《Proceedings of the Design Society》：Leveraging extreme-scale simulation data: a workflow framework for multidisciplinary simulator integration
编辑推荐：
工程人员通过系统行为仿真以支持产品工程中的决策制定。将此类工程仿真数据应用于战略产品规划，可为创意生成及设计方案与限制的早期评估提供支持。然而，资源与专业知识的有限性阻碍了仿真数据在战略产品规划中的广泛应用。本研究 investigating 仿真器集成至自动
工程人员通过系统行为仿真以支持产品工程中的决策制定。将此类工程仿真数据应用于战略产品规划，可为创意生成及设计方案与限制的早期评估提供支持。然而，资源与专业知识的有限性阻碍了仿真数据在战略产品规划中的广泛应用。本研究 investigating 仿真器集成至自动化工作流及其关键处理组件，以实现无需深入专业知识的仿真应用。该方法通过创建基于数据的决策支持，提升了战略产品规划水平。
研究背景与问题阐述
在信息物理系统（Cyber-Physical Systems, CPS）的工程领域中，仿真是支撑产品开发决策的核心手段。随着产品复杂性的提升，机械、电气与软件工程等多学科协同成为常态，各领域中 discipline-specific 的仿真模型在产品开发过程中不断积累与完善。然而，这些耗费大量资源构建的仿真数据与模型，其应用价值往往局限于工程验证阶段，未能有效延伸至战略产品规划（Strategic Product Planning, SPP）环节。SPP 作为产品生命周期中连接市场洞察与工程实施的关键阶段，核心任务涵盖问题空间探索与创意开发筛选两个维度。当前 SPP 团队通常由财务、营销与工程等多职能人员构成，而非涵盖所有学科领域的仿真专家，这一结构性特征导致决策者在缺乏深入仿真专业知识的情况下，难以直接利用工程仿真数据支撑决策。与此同时，仿真专家在项目间的无缝衔接、产品快速上市的压力以及仿真参数扩展所需资源的有限性，共同构成了仿真数据向 SPP 流转的多重壁垒。因此，如何在降低专业知识门槛的前提下，实现多学科仿真数据在战略产品规划中的自动化处理与决策支持，成为亟待解决的关键问题。
研究设计与核心方法
为应对上述挑战，研究人员开展了面向多学科仿真器集成的工作流框架研究，其成果以 Simulator HyperSuite（SHS）软件系统的形式呈现。该研究采用四步递进式研究设计：首先基于文献分析推导 SHS 的功能需求并实现仿真器向工作流的系统化集成；继而结合用户需求调研形成 SHS 概念设计；随后完成研究原型开发；最终在欧盟 Horizon Europe 计划资助的 CREXDATA 项目中，通过面向终端用户的应用评估验证框架有效性。研究原型应用于灾害管理领域的无人机特性评估场景，样本来源于该领域的 9 名指挥层级应急人员，评估采用 Likert 量表收集用户对于仿真器无专业知识可操作性的主观认知数据。
研究结果
需求分析与概念构建：研究人员从文献与用户需求两个维度提炼 SHS 的设计基础。文献分析明确了工作流需包含终端用户输入接口、输入数据预处理、模块化仿真器连接、模块间数据交换等核心功能。针对 CREXDATA 项目中灾害管理领域的 15 名专家访谈揭示了四项关键用户需求：仿真器由领域专家预集成后供非专家使用、参数化过程极致简化、用户界面精简至核心要素、以及面向决策支持的定向结果聚合与可视化。基于上述需求，研究人员构建了涵盖数据输入管理、预处理、仿真执行、后处理与可视化输出的完整工作流概念。
