSE对全过程仿真验证能力的需求​

      全过程数字化建模和仿真的需求

• 通过需求仿真、功能仿真、性能仿真、工艺仿真等建模，实现全过程数字化建模及仿真。

      研发过程中强化虚拟验证能力

• 借助全过程数字模型，在研发各个阶段实现早期虚拟验证，尽量减少物理样机的次数。

      借助精确和快速的仿真工具实现快速设计

• 系统工程设计方案，通过功能虚拟样机、性能虚拟样机、工艺虚拟样机的快速精确验证，得到优化的设计方案，再进入物理样机验证环节。