程序不能仿真的原因可以从多个角度进行分析：
计算资源限制
现实世界的复杂性要求仿真系统能够处理大量的数据和复杂的算法。目前的计算机和编程语言在处理这种规模的问题时存在局限性。
模型和参数的准确性
仿真需要高度准确和精细的模型来模拟现实世界的物理规律、行为和特性。然而，由于我们对现实世界的理解和建模仍然存在一定的局限性，导致仿真模型和参数往往无法完全准确地反映现实情况。
编程语言和执行速度
编程语言的执行速度有限，难以满足复杂仿真任务的需求。一些大规模的物理仿真和模拟需要长时间的计算才能完成。
数据输入的限制
仿真需要大量的精确数据输入来获得准确的结果。现实世界的数据通常非常庞大且复杂，编程人员需要使用大量的数据和精确的模型来进行仿真，这增加了编程的复杂性和难度。
缺乏真实环境
编程只是在计算机上运行代码，无法模拟或复制现实生活中的各种复杂环境和条件。例如，编程无法模拟物理世界中的力学和热力学现象，或者生物世界中的遗传和进化过程。
人类行为的复杂性
编程难以模拟人类的思维和行为，因为人类具有情感、意识、自由意志等特征，这些因素对于仿真来说非常复杂。
机器学习的局限性
机器学习虽然可以通过反复迭代和训练来提高性能，但在某些领域，其性能可能受到限制，因为它依赖于已有的数据和规则。
编程语言和工具的限制
某些编程语言（如UG2206）的设计初衷是为了实现CAD/CAM操作和参数化建模，而不是用于仿真。它们可能缺乏仿真相关库和工具，不具备仿真功能。
实时性和可靠性要求
PLC等实时控制系统在实际操作中需要高度可靠的控制系统来保证生产过程的稳定性和安全性。仿真很难准确模拟这些系统在真实环境中的行为，因为它们涉及到物理世界中的实际信号和过程。
外部设备的实时通信
PLC需要与其他设备进行实时通信，这种通信在仿真中很难模拟，因为仿真无法完全模拟外部设备的行为和时序。
综上所述，程序不能仿真的原因主要是由于计算资源限制、模型和参数的准确性、编程语言和执行速度、数据输入的限制、缺乏真实环境、人类行为的复杂性、机器学习的局限性、编程语言和工具的限制、实时性和可靠性要求以及外部设备的实时通信等因素的综合作用。要解决这些问题，需要进一步发展计算机技术、改进算法和模型、以及开发更专业的仿真工具和语言。