佐治亞科技面前正展現出一副廣闊的藍圖：在制造新一代火箭、飛機、潛艇和其它復雜工程項目領域，利用JMP軟件，ASDL(空間系統實驗室)的研發工程師們正迎接挑戰，探尋著各種可能的機會空間。

　　重返月球、火星，甚至是更遠的空間，美國國會如何才能夠制訂相應的項目預算?航空航天公司如何利用最新技術開發商用超音速客機?如何才能夠使下一代美國軍用戰斗機負重最小、速度最快、航程最遠?

　　美國佐治亞理工學院空間系統實驗室(ASDL: Aerospace Systems Design Laboratory)幫助使這些夢想成真。為了實現加強安全、減少環境影響、降低采購和運營成本的最終目標，研究所總監Dimitri Mavris、Michelle Kirby和其它研發工程師們在各種試驗設置中使用頂級軟件JMP，幫助工業界、軍方以及政府部門的組織機構，進行著世界上最先進最成熟的工程設計。在這里，所有項目都非常復雜，大部分與航空航天相關。“系統設計是分別獨立的，所以，與其它工程學科相比，協同計劃在這里更重要。”Kirby說，“對于航空航天學來說，協同合作是關鍵。”ASDL正是為完成這樣的工作而設，Mavris說到，“在系統系統化領域，ASDL是最先進的機構，處于尖端。” Mavris解釋說，在ASDL出現之前，當工業界領袖尋求合格雇員時，大學教育提供的畢業生往往缺乏特定技能。Mavris試圖縮小教育與用工企業之間的缺口，在1992年創辦了ASDL，以聯結教育界與工業界、設計與制造、科技與工程之間的跨越。“學生們在的時候，作為熟練的專家推動項目，離開的時候，成為更有價值的系統整合專家。”Mavris說。盡管政府和工業界一年在ASDL試驗室投入800萬美元，“但是我們的目的不是賺取利潤，我們的目標是培養新一代的工程專家。”Mavris說。Mavris和他的25名員工在培養本科生、研究生的同時，這兩百多名學生也為工業界和政府部門創造了新一代的適用且高質量的系統。

　　1994年，Mavirs發現了SAS旗下的統計發現軟件JMP，決定將它作為工具應用于他的實驗室。當他看到JMP在生命科學領域的應用案例時，他知道這個軟件能夠幫助他的團隊完成真實的實驗。他回憶到：“我看到的是在老鼠身上做試驗，但是我想到的卻是將它應用在火箭上。”很快，他發現JMP有互動分析和數據可視化功能，而這些功能是設計最佳系統所必須的。“發明可視化功能的那個人真是個天才，”Mavris說。 “我們不再需要自已設計工具，”他說。“我們需要的是一個一體化工具包，這正是JMP所提供的。它是一個為工程師所設計的強大的工具。JMP使你能夠不受資源限制地完成工作。”隨著JMP在實驗室的推廣應用，現在幾乎每一個就讀碩士學位的學生都在使用它。

　　協同可視化環境

　　僅僅將JMP應用于傳統方式是遠遠不夠的，這款交互軟件能夠實現特殊環境，Mavris說。“我們希望建立一個不同于其它任何實體的組織。”他做到了，這個新產生的實驗室稱為“協同可視化環境”，即COVE，它由12塊屏幕組成一個10英尺高、18英尺寬的多媒體墻面。“它創建了一個信息匯總系統，能夠顯示所有的數據。”

　　多媒體墻面如此之大的原因是運算變量太多，模型數量龐大。巨大的顯示墻面使各協同參與者能夠清楚地觀測、理解系統模型。在使用COVE之前，只能使用翻頁來顯示JMP圖形分析，影響展示效果。“總是翻頁，多幾次觀眾就會不耐煩了。”Mavris說。但是這種情況在COVE中不會發生，Mavris說，“對觀眾來說，所見即所得。每件產品的突破幾乎都在JMP中體現了。”

　　交互式地探索可選方案

　　一些基于物理意義的計算動態模型，比如NASA的那些模型，運營成本非常高昂，且無法實時運行假設分析，而實際的決策依賴于實時模型。Mavris面臨著挑戰是：對于物理模型運行單個設計已經需時頗久，他的團隊如何才能交互式地探測各種選擇方案?答案很簡單：使用替代模型。如其名所示，替代統計模型能夠扮演昂貴物理模型、專利數學模型或者計算密集型模擬模型的角色。

　　ASDL承接的巨型項目，其中有些需要保密，大部分都有競爭對手，對于這些項目來說，替代模型成為實際的溝通工具。如果工程師們要求使用真實參數，供應商或者研發合作者將不得不被迫共享專利信息;出于競爭因素的考慮，共享是困難的，Mavris說。“所以，替代模型是共享假設信息的安全途徑，不需要擔心真實信息泄露。這些模型是無法倒推演算的，所以我們避開了政治壁壘和各機構間的競爭壁壘。”

