網格解析度¶
MachiningResolution_mm (API) 是構成工件的那些立方體的邊長，也是決定一次仿真要跑多久的最大單一槓桿。它同時是最常被設定一次就再也沒人動過的設定，而這在兩個方向上都很昂貴：太細，本該幾分鐘跑完的運行會跑上幾小時；太粗，程式本該切到的特徵根本不存在、無從切起。
選擇數值¶
選擇之前，先由程式與工件估算記憶體。表面大而複雜、程式又短的工件——例如輪形件——網格幾乎就是全部，寬度決定這次運行放不放得進；長程式時，每步結果是任何寬度都降不下來的下限，而寬度必須放進機器扣掉它之後剩下的空間。實際使用時，加工解析度從 2 mm（非常大的工件配大量程式的快速總覽）到 0.03125 mm（殼件上的精細切削）——記憶體規劃有估算方法，以及哪種情境用哪一階。
先用粗的。早期的運行回答的是一些不需要細網格的問題 —— 路徑會不會碰撞、力是否大致落在該有的位置、優化器有沒有餘裕 —— 而且只花一小部分的時間就能回答。只在最後的優化那一趟才細化，因為那一趟產出的幾何才是交付物。
作為規劃用的概數，一次仿真運行大約需要實際加工時間的 2% 到 150%，依網格與步數的不同而跨越整個範圍。範圍這麼寬，是因為它真的是一種選擇，而不是機器的固有性質。
時間實際花在哪裡、兩個成本中目前哪一個是瓶頸，寫在仿真 CPU 使用率裡。簡短版：在真實 NC 加工所需的細解析度下，幾何移除主導，網格越細就慢得多；一旦網格粗到移除已經很便宜，每步成本便成為主導，再變粗也買不到任何東西。
你實際得到的值¶
你打進去的數字是一個請求，不是實際的寬度。工件是從一個立方體網格裡雕出來的，這個網格從一個固定的根立方體開始、逐層對半分割，所以引擎實際能建出的每一種寬度都是以毫米計的 2 的次方：
... 2 - 1 - 0.5 - 0.25 - 0.125 - 0.0625 - 0.03125 ...
不在其中的請求會被取整到下一個更細的值，絕不會取到更粗的值，所以你得到的網格絕不會比你要求的差。值得知道的後果是，選一個不在階梯上的值什麼也買不到：
| 請求值 | 實際建出 |
|---|---|
| 0.5 | 0.5 |
| 0.4 | 0.25 |
| 0.3 | 0.25 |
| 0.25 | 0.25 |
| 0.2 | 0.125 |
| 0.125 | 0.125 |
0.4 mm 與 0.25 mm 產生相同的網格、付出相同的代價。 0.4 就是貼了誤導標籤的 0.25：讀起來像是粗而便宜的設定，跑起來卻是細而昂貴的。如果 0.25 mm 比這次運行所需的還細，下一個真正會改變什麼的值是 0.5 mm —— 往另一個方向走，0.125 mm 則是體素數再乘以八，不是一小步。
階梯的底端是 0.001953125 mm。更細的請求會被夾限到這個值，所以工件的初始解析度 (Initial Resolution) 清單裡提供的最細那一項，建出的網格與它上面那一項相同。
寬度只會變得更細¶
已經存在的網格無法被變粗。每一刀切削都取已建好的寬度與正被請求的寬度之中較細的那一個，所以把加工解析度 (Machining Resolution) 調高到工件建構時的網格之上並不會簡化任何東西 —— 這個請求會被丟棄，運行繼續用它已有的網格。
這就是為什麼這兩個設定不能互換。工件的初始解析度 (Initial Resolution) 建構毛胚的網格，因此決定程式還沒碰到的每一個表面的記憶體；加工解析度 (Machining Resolution) 則限制新切出的表面可以細到什麼程度，而且只能往細的方向走。要讓毛胚在記憶體上更便宜，請把初始解析度調粗 —— 只把加工解析度調粗，對已經在那裡的毛胚什麼也改變不了，不過它確實會讓程式切出來的部分維持較粗。
它也會改變時間，而且改變很多，因為同一個數字還決定了另外兩件事的大小：刀具本身實體的三角化 (tessellation)，以及每步的接觸層數量。兩者都是每步用完就丟掉的工作，所以即使尖峰記憶體幾乎不動，較粗的加工解析度也能把運行時間縮短好幾倍。在一次記憶體主要是每步結果的運行上實測，從 0.25 改成 0.5 mm，時間少了 43%、尖峰少不到 3%，而粗加工後記錄下來的網格小了 3.6 倍。一次變快了卻沒有變小的運行，就是這麼回事，不是什麼謎；切出來的表面很大時，較小的網格也會反映在尖峰上。
