主控模型到从属模型的关联是单向的，因此必须在主控模型中进行更改。为了进一步实现自动化,不仅可以将几何信息集成到模型中,还可以将制造信息集成到模型中,然后直接在从属模型中提取制造图纸,为后续的生产过程、物流和安装提供信息。在由模型驱动的预制混凝土构件和所需的施工顺序中,这些属性被分配给各个主部件,并通过产品制造信息(PMI)进行可视化。目前软件独立的数据交换格式允许这种制造信息的交换。因此，该模板通常可用于任何BIM软件产品。嵌入式结构分析建筑信息模型（BIM）的技术背景是，将三维构件、语义数据、图纸和仿真等对象连接在一起的关系数据库。BIM是一个模型驱动的过程，因此主控模型概念在CAD/CAM软件应用中是一种常见的技术。基于主控模型概念所提出的方法，最主要的目的是3D-CAD模型丰富了几何和静态边界条件、属性，便于后续的有限元分析(FEA)。在自动生成的有限元网格基础上，将钢梁的拱度计算集成到模型中。 以新能源为主体意味着双高（高比例、高电力电子装备）特点明显，由于状态改变时序短、序列信号频域分布广、影响动态过程变量混杂，采用传统以固定参数为核心的静态模型对系统进行描述和求解比较困难，需建立适应大规模强随机性系统的高性能仿真计算能力。第三，快速协同。新型电力系统对快速协同能力提出了较高要求，随着电网上下游主体互动加强，电网管理工作内容和形式将发生频繁变化，需把握数据主线，通过提升企业数字化运营系统的灵活性和开放性，实现规划建设、物资供应、安全生产、资产财务等全链条感知和全面贯通，提升业务效率，进而促进管理变革。在常年观测归纳和演绎的基础上，电力行业积累了丰富经验、规则和知识，可描述电力基础设施外形结构、系统电气量状态变化、拓扑连接关系等，将这些知识融入人工智能算法模型，形成数据驱动、知识引导和物理建模的新型智能算法，并用知识表达来刻画数据所蕴含的规律，进而形机协同模式，这取决于构建涵盖电力系统海量多源数据、算法、应用的完整知识体系。数字电网知识表达体系新型电力系统高维、动态、不确定性给电网安全稳定运行带来巨大挑战，传统方法难以精准完整刻画和实时掌控庞大的电力系统，相比之下，数字电网的多重知识表达，将推动新型电力系统可观、可测、可控成为现实。通过数字电网的多重知识表达，可提取物理电网的特征规律，精准描述物理电网设备的形态、系统运行的趋势、人-机-物三元空间的关联关系，实现对物理电网最优的决策控制。在中国工程院院士潘云鹤提出的AI 2.0知识三种表达（知识的形象表达、知识的语言表达、知识的深度神经网络表达）的基础上，面向数字电网支撑的新型电力系统进行具象化丰富，多重知识表达主要有四种形式:数字电网知识的形象表达主要应用于描述物理电网设备的形态；数字电网知识的函数表达主要应用于描述电力系统电气量、非电气量各类数据的时序变化物理规律；数字电网知识的语言表达主要应用于描述电力系统人机物环的关联关系；数字电网知识的深度神经网络表达则作为一种有效的数据驱动工具，对上述三类应用实现补充和支撑，这样即可形成数据驱动、知识引导和物理建模相互统一的人工智能模型。 很多院校已经重视到CAD技术与模型制作的结合，在利用电脑进行工业设计教育的同时，也有很完善的模型制作的设备，还有一些院校在产学研一体化的教学模式里，通过与社会，企业不断的合作与交流，愈发重视模型制作的教学完善，逐渐强调制作模型的重要性，并适当的增加课时量，丰富教学内容， 沿海地区一些高校不但拥有专业的实践场所，完善的设备，更具有技能指导的体制，他们还邀请企业中就职人员作为指导老师去学校进行指导，用这些方式一定程度上弥补高校工业设计与企业需求脱轨的不足 目前，我国的工业设计尚在初期发展之中，正因为处在这一阶段，就应该更加认识模型制作的重要性，进行一些的教学尝试，这也是社会乃至企业所期望的，能培养出具备实践技能的人才是目前高等学校工业设计教育中的一个新课题。