产品数据资源的优化与管理

5.2.1.1　设计数据

从产品生命周期考虑，产品设计可分为产品需求分析、概念设计、详细设计、工艺设计、样品试制、生产制造、销售与售后服务等阶段。产品设计数据资源包括：产品设计CAD数据、产品建模仿真CAE数据、产品工艺数据、产品加工数据与数控加工NC程序、产品测试数据、产品维护数据、产品结构BOM数据、零部件配置关系、变更记录等。

复杂产品设计、制造流程复杂，并且涉及多领域、多专业的技术知识，相关设计、工艺、使用和维护人员在各阶段积累大量数据，不仅需要将各阶段、各领域的数据进行有效的整合，而且需要从中找出影响产品可靠性、可用性的关键设计数据。因此，如何通过产品和工艺数据分析，发现关键技术点、预测技术发展趋势，并为设计、工艺人员提供有益的优化和创新决策支持是实现产品持续改进和技术创新的关键。

产品研发过程的需求管理需要各行业专家针对产品战略、市场信息、客户反馈、竞争信息、技术趋势和产品组合等大量内容进行抽样、样本分析，确定基线化的需求说明书。但所有这些过去都是基于小数据情况下的分析及决策。这也给企业产品研发决策带来了大量的隐患。经常出现的情况如：样本数量不够，造成预测错误；决策因子的权重取决于感性，而不是全部数据；决策时间过长，与瞬息万变的市场脱节；无法确定是否应该停止某些研发项目的投资。以上这些情况的发生，都使得我们不知道客户需要什么样的产品、产品需要在多长时间内上市才会占有市场先机，这些都会阻碍我们尽快做出正确产品研发决策。

我们可以依靠大数据来帮助企业进行决策：通过与社交网站合作，分析特定区域客户浏览习惯、交友年龄、性别等了解到潜在用户的喜好、习惯；产品研发的数据分析。如分析客户订购产品的历史数据，以了解客户需求变化趋势；针对由于用户错误或者产品设计错误的反馈数据，了解客户真正需要的用户体验；利用交互式技术集成企业PLM，让用户访问企业的PLM/PDM系统，收集客户访问交互式网站的体验及反馈，进行新产品决策。

例如：采用与SolidWorks Enterprise EPM集成的Composer设计的企业交互式网站展示未来产品的雏形，发布到各个社交平台，通过用户访问的频次、停留时间（而不是通过客户投票选择）等浏览习惯来进行决策客户的喜好。例如将不同的手表样式、颜色等不确定信息设计成多种交互式动画展示于社交平台，通过社交平台提供一定时间内的客户浏览习惯、客户分类等信息进行手表流行趋势预测。然后通过PLM系统快速进行新的项目管理与研发，在最短的时间内将新产品推向市场，实现高盈利，并领先竞争对手。

产品定义信息、产品功能数据、技术资料、故障及维护数据都是改进产品设计、优化服务和技术创新的重要来源，为有效利用制造、使用和维护阶段相关数据进行产品设计优化决策，开展多种数据关联关系研究，构建产品数据的语义网络。在此基础上，利用复杂网络技术分析大型产品相关数据间关联关系，基于节点、路径、网络结构特征分析建立产品设计优化决策模型，开展用户需求判断和技术发展方向预测方法研究，为企业进行产品设计优化决策提供支持。

在产品数据管理方面已经有很多软件与技术，包括以产品交流为核心的社区技术、以研发为核心的PLM和PDM系统。三维模型轻量化技术的快速发展为制造业信息应用提出了一种可视化产品数据协作和信息集成的新途径，不仅能够实现产品工艺规划、装配过程演示等集成应用，而且可结合文字、图片、视频动画、语音等形式为使用、维修人员提供丰富的展现形式，为开展可视化的用户交互、需求获取与捕捉、维修性和人因分析等工作提供了有力的技术支持。

以三维模型为基础建立产品数据本体、获取数据的语义关系，构建包含产品设计、制造、维护和使用各阶段的产品数据语义网络，通过分析节点及网络结构特点建立产品设计优化决策模型。在此基础上，通过分析语义网络结构特征和基于时间序列进行拟合分析，判断产品数据语义网络中关键节点，判断产品数据语义网络演化趋势，探索复杂产品优化设计和技术创新机理，基于大数据进行复杂产品技术匹配、技术调整、技术升级及技术组合创新设计优化决策方法，为产品设计优化提供决策支持。技术路线如图5-6所示。

