JMP帮助佐治亚理工学院进行尖端技术研发

佐治亚科技面前正展现出一副广阔的蓝图：在制造新一代火箭、飞机、潜艇和其它复杂工程项目领域，利用JMP软件，ASDL（空间系统实验室）的研发工程师们正迎接挑战，探寻着各种可能的机会空间。

重返月球、火星，甚至是更远的空间，美国国会如何才能够制订相应的项目预算？航空航天公司如何利用最新技术开发商用超音速客机？如何才能够使下一代美国军用战斗机负重最小、速度最快、航程最远？

美国佐治亚理工学院空间系统实验室（ASDL: Aerospace Systems Design Laboratory）帮助使这些梦想成真。为了实现加强安全、减少环境影响、降低采购和运营成本的最终目标，研究所总监Dimitri Mavris、Michelle Kirby和其它研发工程师们在各种试验设置中使用顶级软件JMP，帮助工业界、军方以及政府部门的组织机构，进行着世界上最先进最成熟的工程设计。在这里，所有项目都非常复杂，大部分与航空航天相关。“系统设计是分别独立的，所以，与其它工程学科相比，协同计划在这里更重要。”Kirby说，“对于航空航天学来说，协同合作是关键。”ASDL正是为完成这样的工作而设，Mavris说到，“在系统系统化领域，ASDL是最先进的机构，处于尖端。” Mavris解释说，在ASDL出现之前，当工业界领袖寻求合格雇员时，大学教育提供的毕业生往往缺乏特定技能。Mavris试图缩小教育与用工企业之间的缺口，在1992年创办了ASDL，以联结教育界与工业界、设计与制造、科技与工程之间的跨越。“学生们在的时候，作为熟练的专家推动项目，离开的时候，成为更有价值的系统整合专家。”Mavris说。尽管政府和工业界一年在ASDL试验室投入800万美元，“但是我们的目的不是赚取利润，我们的目标是培养新一代的工程专家。”Mavris说。Mavris和他的25名员工在培养本科生、研究生的同时，这两百多名学生也为工业界和政府部门创造了新一代的适用且高质量的系统。

1994年，Mavirs发现了SAS旗下的统计发现软件JMP，决定将它作为工具应用于他的实验室。当他看到JMP在生命科学领域的应用案例时，他知道这个软件能够帮助他的团队完成真实的实验。他回忆到：“我看到的是在老鼠身上做试验，但是我想到的却是将它应用在火箭上。”很快，他发现JMP有互动分析和数据可视化功能，而这些功能是设计最佳系统所必须的。“发明可视化功能的那个人真是个天才，”Mavris说。 “我们不再需要自已设计工具，”他说。“我们需要的是一个一体化工具包，这正是JMP所提供的。它是一个为工程师所设计的强大的工具。JMP使你能够不受资源限制地完成工作。”随着JMP在实验室的推广应用，现在几乎每一个就读硕士学位的学生都在使用它。

协同可视化环境

仅仅将JMP应用于传统方式是远远不够的，这款交互软件能够实现特殊环境，Mavris说。“我们希望建立一个不同于其它任何实体的组织。”他做到了，这个新产生的实验室称为“协同可视化环境”，即COVE，它由12块屏幕组成一个10英尺高、18英尺宽的多媒体墙面。“它创建了一个信息汇总系统，能够显示所有的数据。”

多媒体墙面如此之大的原因是运算变量太多，模型数量庞大。巨大的显示墙面使各协同参与者能够清楚地观测、理解系统模型。在使用COVE之前，只能使用翻页来显示JMP图形分析，影响展示效果。“总是翻页，多几次观众就会不耐烦了。”Mavris说。但是这种情况在COVE中不会发生，Mavris说，“对观众来说，所见即所得。每件产品的突破几乎都在JMP中体现了。”

交互式地探索可选方案

一些基于物理意义的计算动态模型，比如NASA的那些模型，运营成本非常高昂，且无法实时运行假设分析，而实际的决策依赖于实时模型。Mavris面临着挑战是：对于物理模型运行单个设计已经需时颇久，他的团队如何才能交互式地探测各种选择方案？答案很简单：使用替代模型。如其名所示，替代统计模型能够扮演昂贵物理模型、专利数学模型或者计算密集型模拟模型的角色。

ASDL承接的巨型项目，其中有些需要保密，大部分都有竞争对手，对于这些项目来说，替代模型成为实际的沟通工具。如果工程师们要求使用真实参数，供应商或者研发合作者将不得不被迫共享专利信息；出于竞争因素的考虑，共享是困难的，Mavris说。“所以，替代模型是共享假设信息的安全途径，不需要担心真实信息泄露。这些模型是无法倒推演算的，所以我们避开了政治壁垒和各机构间的竞争壁垒。”

