【PLM】智造时代，PLM系统10大应用趋势！

2019 年 3 月 7 日 产业智能官

导读：当前，随着制造业智能制造战略的稳步推进，有越来越多的智能化技术被应用到工业的智能化转型过程中。

作者：e-works执行主编涂彬 | 来源：e-works

当企业的产品变得更加智能、人与物之间开始实现互联、个性化定制消费观念实现了消费者与生产厂家的信息对接，新的产品创新模式也在不知不觉中逐渐形成，进而催使制造企业不得不去重新思考如何推进新时代的产品创新？如何适应在产品生命周期越来越短的竞争环境中满足客户越来越个性化的产品需求？

智能制造架构下，PLM系统的地位与作用

在智能制造体系架构中，智能产品、智能服务直接影响着企业商业模式的创新，是非常重要的组成部分。智能产品通常包括机械、电气和嵌入式软件/系统，具有记忆、感知、计算和传输功能。如今，智能产品基于传感器和物联网（IoT）技术，可以感知自身状态，进行预防性维修维护，及时帮助客户更换备品备件，甚至可以通过了解产品运行的状态，帮助客户带来商业机会。还可以采集产品运营的大数据，辅助企业进行市场营销的决策。

物联网推进产品智能化、互连化发展的同时，开启了一个竞争的新时代。智能产品产业链中将衍生出一系列相关产品或服务市场，这些产品和服务组合到一起能满足更广泛的潜在需求。更多价值从产品向由产品衍生的服务进行转换，也预示着巨大的挑战和机会。企业需要发挥智能互联产品的全部潜力，结合全面的服务创造更多价值。越来越多的制造企业也更加深刻地理解了智能产品实质，借助物联网技术建立了新的服务模式，将产品全生命周期管理拓展到服务阶段，塑造服务竞争优势。此外，个性化定制也属于一种智能服务，消费者直接与生产厂家对接，批量为1。

总的来说，智能制造时代带来的影响主要体现在新的产品、新的商业模式和新的流程三个方面。企业应如何适应这些变革？从设计到服务、从供应链到资金再到人力资源、从产品使用维护到报废回收，产品数据如今变得无处不在，如何利用好这些数据，让这些数据发挥出应有的价值？如何将客户的需求与产品相连？企业应采用什么方式进行内外部的设计协同？

要解决这些问题，实现企业转型创新，必须要依靠产品全生命周期管理系统PLM系统的支撑。在智能制造系统架构下，PLM系统是建立在设计信息、生产信息、用户使用及反馈信息的高度智能化集成基础上的，从智能化的需求收集到基础设计数据获得的过程，从智能化的用户参与式设计到能够直接转变为生产信息并被执行。

PLM系统应用趋势剖析

在数字化企业网（e-works）与国际知名PLM研究机构CIMdata联合举办的PLM市场与产业发展论坛上，CIMdata总裁Peter Bilello就曾指出，在产品生命周期中，如果产品全生命周期没有形成闭环将会阻碍具有颠覆性和全球竞争力产品的开发和支持，并且企业内和上下游企业间多个领域的团队难以有效协作。

为促使生命周期形成闭环，一方面需要推进数据分析，因为企业在产品生命周期的每个阶段都产生了大量数据，有些数据直接来自产品本身，其他数据来自社交媒体和多种松散结构，而这些数据大部分都被忽略。另一方面对未来发展的问题和需求分析等也很需要。此外增强数据的互操作性、工作流和流程的透明度，以及不同领域团队之间的协作等方面都要考虑。

所以，在智能制造体系架构下，PLM系统具有非常重要的作用，其应用趋势主要表现在以下几个方面：

（1）为企业搭建产品创新管理平台。

PLM系统将设计、工艺、工程、分析与仿真、制造、质量、维修维护、回收等相关的过程多种数据进行统一组织、管理和呈现，解决产品数据的集中、安全、有效的管理。同时，通过搭建涵盖各部分数据的BOM，将分散于各阶段、各部门的设计、工艺、制造、质量等数据整合起来，为整个智能制造体系提供数据基础。并且还可以集成程序设计与管理、仿真、优化、创新、质量等工具，使研发体系可以快速高效地应用这些工具，从而进行差异性、高性能、高品质的智能产品研发创新。