图5-6　产品设计优化决策方法研究技术路线

5.2.1.2　物料BOM数据

物料清单（bill of material，BOM）是企业产品数据管理的核心，贯穿于企业各种经营活动，是产品数据整个生命传递和共享的载体，是各业务系统间进行信息集成的桥梁和纽带。在进行产品生产的整个过程中，每个阶段构成不同的BOM文件。而不同的BOM环节也体现了企业在生产运营过程中对不同环节的不同需求。根据生产的不同环节，可以将BOM数据进行如下分类：

（1）设计BOM，即DBOM。该物料清单主要是被用来进行物品物料结构的构成、组织和管理的模式。所以DBOM事实上是与设计最初的图纸设计内容相对应的一种体系。该模式从设计人员最初的设计图纸中进行设计信息的攫取，涵盖了基本的产品架构、产品的设计规范，不同部件的构成、结构以及具体的型号，甚至还包括了设计所需基本物料的具体产品明细、说明等一系列的内容。重庆建设摩托车股份有限公司设计BOM样表如图5-7所示。

（2）工艺BOM，即PBOM。工艺BOM主要是制造型企业的工艺部门在生产工艺实施过程中用到的物料清单。其是在设计部门的EBOM基础上开展工作的一种模式，需要依据企业的装备特点来进行整个部门工艺流程运作。例如在设计部门完成基本的产品设计之后，工艺部门的设计人员要依据产品的工艺设计流程，将工艺设计的相关内容写入到BOM中。在PBOM中，工艺流程中所涉及的诸如基本的加工工具等信息也都可以在该体系中找得到。PBOM在零部件的装配关系上与EBOM相同，但在内容上增加了工艺信息的描述。重庆建设摩托车股份有限公司工艺BOM样表如图5-8所示。

图5-7　重庆建设摩托车股份有限公司设计BOM样表

图5-8　重庆建设摩托车股份有限公司工艺BOM样表

（3）制造BOM，即MBOM。制造BOM就是制造型企业中的加工制造部门在进行产品制造过程中所需要的产品制造的零部件的物料清单。而制造部门的工作，则是依据工艺生产部门的工作进行深化。依据BOM体系中生产工艺部门的信息基础，结合其在BOM体系中所写入的基本的产品工艺的内容和工具信息，进行产品设计的零部件的合理化装配以及数量的把控。在这个过程中，制造部门主要的角色是对生产的零部件以及产品的最终装配情况进行把关。在任何一个产品设计的过程中，制造的工作远比设计更为复杂。所以要想完成产品的最终制造过程，产品制造的相关指数和数据依据必须十分精确。所以借助MBOM能够更加精准的对产品的制造进行把关，从而更好地为产品的设计提供数据设计支撑。重庆建设摩托车股份有限公司制造BOM样表如图5-9所示。

图5-9　重庆建设摩托车股份有限公司制造BOM样表

（4）采购BOM。制造企业的采购部门在进行产品采购的过程中，需要制定相关的依据，依据标准规划进行系列物料的采购。

（5）成本BOM，即CBOM。主要是成本核算部门在进行产品的核算过程中，通过对产品生产的总成本与零部件的耗费间的比值来确定产品生产成本的内容。该类成本要依据制造BOM和采购BOM的信息最终确立完成。(www.xing528.com)

BOM数据管理是整个制造型企业进行企业数据管理的重要环节。而制造企业对BOM管理的应用情况也决定了企业的信息化管理水平。所以企业的BOM管理不仅仅是企业运营发展的重要构成部分，其同时也是有效衔接企业不同生产管理部门间的纽带。

美林集团以产品研制生产的主价值链为主线，通过BOM多视图的组织方式完成产品全生命周期数据的管理及应用，协调研制两端产品数据管理与应用的冲突，实现产品数据的共享与追溯。BOM多视图的组织如图5-10所示。

图5-10　BOM多视图的组织

以某零部件服役过程产生质量问题为例。当产品产生问题时回馈制造商形成质量问题记录单，零部件制造企业基于完整的产品全生命周期数据管理可通过BOM追溯实现零部件批次、设计信息、工艺信息、制造过程信息的快速定位，进而由专业人员进行分析质量原因并采取响应的改进措施，一方面：保证后续零部件/半成品按更改后的文件制造生产，使问题重复再现得到改善；另一方面：对同一种已交付使用的零部件采取一定的维护更换或召回处理，规避由某零部件问题造成工程停产的更大损失。

