工程领域的仿真使设计人员能够以传统手段无法达到的速度和复杂性来创建、测试和修改想法。 正如仿真使跨行业的产品开发变得更快、更经过计算一样，其自身的演变也是快速且至关重要的。 工程领域仿真的现状是由其不断扩大的作用和逐渐消失的局限性所决定的。 未来的仿真很可能会出现类似的计算机辅助工程 (CAE) 能力、规模和范围的爆炸式增长。
CAE仿真及其约束
在 80 年代和 90 年代的形成时期，仿真几乎专门用于设计验证。 这并不是要淡化这些功能的重要性：仿真为复杂系统的工程问题提供了无与伦比的答案，同时降低了测试零件可行性的成本。 最初，该研究重点关注机械相互作用，但迅速扩展到流体动力学、材料成型、电磁学等领域。 借助这项技术，工程师可以根据大量施加的约束来预测设计的行为，并通过虚拟试验和错误来优化最终产品，而不是进行破坏性的现实测试。
这些能力的主要限制因素是当时可用的处理能力。 随着计算能力的指数级增长，以及改进的数值方案和更好的物理建模（通过物理理论、工程人才和软件能力），模拟的可能性已经爆炸式增长。
今天的模拟
这引导我们了解当前的模拟状态。 我们可以通过自动化设计优化和更复杂的模型来处理给定系统的更多变体。 多物理场已经离开学术界的专属领域，成为跨行业使用的工作工具。
速度和功能的扩展使得仿真逐渐走出其设计验证框。 CAE 在产品生命周期的更多领域得到了前所未有的应用。 一开始，越早发现问题，就能更便宜、更快地进行修改。
如今，仿真在优化制造流程方面始终发挥着重要作用。 现代工具可以更好地预测锻造、铸造、注塑等。 虽然这些功能已经存在了一段时间，但技术和工程实践的改进使得仿真在整个生产过程中发挥着更重要的作用。
即使产品在客户处开始使用后，CAE 也可以更好地估计设计所需的维护和维修。 仿真使工程师能够更好地预测可能首先出现故障的情况，并制定维护计划来缓解问题。 根据 CAE 程序提供的预测，可以向最终用户提供操作建议。
工程仿真的未来
CAE的未来是光明的。 同样，更快的流程和更智能的流程使仿真能够扩大其作用，即将到来的技术和趋势为工程仿真提供了新的可能性。
基于模型的工程
基于模型的工程正在跨行业的制造领域得到更加一致的实施。 3D 模型提供了一种在相关各方之间共享信息的简化、统一的方法。 他们提供的数据可改善全球协作和优化工作，3D 模型可作为各种制造和设计信息的来源。
该数据包已包含元数据、模型本身、检查信息等。 虽然有时会出现，但基于模型的工程的下一步是包含 CAE 数据：CAE 约束和仿真结果应该是传递的数据包的一部分。
将 CAE 功能集成到建模应用程序中还有助于消除数据传输到单独的专用仿真应用程序时出现的一些障碍。
所需的人工智能讨论
过去几年里，几乎所有出版的“未来”或预测文章都会以某种方式提及人工智能，这次也不例外。 人工智能将继续存在，这是毫无疑问的，但它在整个模拟和工程中的作用还远没有被明确定义。
一个令人兴奋的前景是深度学习技术变得足够智能，可以在一般情况下处理大类问题。 也许潜在的偏微分方程问题可以在目前所需时间的一小部分内得到解决。
CAE 中人工智能的另一个方面是使用生成设计来创建模型，以及利用人工智能来巩固此类解决方案。 生成式设计将继续允许工程师创建数百或数千次要模拟的产品迭代。 人工智能可能会成为应对这些变化以尽快获得最理想结果的重要工具。
远程工程
远程工程并不是一个新概念，很大一部分工程仍然是在桌面应用程序上完成的。 过去，远程桌面提供了对真正基于 Web 的 CAE 应用程序的模仿。 过去十年，随着工程和 CAE 迁移到云端，真正的 CAE Web 应用程序显着扩展。 从私有服务器集群的使用已经并将继续转向 AWS、Azure、Google Cloud 等商业产品。
无论使用何种技术，远程工程师都提供了一种集中数据和体验的方法，同时减少 IT 开销。 资源更加灵活，协作潜力扩大。 如何采用取决于组织的文化、用户体验以及所涉及的相关成本。
量子计算：遥远的未来？
也许现在深入讨论有点太远了，但量子计算的力量和潜力为 3D 模拟行业提供了诱人的前景。 正如我们所看到的，技术限制的消除使得 CAE 往往会在其所涉及的行业的功能、范围和影响方面出现爆炸式增长。 预测这项技术的确切结果很困难，但如果它能够兑现其承诺，可能的工程应用将是令人兴奋的。