1. 课程导入与全景认知

在复杂系统研发中，仿真早已不只是“算一算”的工具，而是支撑设计决策、验证需求、降低实物试验成本的核心手段。但一个仿真结果本身并不能自动证明系统合格——它必须被纳入一套可追溯、可审查、可复现的验证体系。这正是仿真验证计划与证据管理要解决的问题：把“我们做了仿真”转化为“我们有证据表明系统满足要求”。

先厘清几个最容易混淆的术语。验证（Verification）回答的是“我们是否正确地构建了产品”，即模型或系统是否按设计规格实现；确认（Validation）回答的是“我们是否构建了正确的产品”，即模型或系统是否真实反映物理世界、满足用户需求。二者合称V&V。而认可（Accreditation）是更高层级的判定：由权威方正式认定某模型、仿真或工具在特定应用目的下是可接受的。换句话说，验证和确认是技术活动，认可是基于这些活动结果做出的正式结论。

这些术语最终都指向同一个核心对象——证据链（Evidence Chain）。证据链不是一堆文件的堆叠，而是一条从需求出发、经过验证活动、产生结果、形成结论、支撑决策的逻辑链条。链条上的每一环都必须可追溯：需求编号、验证方法、仿真模型版本、输入参数、运行记录、结果数据、判定准则、结论与签署。缺少任何一环，证据链就会断裂，审查时无法证明“这个结论从何而来”。

那么，仿真验证计划与证据管理在什么场景下最有价值？典型场景包括：安全关键系统（如航空、汽车、医疗设备）的适航或合规审查；多学科联合仿真中需要协调不同团队、不同工具、不同版本的验证活动；实物试验成本极高或不可行时，用仿真替代部分试验并需要证明替代的合理性；以及产品迭代频繁、需要快速复用历史证据的工程环境。在这些场景中，缺乏计划会导致验证活动遗漏或重复，缺乏证据管理会导致结论无法追溯、审查不通过。

从工程实践看，一个可运行的仿真验证计划通常包含以下要素：验证对象与边界、需求分解与验证条目、验证方法选择（仿真、试验、分析、检查）、仿真模型与工具链、输入数据与边界条件、判定准则与容差、运行矩阵、证据记录方式、评审与签署流程。证据管理则围绕这些要素建立编号规则、版本控制、存储结构、权限与审计追踪。二者不是先后关系，而是并行交织：计划定义“要产生什么证据”，管理保证“证据被正确保存和关联”。

下面这张图展示了从需求到认可结论的完整证据链结构，以及V&V、确认、认可之间的层级关系。图中左侧是需求与验证条目，中间是验证活动与仿真运行，右侧是证据记录与认可结论，箭头表示追溯方向。

理解这张图的关键在于：证据链不是单向的“做完就结束”，而是双向可追溯的。当审查人员或项目决策者提出“这个结论凭什么成立”时，能够沿着箭头反向找到对应的仿真运行、输入数据、模型版本和验证条目，直到原始需求。这种反向追溯能力，才是证据管理真正的价值所在。

在实际项目中，证据链断裂最常见的原因有三类：一是需求变更后未同步更新验证条目，导致验证活动与最新需求脱节；二是仿真模型或输入数据版本混乱，运行记录无法对应到具体版本；三是判定准则模糊，结论缺乏明确的通过/不通过依据。因此，从项目一开始就建立编号规则和追溯矩阵，比事后补记录要高效得多。

本课程后续将围绕这条证据链展开：如何编写可执行的仿真验证计划、如何选择验证方法与判定准则、如何管理模型与数据版本、如何组织证据包并通过评审、以及如何在多学科协同中保持证据链的一致性。掌握这些能力，才能让仿真结果真正成为可信的设计依据，而不是孤立的计算结果。