让你的工程师自由创新

作者：Sjon Moore，Mentor Automotive

今天是你的最后期限，不完成设计是不能回家了。已经是晚上10点，孩子已经入睡，晚饭已经冷掉，配偶也因此不悦。你刚刚完成你的设计，但是却不知道是否理想。你原计划利用去年创建的一个花哨的电子表格运行它，因为你认为你应该可以通过执行今早在上班路上想到的一个变更来减少一些重量。但是这就要多花一小时，而且如果变更更好，则需要多花两小时来更改设计。你怎么做？

多数有一定经验的工程师都能分享类似的个人经历。虽然这个例子有点极端，但它却说明了很多工程师所面临的压力。这不是一种有利于创造性或创意思维的环境。那么，我们问问自己创新是不是真的重要，如果是，我们怎样培养创新。

据哈佛商业评论(Harvard Business Review)1称，有四种类型的创新：常规式、增量式、基本式和突破式。后两种具有高度破坏性和高风险性，就像我们看到的谷歌和苹果的创新。你可能并不是希望你的工程师发明创造下一个iPod。

每一项技术创新都伴随着技术风险。风险越大，创新越大胆，就越有可能得到突破性的产品。图1的曲线可用来评估风险。


图1：评估创新创意时，几个熟悉概念的人可在该曲线图进行技术风险评估，它可以打开新思路。

常规式创新只涉及很小的创造力，工程师可以在设计产品时按照日常的节奏进行。这得益于好的决策，设计变更最小。增量式变更幅度要稍微大一些。今早你在上班路上想到的减重想法就是个增量式创新的例子。

在利润率紧缩的汽车电气系统和线束环境中，企业间的竞争将由这些常规和增量式创新决出高下。从长远来看，能够更有效挤压设计成本同时保持或提升质量和性能的企业将成为领导者。显然，创新确实重要；我们如何在企业内部培养创新？

缺乏聚焦将阻碍创新

你可能会担心你的竞争对手有更好的工程师。可能并非如此。事实上，你的工程师可能比你想象的更有能力。让我们假设一个就工程师素质而言公平的竞争环境。

我们先来说说什么是聚焦。在游戏行业，它指的是一种概念，叫“沉浸式”。心理学家称之为“存在”。它指的是人处于一种精神状态，他们从周围的现实脱离，取而代之的是另一种有着新目标和条件的状态2。我们特别感兴趣的一种类型叫“战略沉浸”。这是一种精神状态，此时你的思想集中于观察、计算、规划和优化你的选择。象棋大师就是在这种状态下下棋。我们都经历过，虽然我们可能没有意识到。如果你玩过纯逻辑的游戏，比如魔方或九宫格，你会发现自己完全忽略了周围的世界，这就是体验。这种战略沉浸是一名工程师专心从事设计规划和优化任务的理想精神状态。

一项研究发现，工程师花大约一半时间在设计上，一半时间在寻找或了解信息上3。搜索信息纯粹是导向错误的努力，不能提供任何价值。试图解释和理解信息不仅是浪费时间，还消耗了工程师宝贵的认知能力资源。最后，每当工程师必须停下设计去寻找或了解信息的时候，战略沉浸就会被打断，从而中止聚焦并限制创新。

还有更糟糕的。工程师实际用来设计的一半时间也并不是总能增值。为了完成设计，工程师不得不做很多枯燥重复的工作。当任务变得尤其单调时，工程师会进入“战术沉浸”状态，他们可能更多考虑的是购物清单，而不是眼前的任务。你有没有在复印的时候发现自己心不在焉？工程师也会如此。因此，他们不仅无法达到我们想要的战略沉浸，我们还鼓励他们达到其实我们并不愿见到的战术沉浸。我们希望他们把精力集中在优化他们的设计，而不是他们的牛奶是不是没了。

无干扰的设计环境

那么，我们如何才能为工程师提供一个注意力不受干扰的设计环境，帮助他们进入重要的“战略沉浸”状态呢？这个设计环境最好作为一种软件工具，既有助于集中精力，又能自动完成一些较为单调且耗时的工作。这个环境必须最大限度地减少对工程师脑力劳动的干扰以及运行工具所需的认知负荷。要实现这一目标，它必须具备以下特点：

    在设计环境中即时获得简单易懂的信息反馈
    自动完成尽可能多的枯燥的非增值工作

Mentor Graphics Capital 套件就是这样一种用于汽车布线的环境。

设计环境中会提供反馈指标（成本、重量、利润以及任何对您来说重要的信息），通常出现在设计的旁边。当设计做出调整时，无论变化有多小，指标数据都会立即更新，提供最好的因果关系。这还意味着无需分散精力寻找信息。指标的显示方式有很多种，表格和图形都可以。这是一种理想的常规创新方法，工程师所做的每一个决定随即都会在关键指标中得到反映。


图2：Mentor Graphics Capital的这个例子显示了如何运用自动化在拟定设计中迅速评估成本。

指标还可以用于研究，并对不同情景进行对比。您将发布的设计是一种情景，而您之前的减重想法是另一种情景。从蛛网图（就在设计环境中）可以明显看出哪种更好。您无需再花时间将这个导出到花哨的电子表格中，因为结果就在您眼前。

迅速获得反馈确实很棒，但这只是解决方案的一部分。在进行比较之前，实际执行您的减重解决方案还需花费两小时，我们要想办法省下这个时间。如此一来，自动化便有了用武之地。让我们来讨论一些例子。

最值得一提的是布线设计的自动化合成可代替布线设计的手动创建和更新。无需在每次线束设计时手动交互设计每根电线，而是按照一套预先定义的规则为工程师自动完成布线。当逻辑连接性、规则、市场计划、物理参数等进行更新时，会自动更新那些受到影响的电线。换言之，执行您的减重想法，按下合成按钮，您就会获得更新后的设计。

选择导线截面积等元件尺寸常常是一项单调乏味的任务。它是基于现有的原则，并且在很多情况下，需要对软件仿真数据进行分析。由于它基于数学模型和规则，它可以被自动化。运算法则可以设置，并且通过数百万次软件仿真来测试所有可能性的开关设置和失败模式，从而确保导线截面积足够大但又不会出现过大的情况。

当今大部分汽车都有数百个选项供用户选择，这意味着汽车会有万亿甚至更多个选项组合，并且每个选项组合都必须有支持所有变型的方法。线束选项组合尤为复杂，因为它们要支持太多的电气选项。这意味着对于任何一个既定的线束，会需要支持数十亿个可订购的配置。

没有人可以对同一个线束进行数十亿个配置，因此汽车上有些不需要的内容就被放弃了。例如，将每个配置的加热后视镜线束纳入其中，大量减少可能出现的配置数量，从长远来看可能会降低成本。

这种工程任务会导致出现不同的线束配置，每个配置都支持一些选项。开发这种复杂的任务不仅费时费力，也很容易出现错误。

由于这是一种基于规则和计算的高度重复的任务，因此最好的方法就是自动化。通过将市场信息与现有的设计数据（包括哪些选项可以被捐赠的一些参数）相结合，运算法则不仅可以更快地给出解决方案，并且比人类给出的解决方案更好。