仿真治理 — 组织化CAE质量管理框架
理论与背景
什么是治理
老师，“仿真治理”是指组织如何管理CAE吗？
没错。简单来说，就是从依赖个人技艺的CAE，向组织化质量管理CAE的变革。NAFEMS在2019年发布了名为“Simulation Governance & Quality Management”的文件，系统化了其框架。
具体要决定哪些事情呢？
主要有三大支柱。
- 由谁执行 — 将分析人员的能力进行分级，规定各等级允许执行的分析类型
- 如何检查 — 在分析流程的关键节点设置评审关卡，分阶段确认质量
- 如何记录 — 对模型、输入数据、结果、评审记录进行统一管理，确保可追溯性
例如，对于汽车制造商，就会将“碰撞安全分析只能由经验丰富的工程师负责”这样的运作，定义为制度而非依赖个人的惯例。
原来如此。就是把过去那种“因为那个人说OK所以没问题”的感觉，变成一种机制对吧。
正是如此。依赖个人的判断，一旦该人员调动或离职，功能就会立刻失效。治理的本质在于建立“即使人员更换，质量也能维持的机制”。
NAFEMS治理框架
能告诉我NAFEMS框架的全貌吗？
NAFEMS的Simulation Governance框架采用以下5层结构。
| 层 | 名称 | 内容 |
|---|---|---|
| 第1层 | 政策（Policy） | 由管理层批准的基本方针。声明“将CAE结果用于设计判断的条件” |
| 第2层 | 流程（Process） | 定义分析工作流、评审关卡、审批权限 |
| 第3层 | 程序文件（Procedure） | 各类分析的具体作业步骤、使用工具、设定值 |
| 第4层 | 能力（Competency） | 分析人员的技能等级定义与教育培训计划 |
| 第5层 | 数据管理（SPDM） | 模型/结果的版本管理、访问控制、存储规则 |
上层更关注“为何做”，下层更关注“如何做”。只有这5层齐备，治理才能发挥作用。
这很像质量管理体系ISO 9001那样的分层结构呢。
很好的着眼点。实际上，NAFEMS的框架被设计成与ISO 9001或AS9100（航空航天质量）等标准相兼容。其理念是在现有质量管理体系中增加“仿真特有的要求事项”。
分析风险分类
对所有分析都施加相同级别的管理似乎很困难。有什么应对方法吗？
说得对，NAFEMS推荐基于风险的方法。分析风险按两个维度进行分类。
- Consequence（结果影响度）: 如果分析结果错误，会对安全性、成本、进度产生多大影响
- Uncertainty（不确定性）: 分析模型本身存在多大的不确定性（如新材料、复杂物理现象、实验数据不足等）
| 低 Uncertainty | 中 Uncertainty | 高 Uncertainty | |
|---|---|---|---|
| 高 Consequence | 中风险 | 高风险 | 最高风险 |
| 中 Consequence | 低风险 | 中风险 | 高风险 |
| 低 Consequence | 最低风险 | 低风险 | 中风险 |
例如，“现有零件轻微形状变更的强度确认”属于低风险，“使用新型复合材料的飞机主翼破坏分析”则属于最高风险。根据风险级别，调整评审的严格程度、所需分析人员等级、验证项目数量等。
如果全部采用最高级别的管理，工作就无法推进；但让新人毫无检查地处理关乎人命的分析也很可怕。就是要有所侧重对吧。
正是如此。在实际工作中，高效的模式是“80%的分析采用低~中风险的简化流程处理，将资源集中到剩下20%的高风险分析上”。
仿真成熟度模型
有没有衡量组织CAE“成熟度”的指标呢？
有的。NAFEMS将仿真成熟度定义为5个阶段。这是应用了CMMI（能力成熟度模型集成）的思想。
| 级别 | 名称 | 特征 |
|---|---|---|
| Level 1 | 初始（Initial） | 依赖个人、临时应对。结果质量完全依赖分析者个人能力 |
| Level 2 | 已管理（Managed） | 在项目层面定义了流程。但缺乏跨部门的标准化 |
| Level 3 | 已定义（Defined） | 组织标准流程已文档化，并在所有部门应用 |
| Level 4 | 定量管理（Quantitatively Managed） | 通过KPI测量和管理流程性能。基于数据的改进循环 |
| Level 5 | 优化（Optimizing） | 持续改进成为文化常态。自主吸纳技术创新 |
说实话，感觉日本的制造业大多还停留在Level 1~2…
实际情况确实如此。有调查显示，全球制造业约60%仍停留在Level 1~2。但在航空航天（如Airbus、Boeing）和汽车OEM（如BMW、Toyota）领域，也有不少企业达到了Level 3以上。重要的是“不要试图一步登天达到Level 5”。首先，从Level 2向Level 3的过渡是影响最大的。
仿真成熟度由分析流程各要素中的最小值决定。
也就是说，只要有一个要素薄弱，整体成熟度就会被其拖累。
能力矩阵与评审关卡
分析人员能力等级定义
“能力矩阵”是类似给分析人员排名的东西吗？有点紧张呢…
与其说是排名，不如说是将“这个人可以承担哪个级别的分析”可视化的工具。基于NAFEMS的Professional Simulation Engineer（PSE）制度，许多企业定义了4个能力等级。
