在数字化研发理想模型中，正向是三级跳的第二跳，用以解决创新问题。第一跳解决效率问题，减少浪费。第二跳就不能满足于此，一定要有创造性，引入新技术，提升设计能力、创新能力。第二跳所采用的模型化技术，嵌入了大量的新技术，才能形成更高端的模型。正向设计拥有完整的V字流程，起点是MBSE，系统设计与仿真是核心。从用户的真实需求开始，分解成非常细的技术需求，进入架构设计，再进入系统性设计。 

在传统设计中，更多的是改型或者仿制，很少会提及这些名词。MBSE则特别强调基于需求的架构设计，进行系统性的设计，实现颠覆式创新。如果没有架构设计，只能在细节处进行创新，所以过去的逆向工程都是在细节上进行创新，导致企业只知其然，很少知其所以然。 

仿真处在正向设计和理想模型的中心位置。仿真在设计概念产生之后才会发挥作用，用来及时验证设计的构想，可以说仿真是创新的保障之一。真正的创新要从MBSE系统设计入手，架构设计时才能产生新的设计。 

因此，在研发过程中一定要让MBSE与仿真并行，并驾齐驱，是两龙驱动的两驾马车，不能只强调仿真，也不能只强调 MBSE，保障中心性。因为时代因素，中国仿真在过去效益并不高，正向设计的要求也不高。仿真需要体系化建设，才能实现仿真驱动设计。仅仅依靠仿真软件工具，其实起不到这个作用，达不到目的。

根据您所讲述的V型流程，以往仿真技术多在V型的右边，是一种事后的验证。仿真驱动设计这个概念已经说了多年，是否已经真的逐渐走向现实了？

我把您所提到的这种知识称之为确定性知识，基于确定原理，加工之后变成模型。只要原理是确定性的，就能模型化，模型化之后可以APP化。在设计过程中，基于输入条件，可以得到确定性的输出结果，这就是基于确定性的知识来完成设计的过程。实际上还有很多知识是不确定的。

我把知识分为两种，一种是确定性知识，一种是基于不明确的机理，但是人能察觉到知识的存在，称之为不确定性知识。确定性的知识，称之为智能化手段，不确定性的知识我称之为智慧化手段，您刚才讲的例子就是智能化手段。智慧化手段要基于数据，在设计过程中，很多信息是不确定的。比如设计过程中，我们在市场上的产品质量好与不好，一开始并不清楚，通过对质量信息的收集，可以判断设计产生的缺陷在哪里。预测性维护在后期很有作用，但我认为在研发角度更重要，它是下一代产品指导产品优化甚至创新的重要的知识来源。从大数据的角度讲，用人工智能就可以找到下一代产品大幅度优于这一代产品的手段。

预测性维护是人工智能在察觉非确定性知识之后，总结出的模式，它可能没有明确的物理机理，但是它确实有数学的描述告诉你函数是这样的，导出的结果是那样的，通过这个相关性，可以对产品改进提出指导意见。智能化方式现在大家都做的比较好了，但智慧的方式是需要在未来发展。

和我的理解非常一样。现在国内谈智能制造的时候，我倾向于把它翻译为 Smart Manufacturing。Intelligent Manufacturing我觉得可以翻译为智慧制造，要加上更多的您所说的知识，才能真正称为智慧的制造。