从事一些在数年内都不会进行规模化生产的工作，工程师们不应该囿于现有参数的束缚，一旦进入生产程序，这些参数可能会变得过时。与此恰恰相反，合作各方可以以变量来代替常量来开展当前的工作，设计者无须担心将来会发生什么，所有的设计计划都可以基于不同的假设和条件运行，Mavris说。 “面对如此巨量的数据和变量，替代模型使我们能够批量处理数据，而不是纠缠于数据细节，”Mavris说。“数据模型加快了处理速度。”相同规模的数学模型太过庞大，无法快速有效地运行假设环境。首先由替代模型进行演算，再由昂贵的数学模型进行精确演算。这些替代模型运行在一台戴尔超级计算机系统上，这个系统与佐治亚科技物理学部门的另一台相仿的计算机系统一起，提供1024个中央处理器的并行运算。

蒙特卡洛筛选

在ASDL，另一个建模的重要方法是蒙特卡洛模拟。研究生学者Pat Biltgen演示了JMP如何应用于与空军战斗机和防空防御相关的军用目标模拟。模拟的目的是探测什么样的武器系统能够击中目标，这些武器系统具有什么样的特征。这项研究面临的主要科技方面的挑战，是如何执行概率分析，以及如何将复杂的多维运算结果可视化。

利用替代模型，执行基于物理意义的设计工具的精确相似，可以快速得到符合要求的要点设计。替代模型能够即时运行蒙特卡洛模拟，这两项技术相结合可以实现运行能力设计以及技术探测。使用子系统层次输入参数的一致分布，能够快速评估一个在“系统系统化”层面的特定解决方案的有效性。蒙特卡洛过滤技术将成百上千的解决方案过滤、减少至少数几个，这是通过应用最高层级的常量，以及在系统和子系统连续确认剩余的解决方案来实现的。这样，工作的重点由探测复杂的多维数学空间转移到快速排查某个数据库模拟。即使样本点众多，工程师们也可以用散点图矩阵多方向、图形化表现所有的可能性。随后他们可以深入分析样本点，选择出他们想要的样本点，或者选择出想要删除的不可行样本点，直到剩下的样本点能够定义他们所需要的机会空间。普通图表只能显示三维，而蒙特卡洛过滤可以在更多维度上显示概率。每一个点代表一个可能性探测，用所设条件筛选，剩余下来的点可以用来做进一步的筛选。工程师们所寻求的正是选择的多样性。一个数学优化只能得到一个解决方案，而蒙特卡洛过滤可以得到所有满足条件的解决方案集合。蒙特卡洛过滤提供了选择的多样性。众所周知，达到同一个目标可能有多种方法。

此过程中使用的另一项技术是表面轮廓特征，这个特征可以形成执行（替代模型捕捉到的）参数曲面的三维立方体。Biltgen描述了64种不相关联的空军模拟运行状态，他说：“我们可以得到八个立方体，当参数滑杆移动，这些立方体就相应地随之发生变化。”“这个功能太神奇了！”根据Biltgen的描述，可以用图形化的方式来同时排查多个复杂的多维空间，使基于运算能力的设计成为可能。“我们面临的首要问题是我们可以做出成百上千个设计，但是决策者们可不想看那么多方案，”Biltgen说。“JMP的可视化功能使决策者们能够了解排查过程，得到大量信息，除了可视化功能，这些信息不可能用别的方法来表达。”他说。

 “神奇”这两个字应该也可以用来形容下一代商用喷气式飞机 — ASDL的另一个项目。工程师们在设计初期就开始分析各种性能的权衡，考虑与噪音限制要求、排放量标准和燃料消耗控制相关的各种变量。“这个方法将各种特性用图形表达出来，形成整个系统的标准，有效地检测所有设计方案。”在《使用响应面方法分析超音速静音飞机发动机性能平衡》一文中，Simon Briceno和Mavris写道。“这个方法可以在设计方案集合内分析所有可以辨识的方案。”使用此方法，可以设计出符合所有要求且成本最优的超音速静音飞机发动机。“此方法使决策者们可以在设计的最初阶段尝试各种假设，权衡利弊，在整个系统层面考察各种权衡的结果。此外，设计者们也可以深入了解不同参数可能对整个设计带来的巨大影响。”

在一篇为世界航空航天大会撰写的论文中，ASDL的Peter Hollingsworth和Mavris描述了可以实际运用于极超音速战斗机的假设分析方法。极超音速战斗机可以达到超过音速五倍的速度。在开放且不断演进的需求中，可以探测不同的概念。比如，一个假设问题可以是：如果极超音速飞机不但要能够在陆地上起降，而且要能够在航母上起降，该如何设计？

 “在最初的战斗机设计阶段，设计者们很有可能永远不会考虑到陆地、航母双起降功能技术，也不会执行相关的模块。正因为如此，如果（在后期）再要求添加航母起降兼容功能，可能会造成整个系统不可行。”

任何人都不想造成极超音速飞机、超音速飞机，或者其它任何复杂系统不可行的局面，Kirby说，如果各种假设能够运行，各种利弊可以权衡，最好在设计的初期阶段就考虑到各种可能性。“JMP是这一切的核心，它是一切的关键，”Kirby说到，“要知道，我们是JMP的重量级用户。”