达索系统基于3DEXPERIENCE的仿真平台SPDM是针对仿真和试验验证的数据及流程管理的系统化整体解决方案。通过整合企业的验证目标、验证业务流程、验证输入、验证工具、标准规范、验证输出，实现企业验证数据的单一数据源管理以及仿真、试验与产品设计的有效协同，从而提升研发效率，降低研发成本。
SPDM的主要功能包括：
l 能力库管理：实现仿真性能指标库、任务模版库、仿真模型库等的管理。
l 仿真工具集成：支持集成结构、电磁、流体等达索系统和非达索系统商业仿真工具，自研软件脚本等。
l 验证规划管理：实现性能目标的定义，验证，结果的闭环管理。
l 项目及任务管理：实现验证任务的定义、分配、执行、监控和结果管理。
l 仿真流程自动化：基于组件，拖拉方式快速构建自动化流程。
l 多学科优化：提供DOE试验设计、近似模型、最优化算法、蒙特卡罗等多种高效优化算法。以及XGBoot、Scikit-learn等AI人工智能算法。
l V+R验证数据管理：实现仿真/试验数据的统一存储和管理。
l HPC、PLM、TDM等第三方系统集成：实现设计-仿真-试验数据链打通。
SPDM的2026新版本已经正式发布，下面介绍一些比较重要的新功能和增强。
仿真流程自动化功能更新
l 新增电磁仿真、结构仿真、流体仿真的专门集成接口
提供电磁仿真、结构仿真、流体仿真专门适配器和独特的GUI交互界面。
优点：通过新适配器简化结构仿真、流体仿真、电磁仿真的流程构建。
支持集成NX and Creo
研发即将推出集成NX和Creo的接口功能，通过Model Parameters组件直接可以读取NX或Creo的参数，并可以修改，修改完成后，通过Process流程驱动NX或Creo进行模型修改，修改完成后的模型可在3DEXPERIENCE平台显示修改后的几何模型。工作原理如下图所示：
优点：可以直接通过Process流程驱动NX和CREO进行模型参数修改，进行参数化设计和优化，大大提升用户使用场景。
l Model Parameters适配器支持图片质量设置
设置相机拍照方向和图片像素质量⾼、中、低分辨率。
优点：可以支持自动截图，并设置截图的方向和质量，提升后处理效率。
仿真流程Process支持版本分支
在Collaboration Lifecycle app里面, Process object也支持进行版本分支的创建和管理。
优点: 可以更灵活、高效的管理仿真流程process的版本变化。
支持LS-DYNA结果导入
通过 Import LS-DYNA适配器组件导入d3plot文件，把结果保存到平台, 并通过平台进行云图显示。
优点：支持LS-DYNA的仿真结果导入平台，并可进行后处理结果显示。
l 支持整个仿真流程Process的快速设置本地运行
Process的每个Activity都支持locally或者remote运行，现在支持对整个流程的一键设置，不用再每个Activity单独设置。
优点：一键设置本地运行，提升使用效率。
l 支持流程出错时继续执行
以前，使用loop进行迭代的时候，如果遇到错误会终止运行，现在支持跳过错误，继续运行，完成整个loop的迭代。
优点：保证整个流程的完整顺畅迭代，减少调试，提升效率。
l 流程模板自动生成初始GUI
以前通过拖拉生成用户界面GUI，然后再依次进行参数绑定，现在支持通过简单选择参数，自动生成初始化GUI，自动绑定，减少点击次数。
优点：减少操作点击次数，自动化参数映射，大幅提升操作效率。
多学科优化功能更新
l 灵敏度分析（Sensitivity analysis）
新增灵敏度分析（Sensitivity analysis）适配器。可探究输入变量的变化对仿真输出结果的影响，识别关键设计变量，提升模型稳健性。
内置四种算法：傅里叶振幅灵敏度检验法（FAST）、莫里斯灵敏度法、随机平衡设计法（RBD）、索伯尔灵敏度法
优点：简化模型复杂度，聚焦核心关键参数，更高效地完成设计优化。
数据智能分析（降阶模型ROM算法）
AI算法生成高精度降阶模型
l Scikit-learn 弹性网络回归模型
l Scikit-learn套索回归模型
l Scikit-learn 随机森林回归模型
l XGBoost 极限梯度提升
优点：通过AI算法的引入，提升了降阶模型生成精度。
数据智能分析（数据可视化）
提供帕累托图、雷达图、散点图、SOM图、关联图、近似拟合图等多种图形生成工具
优点：通过网页方式进行图形统计和展示，方便决策判断，非常直观方便。
l 数据智能分析（分数分项分析图）
在结果分析模块（RA）中，现已可创建分数分项分析图，以图形化形式展示各参数对设计方案得分及排名的影响
优点：助力更便捷地对比各类设计方案，筛选出最优解决方案。
l 优化研究自动化
结果分析模块现新增优化 API 功能，支持在脚本化 Python 环境中，对机器学习模型开展优化研究工作。
优点：通过脚本编写，可实现任务自动化处理，更高效地完成优化工作流程。
l 支持分析案例及机器学习模型导出和导入 3DXML 文件
之前，无法为结果分析案例导出 3DXML 文件，也无法导出包含在结果分析中完成训练的机器学习模型的流程编辑器仿真流程。
优点：通过导入和导出分析案例及机器学习模型，方便重用数据，提升效率。
性能验证闭环管理功能更新
l 支持自动化命名
支持新建Test ResultTest ScriptsTest Steps对象的时候，系统自动命名。
优点：自动命名功能可节省操作时间，并生成条理清晰的命名序列。