Simulator HyperSuite 架构：SHS 的工作流架构包含六个核心处理步骤。第一步为数据输入管理，通过图形用户界面（Graphical User Interface, GUI）收集用户定义的仿真参数，并设置数据库接口以调用工程测试、生产记录或运行监测等存档数据，确保参数输入限定于合理范围。第二步为数据预处理，将用户友好格式的输入转换为各仿真器所需的 discipline-specific 数据格式与配置文件，包括时间尺度统一、单位换算等操作。第三步为仿真执行，触发预配置的多学科仿真器进行并行或串行计算。第四步与第五步构成结果后处理，包括多仿真器输出数据的格式协调、基于计算规则的聚合指标生成，以及按决策需求的数据分类与聚类。第六步为可视化输出，将处理后的结果以适配终端用户认知特征的方式呈现，以支撑知情决策。
无人机应用场景验证：研究人员以机器人仿真平台 Gazebo tribune 中的无人机仿真为典型案例，集成洪水仿真、野火仿真与机器人仿真三类仿真器。针对终端用户开发的 Web 应用提供中央输入界面，顶部为跨仿真器的共享参数区域，下部为各仿真器的专属参数区域。以风向参数为例，用户以角度制输入的风向经预处理转换为三维向量格式以满足 Gazebo 仿真器要求。预处理子工作流在 Altair RapidMiner AI Studio 环境中实现，包含参数提取、路径计算、远程服务器配置写入及脚本触发执行四个环节。后处理环节从仿真结果提取关键数据，进行格式标准化与聚合计算，最终输出为 JSON 或 CSV 等开放格式，并在地图界面叠加显示无人机飞行路径、持续时间及电池状态等决策关键指标。
用户评估结果：9 名应急指挥人员参与的评估显示，SHS 在无专业知识条件下的仿真器参数化方面获得平均 6.71 分（Likert 1-10 量表），而在工作流集成提升仿真使用意愿、GUI 简化操作、可视化支撑快速决策三个维度分别获得较高评分。定性反馈表明，简化操作的 GUI 是使非专家用户能够使用仿真器的根本前提。
讨论与结论
SHS 与现有协同仿真、集成仿真环境（Integrated Simulation Environments, ISE）、多学科设计分析与优化（Multidisciplinary Design, Analysis, and Optimization, MDAO）以及过程集成与设计优化（Process Integration and Design Optimization, PIDO）等框架的本质区别在于，其设计目标并非服务于仿真专家之间的结果交互，而是面向无深入专业知识的终端用户实现仿真能力的民主化。通过端到端的数据录入、预处理、自动化仿真执行与后处理，SHS 有效桥接了工程仿真数据与战略决策需求之间的鸿沟。
该研究的主要意义在于：其一，突破了工程仿真数据应用的时间与专业壁垒，使已完成工程过程中的仿真资源得以在 SPP 阶段复用；其二，通过参数化研究扩展了仿真数据的决策支持价值，助力问题空间探索与创意早期评估；其三，为应对日益缩短的创新周期与专家资源稀缺性提供了系统化解法，从而增强企业创新能力与市场竞争力。该论文发表于《Proceedings of the Design Society》。
研究同时指出若干局限与未来方向：与协同仿真不同，SHS 中各仿真器运行于独立工作流，仿真间无实时数据交换；工作流各步骤的不确定性累积效应需通过可视化表征加以管控；仿真器的初始集成仍需领域专家完成。未来研究将聚焦于系统可扩展性验证、适配性可视化概念开发，以及不确定性量化与表达方法的深入探索，以进一步优化基于 SHS 数据的决策支持质量。
研究结论翻译：本研究提出了用于战略产品规划中自动化仿真的多学科仿真器处理组件。Simulator HyperSuite 使决策者能够在缺乏深入专业知识的情况下进行仿真参数化与执行。用户通过中央 GUI 输入数据，补充测量数据后经预处理供仿真使用；输出结果经聚合、分类与可视化后支撑决策制定。该方法使已完成工程过程中的仿真数据得以在战略产品规划中复用，通过参数化研究探索问题空间并支持新产品创意评估。由此，领域专家匮乏与短创新周期带来的时间压力等挑战得以克服，工程过程中的多学科数据得以低附加成本地服务于未来产品开发。这增强了企业创新能力，进而改善其竞争地位。未来需进一步研究可扩展性、适配可视化概念以及不确定性可视化考量，以确保基于 SHS 数据的优化决策支持。
