plm是什么意思(检验PLM什么意思)

引言:本文讨论了PLM的体系结构和关键技术。通过分析PLM过程中的数据对象、核心产品BOM数据和企业运营主题数据，结合知识管理技术，提出了基于PLM的产品数据和知识的应用架构，描述了基于产品数据和知识的精益R&D业务蓝图。最后，展望了构建企业智能R&D生态环境，促进企业自主知识创新和精益控制的愿景。

作者:严昊何春珍康颖尧尧李超|来源:计算机技术与发展

0简介

着眼于制造业面临的巨大挑战和战略机遇，中国制造业正逐步从“中国制造”向“中国创造”转变。产品R&D的模式正在从低集成度产品向高度复杂、多领域、多专业的紧密协作转变，从个人能力和经验向模型和流程驱动、数据和仿真支撑研发转变，在新时代背景下，在产品生命周期管理过程中，基于产品数据和知识的产品需求管理、精益研发、智能制造、销售和服务成为企业获取持续利润的新增长点。因此，如何获取PLM过程中的各种产品数据和知识，并为企业提供有效的产品数据和知识服务，引起了许多制造企业的极大关注。本文从产品生命周期的数据对象分析入手，结合知识管理，探讨如何让大数据为产品生命周期管理决策。

1 PLM及其系统架构

1.1面向服务的产品生命周期管理

产品生命周期管理(PLM)是指在设计、制造、使用和回收的生命周期中与产品相关的数据管理。包括产品需求规划、项目立项与策划、详细开发与设计、仿真与验证、工艺与试制、生产与销售、使用与维护、报废与回收等。，如图1所示。

图1面向服务的产品生命周期管理

PLM是一种管理所有产品相关数据的技术，也是一种针对产品创新的知识管理和流程优化的概念。如图2所示，先进制造业早已转型为面向服务的产品生命周期管理。

图2产品生命周期的转变

1.2 PLM的体系结构和关键技术

PLM的典型架构如图3所示，主要分为应用层、核心层、基础层和通信层。通信层为PLM提供基础网络运行环境，基础层为PLM提供公共基础服务，核心层为PLM提供各生命周期数据管理的基础功能接口，应用层主要针对企业实际运营管理的核心应用功能集。PLM中的关键技术主要包括:PLM的组件功能划分、描述和接口定义；支持产品生命周期的元模型构建技术:分布式产品数据模型的映射策略和自动转换技术：跨阶段协同工作过程建模技术；基于XML的开放式信息集成和动态过程联盟技术:基于语义网络的多维视图产品数据组织、管理和操作技术；基于产品生命周期的协同工程和项目管理技术。

图3 PLM的架构

2关键技术研究

2.1 PLM中的数据分析和处理

2 . 1 . 1 PLM中的数据分析

如图4所示，产品生命周期管理中的数据资源分为基础资源数据、产品工程数据、文献数据和模型数据。根据数据的性质，非结构化数据通过分类、聚类、摘要、标记、主题化和语义分析进行转换。结构化数据可以通过标准化来处理，以提高数据的准确性和可重用性。模式通过自动化形成智能特征。

图4 PLM中的数据资源图

2.1.2 PLM中核心产品的PLM数据

产品BOM数据是制造企业发展主价值链的核心数据。如图5所示，BOM管理涵盖了从需求树、方案树、产品树、工艺树到实例树等产品开发的全生命周期。，并将各阶段的BOM作为相关企业产品开发主要价值链的业务流程数据，形成以BOM为核心视图的制造业产品开发数据中心。

图5 PLM中的产品结构树

2 . 1 . 3 PLM中的操作主题数据

根据业务逻辑结构，对每个业务数据进行识别和计算，根据业务需求定义和组织的相关数据由业务数据根据分析需求统一提取，然后按照主题进行存储和管理。主题数据库以产品为主线，贯穿R&D设计、技术状态、制造过程、质量保证、产品交付的全过程数据，建立产品功能、性能参数、价格、尺寸、结构型号的产品全属性信息库，关联大数据资源库中管理数据中的基础数据、工程数据、关键产品信息，组织展示产品R&D、制造全过程数据。包括:产品主题数据、项目主题数据、研发生产主题数据、质量主题数据、物料库存主题数据、成本主题数据等。

2.2知识管理技术

知识管理技术是指为实现知识管理目标而采用的各种技术，包括信息技术、知识管理工具和知识管理软件。知识管理系统应具备丰富的自动获取知识的能力，与企业现有的信息业务应用系统无缝对接，统一有序地建立知识系统中产生的数据、信息和知识；然后通过智能匹配推送给相关人员，结合用户在系统中的使用习惯和行为，为用户安排推荐内容，不断智能改进系统；企业还可以通过对知识应用的长期检测，调整知识建设布局，完善企业知识和经验积累的网络。

