当前位置: 首页 > news >正文

对选择基于模型编程(MBD)的工作对职业发展影响的讨论 (2025)

观点来自个例从业者的经验,仅供参考。

以下内容的原贴可参考Is model based programming (Simulink) too niche for career progression?

一位从业人员得到一个使用Simulink进行基于模型编程的工作,但由于对基于模型的编程工作不熟悉,因此询问这类工作对职业发展的影响。

对这个话题,若干从业者结合自身经验提供了见解:

gtd_rad: Matlab/Simulink 是面向控制系统的建模工具,对大规模的系统也应用得很好。其最关键的优势是可以以图形化的方式开发逻辑,并且能够立即仿真验证。大多数MBD的反对者并不知道MBD真正擅长的领域。如果从事的工作是类似马达控制、传感器、驱动器、大型系统等,那么MBD是更合适的选择。

AustinEE: 可以从事这项工作,并把注意力放在他们为什么使用Simulink: 验证、硬件在环的测试、监管需要、需求等。特大企业依然在航天、国防、汽车和其它高安全领域中与复杂反馈与控制系统有关的领域使用simulink是存在理由的。

superficial_thoughts: 作为在MBD行业已经投入非常多的工作年限的人,我的个人建议是能避免做这类工作,就别去做。MBD受欢迎的原因在于非程序员能够使用。但在软件定义汽车(SDV)出现后,更多的企业采用纯编程的方式进行研发。比如在一些汽车领域的新进势力,比如waymo和tesla, 他们不会从Mathworks购买许可证,而是从其他平行业务中选择程序员。需要补充的是,我的观点并不是从编写安全(safe)代码的维度上讨论的。使用MBD也能编写低质量的代码。最终,这只是一个工具,效果依赖如何使用它。我个人没有看出未来数年在这方面有可能的增长。

luisdamed: Mathworks 和来自非编程背景的经理会一直说MBD是未来。但我看到的是,在汽车领域的领头玩家是以软件定义汽车(SDV)的方式来和其他人区别开来。纯编码能使许多工作更容易被自动化,从符合性检查、到单元测试、CI/CD流水线等。使用Matkworks的话,做到这类工作负担很高。

LessonStudio: 使用建模的项目,通常是更好的项目。大多数企业建模方面做得很差,或者说,就不做建模。

TheBlackTsar: 我从重型机械领域的公司提供一个思考角度。我们既有处理RTOS与微处理器的嵌入式团队、也有simulink团队,也有混合团队涉及到之前提到的两方面。MBSE 在重型机械、汽车和其他控制系统类似的问题上,是标准方案。

Huge-Leek844: 如果你的工作涉及到领域知识的话,那么MBD工作是一个好的选择。比如控制系统、信号处理等,很有趣,我就是做这方面的。但如果仅仅是编码,但不涉及到领域知识的话,那么这不是一个好的职业发展道路。

http://www.xdnf.cn/news/763237.html

相关文章:

  • 【Bluedroid】蓝牙启动之 l2c_init 源码解析
  • 字符函数和字符串函数(1)
  • 上位机知识篇---直接无线数据通信
  • 线程与进程
  • 【Dv3Admin】系统视图用户管理API文件解析
  • Redis 架构设计
  • Kali Linux从入门到实战:系统详解与工具指南
  • Fréchet Inception Distance(FID)
  • ubuntu系统更换镜像源
  • [GESP202412 五级] 奇妙数字
  • java 多线程中的volatile关键字作用
  • 【JavaScript-Day 28】告别繁琐循环:`forEach`, `map`, `filter` 数组遍历三剑客详解
  • c++之循环
  • java CountDownLatch‌
  • 题海拾贝:压缩字符串
  • 详解鸿蒙开发如何上传三方库到ohpm仓库
  • 【Dv3Admin】系统视图系统配置API文件解析
  • 017搜索之深度优先DFS——算法备赛
  • java ExecutorService线程池使用(ExecutorService/Completable异步+ExecutorService线程池)
  • Office安装包2024版
  • ck-editor5的研究 (4):初步使用 CKEditor5 的插件功能
  • 72.编辑用户消息功能之前端实现
  • PCB制作入门
  • 开始通信之旅-----话题通信
  • 关于 java:4. 异常处理与调试
  • C#数字图像处理(二)
  • IO流1——体系介绍和字节输出流
  • 如何用利用deepseek的API能力来搭建属于自己的智能体-优雅草卓伊凡
  • 【AI面试秘籍】| 第25期:RAG的关键痛点及解决方案深度解析
  • OpenGL、GLUT、freeGLUT 与 GLFW 的区别