從階梯上挑值，任務 (mission) 列裡顯示的數字就是運行實際用的數字。這不只是整潔的問題：第 0 階段的記錄是以工件的初始解析度 (Initial Resolution) 快取毛胚 —— 而不是以記錄所在之處當時生效的加工解析度 (Machining Resolution) —— 所以一個不在階梯上的初始解析度，會被悄悄地以它取整後的鄰值烘進快取裡。
它在記憶體上的代價¶
在小毛胚上，遠少於它在時間上的代價，這與階梯上四級 —— 細十六倍，因此體素是四千倍 —— 讓多數人預期的正好相反。在大工件上則正好倒過來（見下文）。量測方式是在程式與步數固定不變的條件下，把同一個案例掃過五級 —— 圓柱毛胚、一支粗加工程式、每次運行都是 199,242 步：
| 網格寬度 | 播放時間 | 受控堆積 (managed heap) 之外的程序記憶體 |
|---|---|---|
| 2 mm | 10.5 s | 665 MB |
| 1 mm | 15.3 s | 688 MB |
| 0.5 mm | 31.2 s | 722 MB |
| 0.25 mm | 76.6 s | 826 MB |
| 0.125 mm | 242.9 s | 1,456 MB |
細十六倍的代價是 23 倍的時間與 2.2 倍的記憶體。有兩件事把記憶體那一欄壓平了，值得把它們分開來看：
- 這個數字大部分是網格並不決定的基線。 掃描裡最粗的那次運行就已經佔了 665 MB，整個十六倍的細化只在它之上加了 791 MB。把這一欄當成增量而不是總量來讀：表格底部的比值，被數字裡那些在任何網格寬度下都會存在的部分稀釋了。
- 增量在粗寬度時成長緩慢，然後加速。 寬度每減半，依序增加了 23 MB、34、104、630 —— 每一個增量約為前一個的 1.5 倍、3.1 倍、6.1 倍，局部指數從約 0.6 爬到 2.6。一個立方體只要其內部的表面是單一平面小面 (facet) 就停止細分，所以在網格仍比零件的小面與曲率還粗的時候，細化大多什麼也買不到。體積縮放的直覺並沒有錯；它只是要等寬度低於特徵尺度之後才會到來，而一旦到來就來得很快。
在大工件上比例倒過來，寬度成了記憶體的設定。 當毛胚是一個大型匯入實體而不是小的程序式毛胚時，要細分的表面多得多，隨網格而變的那部分從粗的幾階就開始主導。一個 586 × 586 × 92 mm 的自由曲面殼件，以它本身匯入為毛胚、配一支 4.8 KB 的程式播放：從 1 mm 到 0.25 mm，運行只多花 7% 的時間，受控堆積以外的程序記憶體卻從 2.0 GB 增加到 3.2 GB；光是毛胚的網格，在 0.25 mm 是 3.2 GB、0.125 mm 是 7.1 GB、0.0625 mm 是 17.6 GB。程式這麼短，數字裡幾乎沒有別的東西，所以寬度決定這次運行放不放得進。記憶體規劃把這兩種運行並排比較。
不要用程序的峰值記憶體來判斷網格。 在一次長時間的運行裡，那個數字大部分是運行累積下來的每步資料，它們住在受控堆積上，隨步數而非網格縮放 —— 而且當網格細化時它往另一個方向走，因為較慢的運行配置記憶體的速度也較慢，垃圾收集器提交 (commit) 的也較少。兩者互相抵消：在一個較大的案例上量測四倍的細化，峰值記憶體略降，而網格本身的佔用量卻增加了近 40%。先把兩者分開來讀，再下任何結論。
網格不會改變的東西¶
以一個代表性的測試案例 —— 寬度與深度不一的向下圓形槽銑 —— 來說，物理量在整個網格寬度範圍內的變動約在 20% 以內。因此粗網格第一趟仿真出來的力、扭矩與溫度就已經有參考價值；網格細化後它們不會變成另一個答案。
看得見的幾何則是另一回事，下面三次運行顯示的正是這一點。工件 70 × 50 × 50 mm：
網格寬度 0.125 mm
網格寬度 0.5 mm
網格寬度 1 mm
值得知道的失效模式¶
比網格寬度還薄的薄殼可能整個消失。 上面的測試案例沒有薄殼，這正是它的物理量如此不敏感的原因；有薄殼的零件行為就不同了，因為刀具本該遇到的材料根本沒有被表示出來。當工件有比網格寬度還薄的壁、腹板或底面時，網格必須比該特徵更細，運行才說得出關於它的任何事。
相關但小得多的效應是每步比值裡的量化漣波，較細的網格會減少它 —— 見製程可加工性。
延伸閱讀¶
- 仿真 CPU 使用率 — 給定的網格寬度會讓兩個成本來源中的哪一個成為阻礙
- 記憶體規劃 — 由程式與工件估算整次運行的記憶體，並讓寬度配合機器
- 製程可加工性 — 可用度比值裡的網格量化漣波，以及為什麼它是假象而不是訊號
- 工件 — 初始解析度在哪裡設定：就在承載它所適用毛胚的那個分支上