做工程研究，实验往往是花费最多，也是最重要的内容。到底做实验为了什么，我不好说，但是我们都有种奇妙的感觉，只要做了实验就可以硬着腰杆说话。
实验就是：自己不相信别人都相信的好东西。面对别人的质疑，可以理直气壮地回答，我们做过实验了。如果事后出了问题，追查责任，也可以理直气壮地回答，我们做过实验了（出事了只能赖老天爷）。
实验背后的真相：
不知道测量的误差，不知道实验状态的影响，实验数据有什么用？
不明白工程现象中的道理，不知道数据包含的风险和效益，做实验有什么用？
做过了≠做对了
完成了≠理解了
测量的≠正确的
我们做实验，不能只为给自己撑腰或者为自己免责，很多实验其实不必做，不可做，或者不能做。
1 不必做—仿真可替代的实验
多年来形成的流程，会告诉你有很多必须做的实验。但是仿真的发展，会很快将这些实验推出这些领域，成为不必做的实验。
实验一样会错
有很多人不放心，这在计算机上用鼠标点出来的结果，仿真万一出错了？实验有个大铁疙瘩摆在那里，是对是错大家都看得到，还是实验不容易出错。
其实今天的实验，虚的内容也很多，很少直接测量到参数，都是传感器获取信号后，通过重重换算才得到参数，出现人为错误的机会也很多。
实验的误差更隐蔽
也不要说仿真有误差所以不能用仿真替代实验。仿真在很多领域，误差可以减小到10%以内。
虽然实验测量仪器的精度很高，可以达到万分之一，给你一种美好的假象，好像实验能够测量得分毫不差，但是我们知道实验的误差永远不会太小。
实验中带来误差的环节远远多于仿真，主要来自我们看不到，甚至想不到的地方。比如模型加工的误差，现场环境变化，测量人员的主观改变，
有一次我发现平板流动的中部出现了一道波痕，当时很惊异这是什么流动现象，用手摸了摸发现中间有个铆钉突出来了。
还有种种常见的错误：模型安装偏差，支架干扰，加工的小误差，传感器标定错误，信号转换用错参数。
这是仿真的时代
只有在遥远的几十年前，仿真还很幼稚的年代，实验才相对仿真有绝对的优势。
如今，仿真的能力发展神速，某仿真方法成为规范的可靠方法，马上会取代这个领域的常规实验。
仿真可以轻易获取海量数据，有什么实验可以在所有位置同时获取所有数据？与仿真相比，实验中那几个可怜的传感器，可以测量的数据太少太少。
从物质的具体的世界，走向数据的虚拟的世界，这是世界的走向。
那些昨天必须做的实验，今天成为不必做的实验。
2 不可做—验证理论模型的实验
那么对于理论不成熟，仿真不准确的问题就应当做实验了吧？
如果你是做理论研究的科学家，在小屋里做些极端精细的实验，用几十年时间改善模型，造福全人类，很值得推崇。
我们是老板数着钱雇来的工程师，不是给人类做贡献，而是要为老板做贡献。这不是我们做的事情，
你要知道，理论模型有难度，往往现象特别复杂，理论说不清，测量十分困难，缺乏准确的可靠数据。
好模型是科学家含辛茹苦用很多优质实验数据喂养大的。
如果你搭建一个台子做了几个实验，随便可以推翻或者构建一个新的理论模型。要么你骗人，要么这个领域确实没有人做过，就等你开荒。
在遥远的某大国，天天有这种奇葩现象，本科毕设研究，也成功地建立了某模型，而且通过了实验验证。一个领域的理论模型当年被成功解决了几十次，下一年换个名称再被成功解决几百次。
所以我们都有了幻觉，只要做了实验，与模型的预测对比，就可以知道模型是否正确，如何修改，逻辑上完全合理。
天上不会掉馅饼
从专业分析，你也许不相信。我们用经济学来分析这个问题。
这个理论模型有多少企业会购买？单价可以卖到多少钱？
你的实验费用是多少？企业最多可以投入多少费用？
理论模型研究的收益这么大，成本必然也很高。你的投入与模型研究的成本有多大差距。
你的这点投入就是拿着竹竿打月亮，只有漂亮的姿态没有效果，只能发文章骗人。
这种实验研究还是留给那些为全人类做贡献的科学家吧。
3 不能做—大而全的复杂实验
是骡子是马，拉出来溜溜，做个实验看看方案好不好，参数对不对。
这种实验领导最爱，甲方最爱。最好模型与产品一模一样，越复杂越好，越全面越好。
背后的真相：
大而全：要测量的数据类型太多，只好都少测几个数。最后获得一群互不支持的稀稀拉拉的数据。
复杂：意味影响实验数据的方面很多，最后无法判断数据是对错。
大而全的复杂：投入太多，要求实验必须成功，设计只好保守了再保守，将创新产品变成一个大铁疙瘩。
做实验之前，必须祈求上帝保佑实验一定要成功。为了保证实验成功，还要将成功的判断写成，只要出点动静就是成功。
最后这种实验真的成为拉出来溜溜，溜一圈回去就叫成功。
至于性能是否满足使用，数据是否支持性能，这些都叫细枝末节。
这种实验也许不叫实验叫脸面。
什么实验才是我们工程师必须做，而且有能力做好的实验？ | 