洛克希德·马丁公司生产的重型电站汽轮机，在设计阶段其零部件数量达到30万个以上，仅转子一个部件就包含32级、不同规格的叶片3 800多片，制造过程中需记录的尺寸多达1 857组，存储在PLM、CAPP和ERP系统的数据库中。洛克希德·马丁公司通过使用达索公司与IBM共同开发的CAD软件——CATIA先在计算机上进行设计和模拟组装，再与其他承包商合作，共同完成装配作业。新的虚拟产品开发环境允许洛克希德·马丁及供应商在世界各地实时存取和集成所有设计有关的数据，从而提高了设计过程效率，在产品全生命周期阶段最大限度使用建模和仿真工具，及时修改设计，在部件加工前解决存在的隐患。这种工作方式不仅大大降低了设计成本，而且大大减少设计更改，从而基本消除制造返工现象，而且这种虚拟的产品开发环境有利于集思广益，开发创新的项目。

5.2.1.3　质量检测数据

智能制造的实践过程就需要将传统以试错为中心的工业体系，逐渐转化成以网络化、数字化、智能化为中心的工业体系。

现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。收集与质量相关的数据，其中包含来自自动化系统的生产过程数据、表面检测系统的缺陷数据及部分缺陷图片、设备系统的设备状态数据、检化验系统的检验数据、ERP系统或MES系统的生产标准数据、销售系统或ERP系统的质量异议数据、点检系统或人工的点检数据、各个系统记录的操作数据等，使用业界流行的大数据技术——HADOOP技术进行海量明细数据的存储，构建企业的质量数据中心。

以钢铁生产为例，在质量中心中存有大量各工序、各机组的生产工艺数据，必须将前后工序的数据联系起来，使工艺数据与实际产品在各个生产环节的工序一一对应，才能最终实现质量分析诊断的目的。首先要建立钢铁生产跟踪的物料树，通过材料跟踪号勾联出生产时各机组的卷号，包括板坯号、热轧卷号、冷轧相关的卷号、成品卷号、炉号及合同号等明细；再由各卷号勾联相应子集库中满足条件的各类数据，在此基础上，考虑钢卷的开卷、卷取、方向情况、翻卷情况（因为涉及表面检测的数据），形成能够跟踪整个生产流程的物料树主线。

按照物料号、业务属性（温度、速度、设备、缺陷等）、数据粒度（毫秒、秒、米）重新组织数据，形成各个层级的数据模型，这些数据模型按照时间区间进行存储（分结构化数据和非结构化数据，表面检测涉及图片），便于未来的使用和检索。

数据组织时要判断数据的合理性、过滤掉噪声数据、从时间轴转换为位置轴、板坯数据定位，子母卷同步、协调不同数据的采样频率、二次计算、长期存储。

在质量数据中心的基础上建立全过程质量分析系统，通过对影响产品质量的关键输入/输出工艺变量及中间过程进行监控，实现全过程统计控制，保证生产过程稳定受控，支持现场操作人员及质量技术管理人员高效监控、诊断分析和改进生产过程，从而稳定生产过程，减少产品质量波动，最终实现产品质量的持续改进。

（1）质量预警：过程质量预警是将过程工艺参数纳入过程质量监控体系，统计关键工艺参数的违规记录、异常原因。

（2）过程监控与分析：利用统计分析工具，监控生产过程是否处于受控状态，判断过程质量的稳定状态。

（3）质量评价：按照给定的原则对工艺质量指标进行统计分析，做出综合工序能力评价，以便后续工作的改善。

（4）统计质量判定：通过统计分析和业务经验进行离线质量判定。

（5）制造履历追溯：根据物料走向，进行物料全过程的生产履历追溯。可查看、分析每个关键工序影响质量的关键工艺参数的分布；质量检验特性及判定结果的追溯；各批次生产过程设备运行状态追溯；指定缺陷数据追溯；通过多维度，多角度将用户关注的数据进行整理展现，可任意拖拽，选择数据范围，快速查看360度的质量/产品信息。

（6）质量报告：从数据中心中读取数据，并以图形、表格的形式显示，实现重点质量报表展示功能，反映业务管理信息。并能以预定义的格式通过Web、Email或文件服务器发布。系统根据质量诊断、质量判定、违规报警等为每个产品出具质量报告。

位于美国亚特兰大的GE能源监测和诊断（M＆D）中心，收集全球50多个国家上千台GE燃气轮机的数据，每天就能为客户收集10 GB的数据，通过分析来自系统内的传感器振动和温度信号的恒定大数据流，这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。风力涡轮机制造商Vestas也通过对天气数据及其涡轮仪表数据进行交叉分析，从而对风力涡轮机布局进行改善，由此增加了风力涡轮机的电力输出水平并延长了服务寿命。