　　從事一些在數年內都不會進行規模化生產的工作，工程師們不應該囿于現有參數的束縛，一旦進入生產程序，這些參數可能會變得過時。與此恰恰相反，合作各方可以以變量來代替常量來開展當前的工作，設計者無須擔心將來會發生什么，所有的設計計劃都可以基于不同的假設和條件運行，Mavris說。 “面對如此巨量的數據和變量，替代模型使我們能夠批量處理數據，而不是糾纏于數據細節，”Mavris說。“數據模型加快了處理速度。”相同規模的數學模型太過龐大，無法快速有效地運行假設環境。首先由替代模型進行演算，再由昂貴的數學模型進行精確演算。這些替代模型運行在一臺戴爾超級計算機系統上，這個系統與佐治亞科技物理學部門的另一臺相仿的計算機系統一起，提供1024個中央處理器的并行運算。

　　蒙特卡洛篩選

　　在ASDL，另一個建模的重要方法是蒙特卡洛模擬。研究生學者Pat Biltgen演示了JMP如何應用于與空軍戰斗機和防空防御相關的軍用目標模擬。模擬的目的是探測什么樣的武器系統能夠擊中目標，這些武器系統具有什么樣的特征。這項研究面臨的主要科技方面的挑戰，是如何執行概率分析，以及如何將復雜的多維運算結果可視化。

　　利用替代模型，執行基于物理意義的設計工具的精確相似，可以快速得到符合要求的要點設計。替代模型能夠即時運行蒙特卡洛模擬，這兩項技術相結合可以實現運行能力設計以及技術探測。使用子系統層次輸入參數的一致分布，能夠快速評估一個在“系統系統化”層面的特定解決方案的有效性。蒙特卡洛過濾技術將成百上千的解決方案過濾、減少至少數幾個，這是通過應用最高層級的常量，以及在系統和子系統連續確認剩余的解決方案來實現的。這樣，工作的重點由探測復雜的多維數學空間轉移到快速排查某個數據庫模擬。即使樣本點眾多，工程師們也可以用散點圖矩陣多方向、圖形化表現所有的可能性。隨后他們可以深入分析樣本點，選擇出他們想要的樣本點，或者選擇出想要刪除的不可行樣本點，直到剩下的樣本點能夠定義他們所需要的機會空間。普通圖表只能顯示三維，而蒙特卡洛過濾可以在更多維度上顯示概率。每一個點代表一個可能性探測，用所設條件篩選，剩余下來的點可以用來做進一步的篩選。工程師們所尋求的正是選擇的多樣性。一個數學優化只能得到一個解決方案，而蒙特卡洛過濾可以得到所有滿足條件的解決方案集合。蒙特卡洛過濾提供了選擇的多樣性。眾所周知，達到同一個目標可能有多種方法。

　　此過程中使用的另一項技術是表面輪廓特征，這個特征可以形成執行(替代模型捕捉到的)參數曲面的三維立方體。Biltgen描述了64種不相關聯的空軍模擬運行狀態，他說：“我們可以得到八個立方體，當參數滑桿移動，這些立方體就相應地隨之發生變化。”“這個功能太神奇了!”根據Biltgen的描述，可以用圖形化的方式來同時排查多個復雜的多維空間，使基于運算能力的設計成為可能。“我們面臨的首要問題是我們可以做出成百上千個設計，但是決策者們可不想看那么多方案，”Biltgen說。“JMP的可視化功能使決策者們能夠了解排查過程，得到大量信息，除了可視化功能，這些信息不可能用別的方法來表達。”他說。

　　“神奇”這兩個字應該也可以用來形容下一代商用噴氣式飛機 — ASDL的另一個項目。工程師們在設計初期就開始分析各種性能的權衡，考慮與噪音限制要求、排放量標準和燃料消耗控制相關的各種變量。“這個方法將各種特性用圖形表達出來，形成整個系統的標準，有效地檢測所有設計方案。”在《使用響應面方法分析超音速靜音飛機發動機性能平衡》一文中，Simon Briceno和Mavris寫道。“這個方法可以在設計方案集合內分析所有可以辨識的方案。”使用此方法，可以設計出符合所有要求且成本最優的超音速靜音飛機發動機。“此方法使決策者們可以在設計的最初階段嘗試各種假設，權衡利弊，在整個系統層面考察各種權衡的結果。此外，設計者們也可以深入了解不同參數可能對整個設計帶來的巨大影響。”

　　在一篇為世界航空航天大會撰寫的論文中，ASDL的Peter Hollingsworth和Mavris描述了可以實際運用于極超音速戰斗機的假設分析方法。極超音速戰斗機可以達到超過音速五倍的速度。在開放且不斷演進的需求中，可以探測不同的概念。比如，一個假設問題可以是：如果極超音速飛機不但要能夠在陸地上起降，而且要能夠在航母上起降，該如何設計?

　　“在最初的戰斗機設計階段，設計者們很有可能永遠不會考慮到陸地、航母雙起降功能技術，也不會執行相關的模塊。正因為如此，如果(在后期)再要求添加航母起降兼容功能，可能會造成整個系統不可行。”

　　任何人都不想造成極超音速飛機、超音速飛機，或者其它任何復雜系統不可行的局面，Kirby說，如果各種假設能夠運行，各種利弊可以權衡，最好在設計的初期階段就考慮到各種可能性。“JMP是這一切的核心，它是一切的關鍵，”Kirby說到，“要知道，我們是JMP的重量級用戶。”