在數字化研發理想模型中，正向是三級跳的第二跳，用以解決創新問題。第一跳解決效率問題，減少浪費。第二跳就不能滿足于此，一定要有創造性，引入新技術，提升設計能力、創新能力。第二跳所采用的模型化技術，嵌入了大量的新技術，才能形成更高端的模型。正向設計擁有完整的V字流程，起點是MBSE，系統設計與仿真是核心。從用戶的真實需求開始，分解成非常細的技術需求，進入架構設計，再進入系統性設計。 

在傳統設計中，更多的是改型或者仿制，很少會提及這些名詞。MBSE則特別強調基于需求的架構設計，進行系統性的設計，實現顛覆式創新。如果沒有架構設計，只能在細節處進行創新，所以過去的逆向工程都是在細節上進行創新，導致企業只知其然，很少知其所以然。 

仿真處在正向設計和理想模型的中心位置。仿真在設計概念產生之后才會發揮作用，用來及時驗證設計的構想，可以說仿真是創新的保障之一。真正的創新要從MBSE系統設計入手，架構設計時才能產生新的設計。 

因此，在研發過程中一定要讓MBSE與仿真并行，并駕齊驅，是兩龍驅動的兩駕馬車，不能只強調仿真，也不能只強調 MBSE，保障中心性。因為時代因素，中國仿真在過去效益并不高，正向設計的要求也不高。仿真需要體系化建設，才能實現仿真驅動設計。僅僅依靠仿真軟件工具，其實起不到這個作用，達不到目的。

根據您所講述的V型流程，以往仿真技術多在V型的右邊，是一種事后的驗證。仿真驅動設計這個概念已經說了多年，是否已經真的逐漸走向現實了？

我把您所提到的這種知識稱之為確定性知識，基于確定原理，加工之后變成模型。只要原理是確定性的，就能模型化，模型化之后可以APP化。在設計過程中，基于輸入條件，可以得到確定性的輸出結果，這就是基于確定性的知識來完成設計的過程。實際上還有很多知識是不確定的。

我把知識分為兩種，一種是確定性知識，一種是基于不明確的機理，但是人能察覺到知識的存在，稱之為不確定性知識。確定性的知識，稱之為智能化手段，不確定性的知識我稱之為智慧化手段，您剛才講的例子就是智能化手段。智慧化手段要基于數據，在設計過程中，很多信息是不確定的。比如設計過程中，我們在市場上的產品質量好與不好，一開始并不清楚，通過對質量信息的收集，可以判斷設計產生的缺陷在哪里。預測性維護在后期很有作用，但我認為在研發角度更重要，它是下一代產品指導產品優化甚至創新的重要的知識來源。從大數據的角度講，用人工智能就可以找到下一代產品大幅度優于這一代產品的手段。

預測性維護是人工智能在察覺非確定性知識之后，總結出的模式，它可能沒有明確的物理機理，但是它確實有數學的描述告訴你函數是這樣的，導出的結果是那樣的，通過這個相關性，可以對產品改進提出指導意見。智能化方式現在大家都做的比較好了，但智慧的方式是需要在未來發展。

和我的理解非常一樣?，F在國內談智能制造的時候，我傾向于把它翻譯為 Smart Manufacturing。Intelligent Manufacturing我覺得可以翻譯為智慧制造，要加上更多的您所說的知識，才能真正稱為智慧的制造。