基于PLM的数据知识分析与应用

作者：燕昊  何淳真  康莹  王瑶  李超  | 来源：《计算机技术与发展》

0 引言

　　着眼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。产品研发的模式正由低集成度产品向高度复杂、多学科、多专业紧密协同，由个人能力和经验为主向以模型和流程驱动、数据和仿真支持研发转变。新的时代背景下，在产品全生命周期管理过程中，以产品数据与知识为基础的产品需求管理、精益研发、智能制造以及销售与服务，已成为当今企业获取可持续利润的新增长点。因此，如何在PLM过程中获取各种产品数据与知识并向企业提供有效的产品数据与知识服务，引起了众多制造企业的极大关注。文中从产品全生命周期的数据对象分析入手，结合知识管理探讨如何使大数据为产品全生命周期管理进行决策。

1 PLM及其系统架构

1.1 面向服务的产品全生命周期管理

　　产品全生命周期管理(Product lifecycle management，PLM)，是指在设计、制造、使用和回收等生命周期中与产品相关的数据管理。其中包括产品需求策划、立项与计划、详细开发与设计、仿真与验证、工艺与试制、生产与销售、使用与维修以及报废与回收等主要阶段，如图1所示。

　　PLM是一项对所有产品相关数据进行管理的技术，也是一种面向产品创新的知识管理和流程优化的理念。如图2所示，先进的制造业早已转变为以服务为导向的产品全生命周期管理。

1.2 PLM的体系架构与关键技术

　　PLM的典型体系架构如图3所示，主要分为应用层、核心层、基础层和通讯层。通讯层为PLM提供一个基础网络运行环境，基础层为PLM提供公共的基础服务，核心层为PLM提供各个生命周期中对数据管理的基本功能接口，应用层主要针对企业实际运营管理的核心应用功能集合。PLM中的关键技术主要有：PLM的构件功能划分、描述及接口定义；支持产品全生命周期的元模型构造技术；分布式异构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的开放信息集成与动态过程联盟技术；基于语义网络的多维视图产品数据组织、管理、操作技术；基于产品全生命周期的协同工程与项目管理技术。

2 关键技术研究

2.1 PLM中的数据分析与处理

2.1.1 PLM中的数据分析

　　如图4所示，在产品全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、文献数据以及模式数据。按数据性质不同进行处理，非结构化的数据通过分类、聚类、摘要、标签、主题化、语义分析等进行转化；结构化数据可以通过标准化进行处理，以提高数据准确性和再使用性。模式资源通过自动化手段进而形成智能特征。

2.1.2 PLM中的核心产品BOM数据

　　产品BOM数据是制造企业研制主价值链的核心数据。如图5所示，BOM管理从需求树、方案树、产品树、工艺树到实例树等，覆盖产品研制全生命周期过程，并以各阶段BOM为主关联企业产品研制主价值链的业务过程数据，形成以BOM为核心视图的制造业产品研制数据中心。

2.1.3 PLM中的运营主题数据

　　按照业务逻辑结构对各业务数据进行识别及运算，根据业务需求统一定义和组织的相关数据，由业务数据按照分析需要抽取后按主题存储及管理。产品主题数据库以产品为主线贯穿研发设计、技术状态、制造过程、质量保证、产品交付的全过程数据，建立产品的功能、性能参数以及价格、外形尺寸、结构模型等产品全属性信息库，关联大数据资源库中基础数据、工程数据以及管理数据中产品关键信息，对产品研发、制造全过程数据进行组织与展现。具体包括：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、物资库存主题数据、成本主题数据等。

2.2 知识管理技术

　　知识管理技术是指针对知识管理的目标所采用的各种技术，包括知识管理的信息技术、知识管理工具和知识管理软件。知识管理系统应具有丰富的自动获取知识能力，无缝对接企业现有信息化业务应用系统，并将其中产生的数据、信息与知识统一、有序地建立在知识系统中；再通过智能匹配推动给相关人员，结合用户使用习惯，以及用户在系统内的行为活动，为用户排列推荐内容，从而不断智能化完善系统；企业也能够通过长期对知识运用的检测，调整知识建设布局，完善企业知识与经验积累的网络。

　　(1)智能知识识别与学习。

　　通过“连接器”对接各个信息化业务系统，并整合重组现有的内容库，智能学习不仅可以自动拆解出元数据、内容关键字，更对段落大意、语境信息进行分析，并形成多网结构的关联模型，使得计算机对知识的认知更为准确，理解更为深刻。