| 等级 | 名称 | 可执行的分析 | 要求的经验 |
|---|---|---|---|
| Level 1 | 助理 | 基于定型模板执行分析。结果初步确认 | 完成基础培训。实际工作经验少于1年 |
| Level 2 | 实践者 | 标准线性分析、基于既定程序的非线性分析 | 实际工作经验1~3年。在导师指导下独立工作 |
| Level 3 | 专家 | 复杂非线性分析、多物理场、新建模方法的应用 | 实际工作经验3~7年。具备V&V实绩。具备评审他人的能力 |
| Level 4 | 资深专家 | 安全性关键分析、方法的开发与验证、治理体系的设计 | 实际工作经验7年以上。具备外部发表/论文实绩。业界认可 |
也就是说，不会让新员工独自进行汽车的碰撞分析，对吧。
正是如此。像碰撞安全这类高风险分析，典型的组合是：由Level 3以上的分析人员负责，由Level 4的资深专家进行评审。反之，对于现有零件的轻微强度确认，由Level 1人员使用模板执行，再由Level 2人员检查就足够了。
但是，Level 1的人如果一直停留在Level 1也很困扰吧。有晋升机制吗？
问得好。能力矩阵必须与职业发展路径一同定义。具体包括：
- 晋升到各级别所需的培训（内部培训、NAFEMS研讨会、在线学习等）
- 所需的实际工作经验种类与数量（例如：Level 3需具备至少5项不同类型分析的独立分析实绩）
- 评估方法（由更高级别人员进行技术面试、作品集评审等）
- 再认证周期（通常每2~3年）
人才培养与治理是表里一体的。
评审关卡流程
评审关卡，是指在分析过程中设置像“关卡”一样的检查点吗？
很好的理解。一般的CAE治理中，会在分析流程中设置4个关卡。
| 关卡 | 时机 | 确认内容 | 批准者 |
|---|---|---|---|
| Gate 0 | 分析开始前 | 明确分析目的、风险分类、指派合适的分析人员、确定使用的程序文件 | 项目负责人 |
| Gate 1 | 模型构建后 | 几何简化的合理性、网格质量、材料模型、边界条件与载荷条件 | Level 3及以上分析人员 |
| Gate 2 | 计算执行后 | 收敛状况、能量平衡、结果的物理合理性、网格敏感性确认 | Level 3及以上分析人员 |
| Gate 3 | 报告书作成后 | 结论的合理性、不确定性的量化、建议事项的具体性、数据的归档 | 根据分析风险，由Level 3~4人员批准 |
Gate 0决定“这个分析是否必要、应该由谁来做”这一点很有趣。感觉在现场经常是“先算算看”这样的情况比较多。
这正是关键所在。如果没有Gate 0，就会出现分析人员擅自开始，结果出来后才被告知“实际上这个分析并不充分”的情况，屡见不鲜。最初花10分钟进行Gate 0，就能显著减少返工工时。在实际工作中，这被认为是投资回报率最高的关卡。
关卡检查清单
Gate 1的模型构建检查，具体要确认哪些项目呢？
我来介绍一个典型的Gate 1检查清单。
- 几何简化：被省略的特征（圆角、孔、倒角等）列表及省略理由
- 网格质量：所有单元是否满足：纵横比 < 5、偏斜度 < 0.8、雅可比 > 0.3
- 材料模型：所用材料数据的来源（材料试验报告编号或手册名称）、是否考虑温度/速度依赖性
- 边界条件：约束条件是否过度约束（静力分析中反力是否物理合理）
- 载荷条件：载荷工况的完备性、安全系数的依据
- 接触定义：接触面的选择、摩擦系数的依据、初始间隙的确认
将其作为Excel或SPDM工具的模板标准化，可以使评审高效进行。
有了检查清单，就不用为“该确认什么”而烦恼了。评审者的负担似乎也会减轻。
实践指南
实施步骤
我们部门也想引入治理，应该从哪里开始呢？
贸然在全公司铺开是失败之源。首先从试点项目小规模开始是铁律。推荐的实施步骤如下。
- 现状评估（1~2个月）：盘点当前的分析流程，进行成熟度自评。梳理出已成为“隐性知识”的判断标准
- 选定试点（2周）：选择一个产品线或分析团队作为试点。易于创造成功经验的中等规模团队（5~10人）最为理想
- 治理文档准备（2~3个月）：起草政策、流程图表、检查清单、能力矩阵等文档
- 试点运行（3~6个月）：在实际项目中试行治理。收集现场反馈并修订文档
- 全公司推广（6个月~）：向管理层报告试点成果和KPI数据，逐步向其他部门推广
感觉步骤1的“梳理隐性知识”是最困难的。如何将只存在于资深人员头脑中的知识形式化呢？
一个有效的方法是“分析历史问题”。收集过去3~5年间的分析失误、返工、问题流出等案例，分析“为什么没能防止”。这样，“如果这里有检查点就能防止”、“这个判断只有资深人员知道”等地方就会自然浮现。问题案例是隐性知识的宝库。
SPDM（仿真流程与数据管理）
最近经常听到SPDM，简单说就是管理CAE数据的系统吗？
对了一半，但还不够。SPDM是Simulation Process and Data Management的缩写，其关键在于不仅管理数据，也将流程作为管理对象。具体包括：
- 数据管理：CAD模型、有限元网格、输入文件、结果文件、报告的版本管理与访问
なった
詳しく
報告