当仿真与试验结果不一致怎么办？

长期以来，一直有个玩笑在技术部门流传：

"除了试验工程师，每个人都相信试验结果"

"除了计算工程师，没有人相信CAE分析的结果"

经典的两句话，形象地描述了产品试验与产品仿真，在产品验证过程中被分别对待的态度。一直以来，质量体系都在提倡进行CAE，其优点可以列举：节约时间、降低成本、缩短上市周期等等。但实际上，CAE更重要的作用，在于校核产品设计和指导产品设计,提高对产品性能的认识，这是对产品技术水平提升最为关键的。

但是，为什么许多人会不相信CAE仿真呢？

统计学家GeorgeE. P. Box所言：所有的（数学）模型都是错的，但有些还是有用的。（essentially, allmodels are wrong, but some are useful）所有的模拟仿真，都不可能绝对的实现对现实的模拟，它们都要依赖各种各样的假设和数学模型，这些模型并不见得能够很好的反映现实世界的情况，即便是那些优秀的模型，也只能在特定的情况和时期、特定的精度之内贴近实际，既然是近似模拟，就必然会存在误差。

以元王某个热仿真项目为例，客户需要分析某电子产品在85℃环境下各芯片的温度情况，但仿真分析的温度数据相对于实验结果整体偏大。由此，客户对仿真结果准确性提出质疑，元王仿真工程师在了解到客户的疑虑后，也在积极排查差异结果原因。

在热仿真分析中，仿真与试验结果不一致很可能是以下原因所致：

元王仿真工程师与客户沟通后，仔细复查了仿真整体流程，并对以上可能原因一一核对，最后判断客户在进行试验时温箱的循环风对测试样机直接吹风，是导致测试温度比仿真温度低的主要原因。元王以往的其他客户也出现过类似问题，他们之后测试时，都会采用亚克力罩或者纸皮挡住风口，阻止循环风直接吹测试样机。

了解试验过程的朋友一定清楚，试验的结果其实也是有偏差的，数据的采集方式和方法，准备工作的准确度，试验设备的调试情况，以及最后试验数据的处理都会存在一定的偏差，而且每次的试验数据都是有差异的，这样的数据用来作为对标值确实就有些不符合科学精神。不过有一点，可以作为参考，就是试验结果的趋势，在同样的条件下，仿真的结果趋势如果与试验的结果趋势（注意是仿真趋势，而不是结果）完全不同，那么这个仿真一定是有问题的。

综上所述，CAE最为重要的作用，在于校核产品设计和指导产品设计,提高对产品性能的认识，以达到以下目标：

→ 检验并改进计算模型

→ 建立计算评价系数体系

→研究一些无法快速有效的计算现象

→ 提高更高精度的结果

总之，当仿真与试验结果不一致时，客户对仿真结果存在质疑是很正常的。身为一个CAE仿真人，我们首先要确定自身分析环节没有出错，正确的模型处理和分析流程，加上有效的结果评判标准是能够保证输出结果的指导性，然后才能自信的面对客户的质疑。在之后的项目分析过程中，元王愿不断的积累经验，输出高质量的报告，让客户确实从中受益解决问题，不断提升对元王的信服和依赖，为客户创造价值！