　　(2)智能知识萃取与重组。

　　能够在学习知识后，将不同业务系统中的信息，按照系统设定的组织形式，自动归档数据，形成企业统一的知识分类与地图，并可以持续扩展，从而适应企业日益增加的知识内容，达到知识的统一化、有序化、集中化管理。用户在使用层自动生成基于导出元数据的内容简介，如：图片、主题、段落大意，人或地方的名称，型号或设备号，批次任务，重要的日期或其他重点信息，等等，即系统将解析的内容进行封装，智能创建出可用的或有用的提示信息，让用户能够一目了然地看出是否是自己需要的知识内容。

　　(3)智能知识匹配与推送。

　　系统不仅能够实现跨业务系统的，基于内容的检索，还可以依照用户自定义模式建立个性化的搜索器，从而快速定位用户需要的信息与如识。更重要的是，系统依据人员的情况（如角色、任务节点、权限等），智能匹配和自动推送给员工相关知识与最新的更新内容，这些内容与员工需求智能化匹配，员工不再被迫搜索，从而节省了大量寻找知识的时间。

　　(4)智能自学习与完善。

　　用户每一次查询、搜索、点击、下载等与系统的互动，都是系统的学习过程，通过这个过程调整，结合用户使用情况以及在系统内的行为活动，为用户排列推荐的知识内容。同时用户可以针对推荐知识内容打分，添加评论等信息。系统通过这样的反复学习，不断完善推动机制，从而越来越智能化。

　　(5)智能知识监控与挖掘。

　　可以监测知识数据的使用情况并进行分析（如知识按照类别、区域、组织等维度的上传、下载、浏览频次；搜索关键字排名；用户活跃度等等），确保知识的高效使用，直接提高企业知识使用效率。通过对知识使用的监测情况，可对企业信息化业务系统建设、企业流程、制度等方面决策进行影响，对企业各部门的业务运转起到不可估量的深远影响。

3 利用大数据为PLM进行决策

3.1 基于PLM的产品数据与知识应用架构

　　PLM中的产品数据与知识应用主要包括PLM过程中的需求规划、研发设计、工艺试制、制造装配、销售、维修和回收等。基于PLM的产品数据与知识应用架构如图6所示，其主要包括产品知识资源层、中间件层和应用层。产品数据与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、文献库和专家库等。中间件层主要是利用企业服务总线、接口适配器、服务注册管理等整合技术，构建面向SOA的体系架构，实现对产品数据与知识服务的注册、封装和组合，进而在PLM过程中向企业内外用户提供按需服务的产品知识。应用层主要提供PLM过程中需求规划、研发设计、工艺试制、生产计划、制造装配、产品销售、维修服务以及产品回收等各阶段所需的产品数据与知识服务支持。

3.2 基于产品数据与知识的精益研发业务蓝图

　　基于产品数据与知识的智能研发业务蓝图如图7所示。企业对典型项目的研发流程进行梳理，形成基础工作分解结构（WBS）框架，并开展数据、伴随知识和工具内容的梳理工作，梳理完成后的数据、知识和工具资源导入到平台中与研发流程进行关联，形成完整的数字化典型项目研发流程（企业WBS）。当新项目开始时，项目负责人基于历史项目研发流程进行剪裁，快速生成适合项目的WBS树，同时对工作包进行维护和策划，定义执行人、修订输入输出、伴随知识、数据管控和执行工具等信息，待逐级完成项目策划工作后，将工作包分派给任务执行人。

　　研发生产人员执行任务：任务执行人在平台门户中查看任务信息并领取任务，依据上游任务传递过来的输入信息，使用工作包关联的知识、工具和数据开展设计工作。完成设计工作后，提交输出物到数据中心，结束此项任务。

4 结束语

　　在竞争越发激烈的今天．创新是企业生存与发展的动力源泉，而产品数据知识服务的实现是提高产品全生命周期过程中的产品设计、制造、服务及管理创新的主要途径。数据是企业的核心，知识是智慧化的数据。智慧企业的建设应以数据知识应用为核心，构建完整、高效、安全的应用服务体系。通过数据中心采集存储企业科研生产和管理过程中所产生的大量数据，同时通过知识工程平台的建设，针对不同类型的数据，使用相应的加工手段和方式，提升数据的显性化、共享化和智慧化程度，形成可利用的知识，针对不同用户提供个性化服务。构建一个从感知一决策一行动一优化自完善的研发生态环境，推动企业的自主知识创新及精益管控，进而有效提升企业的核心竞争力。