(1)智能知识识别和学习。

通过“连接器”连接各种信息业务系统，整合重组现有内容数据库，智能学习不仅可以自动拆解元数据和内容关键词，还可以分析段落思想和上下文信息，形成多网络结构关联模型，使计算机对知识认知更准确，理解更深入。

(2)智能知识提取和重组。

学习知识后，不同业务系统中的信息可以按照系统设定的组织形式自动归档，形成企业统一的知识分类和图谱，并可以不断扩展，以适应企业不断增加的知识内容，实现知识的统一、有序和集中管理。在用户层，用户根据导出的元数据自动生成内容介绍，如:图片、主题、段落、人名或地名、型号或设备号、批量任务、重要日期或其他重要信息等。，即系统对分析后的内容进行封装，智能创建可用或有用的提示，让用户清楚地看到是否是自己需要的知识内容。

(3)智能知识匹配和推送。

该系统不仅可以实现跨业务系统的基于内容的检索，还可以根据用户定义的模式建立个性化的搜索器，从而快速定位用户需要的信息和知识。更重要的是，系统根据员工的情况(如角色、任务节点、权限等)，智能匹配并自动推送相关知识和最新更新的内容给员工。).这些内容智能匹配员工需求，员工不再被迫搜索，节省了大量搜索知识的时间。

(4)智能的自我学习和提高。

每次用户查询、搜索、点击、下载等。并与系统相互作用，是一个系统的学习过程。通过这种流程调整，结合用户在系统中的使用和行为，为用户安排推荐的知识内容。同时，用户可以对推荐的知识内容进行评分，并添加评论等信息。通过这样的反复学习，系统不断完善驱动机制，从而变得越来越智能。

(5)智能知识监控和挖掘。

可以对知识数据的使用情况进行监测和分析(例如，按照类别、区域、组织等维度对知识的上传、下载和浏览的频率；搜索关键词排名；用户活动等。)来保证知识的高效利用，直接提高企业的知识利用效率。通过对知识使用的监控，可以影响企业信息业务系统建设、企业流程、系统等方面的决策，对企业各部门的业务运作产生不可估量的深远影响。

3利用大数据为PLM做出决策

3.1基于PLM的产品数据和知识应用架构

产品数据和知识在PLM中的应用主要包括需求规划、R&D设计、工艺试制、制造装配、销售、维护和回收等。基于PLM的产品数据和知识应用架构如图6所示，主要包括产品知识资源层、中间件层和应用层。产品数据和知识资源层主要包括企业内外的产品知识库、经验库、模型库、实例库、专利库、文献库和专家库。中间件层主要使用企业服务总线、接口适配器、服务注册管理等集成技术。构建面向SOA的架构，实现产品数据和知识服务的注册、封装和组合，进而在PLM过程中为企业内外的用户提供按需的产品知识。应用层主要提供PLM流程各阶段所需的产品数据和知识服务支持，如需求规划、R&D设计、工艺试制、生产计划、制造装配、产品销售、维修服务、产品回收等。

图6基于PLM的产品数据和知识应用架构

3.2基于产品数据和知识的精益R&D业务蓝图

基于产品数据和知识的智能R&D业务的蓝图如图7所示。梳理典型企业项目的R&D流程，形成基本工作分解结构(WBS)框架，梳理数据、伴随知识、工具内容。经过梳理后，将数据、知识和工具资源导入平台与R&D流程关联，形成完整的数字化典型项目R&D流程(企业WBS)。新项目启动时，项目负责人会基于历史项目R&D过程进行切割，快速生成适合项目的WBS树，同时对工作包进行维护和规划，定义执行者、修正输入输出、伴随知识、数据控制和执行工具等信息项目规划逐步完成后，工作包会分配给任务执行者。

R&D人员执行任务:任务执行者在平台门户中查看任务信息和接收任务，根据上游任务传递的输入信息，使用与工作包相关的知识、工具和数据进行设计工作。完成设计工作后，将输出提交给数据中心，并完成此任务。

图7精益R&D业务蓝图

4结束语

在竞争日益激烈的今天，创新是企业生存和发展的动力源泉，实现产品数据知识服务是提高整个产品生命周期中产品设计、制造、服务和管理创新的主要途径。它是一个数据企业的核心，知识就是智能数据。企业智能化建设应以数据知识的应用为核心，构建完整、高效、安全的应用服务体系。通过数据中心收集和存储企业科研、生产和管理过程中产生的大量数据，同时通过知识工程平台的建设，针对不同类型的数据，采用相应的处理手段和方法，增强数据的可视化、共享化和智能化程度，形成可利用的知识，为不同用户提供个性化服务。从感知、决策、行动、优化、自我提升构建R&D生态环境，促进企业自主知识创新和精益控制，进而有效提升企业核心竞争力。