（2）增强企业个性化、系列化产品开发能力。

PLM系统通过以产品结构为中心组织产品信息，即能够实现产品的系列化管理，通过有效建立物料清单的多视图管理和配置规则，又能够保障产品及零部件版本的有效控制。根据预定义的零部件集及它们之间的相互约束关系，通过合理的模块化、标准化组合，形成满足客户个性化要求的产品设计过程。在PLM系统产品配置过程中会涉及到大量的数据信息如物料信息、各种参数信息、零部件版本信息等，同时也会涉及到企业多个职能部门间信息的交互与传递如设计、采购、工艺、制造、售后等部门。为了解决这个问题，企业还必须要搭建全流程、多层级、多功能的企业级BOM体系，通过一套切实有效的BOM体系来支撑企业大批量定制的生产模式。

（3）构建协同的设计创新环境，与客户进行联合创新。

PLM系统基于云端可以与供应商、合作伙伴、客户进行协同研发，让所有人都能够参与到开放式的创新中来。帮助企业在产品早期研发过程中与设计伙伴、供应商等进行协同，通过实时协同、信息共享、移动化，使企业能够更有效地开展合作，并能利用社交实现更大范围的协同创新，加速产品开发。国际知名PLM研究机构CIMdata曾指出社交计算对于PLM发展的重要意义，主要表现在三个方面：使用社交计算开发产品；在产品里运用社交计算；用社交计算营销产品。

▲跨企业的即时协同交流

（4）建立全局变更管理。

在产品全生命周期整个过程中还存在变更管理模型，包括功能、设计、零件、成品、维修等阶段的产品数据都会存在发布前的多次调整，发布后的多次改变，这种调整和改变都需要进行相应的管理与执行。在PLM系统上，建立以业务流程驱动的变更管理，管理整个变更过程。同时，通过分析变更的影响范围，为受影响的对象执行变更提供相应的依据和参考，保证变更的准确性；通过流程的控制，协同变更过程各参与人的工作，保证变更的及时性；通过数据集成平台接口，将变更数据及时下发到ERP、MES等系统，覆盖整个产品全生命周期的各个相关业务部门，保证变更的有效性。

（5）以模型为核心，构建基于模型的企业。

企业可以将产品全生命周期中所需要的数据、信息和知识进行整理，结合PLM系统，建立便于系统集成和应用的产品模型和过程模型，通过模型进行多学科、跨部门、跨企业的产品协同设计、制造和管理，通过模型支持技术创新、大批量定制和绿色制造。

（6）互联资产，管理基于物联网收集的产品运行数据，开展大数据分析。

基于传感器、物联网技术，现在已经可以对产品的性能、质量进行实时监控，使工程技术人员更加直观地了解当前产品在实际工况下的软硬件运行状况。在此基础上，就能够基于大数据分析和智能优化对搜集到的海量数据进行处理，分析、编程，进行预防性的维修维护，也可以明确在以往产品研发过程中出现的问题，继而在下一代产品研发中改进设计，使产品能够不断的动态优化来改善用户的体验，持续改进产品质量和功能。

▲嵌入式系统开发

（7）建立端到端的客户结构化需求管理。

企业的产品能否迅速占领市场，很大程度上决定于其产品是否准确把握住客户多样化的需求并付诸实践，及时在产品策略上做出转变。PLM系统通过结构化需求管理可以集成产品全生命周期所有过程（需求开发、概念设计、详细设计、生产制造、销售、使用、维护以及回收等）的需求目标，并关联到文件、产品主数据以及物料清单上，明确各阶段需求的相关角色和职责，确定其他过程开始的先决条件和技术策略，并在产品全生命周期内动态地反馈与产品需求相关的各种信息，使产品全生命周期各阶段及时响应需求变化，确保需求管理的顺利实施。

▲根据明确的需求来驱动产品研发

（8）建立以“系统工程”为核心的产品研发体系。

系统工程是一个用于实现智能产品开发的跨学科方法，这也是智能制造时代下研发智能产品的核心需求之一。将“系统工程”融合在PLM系统中，可以将研发过程中不同部门所产生的模型系统数据集中在一个单一的环境下进行管理，对产品进行设计综合和系统验证；其次，对这些系统模型还可以进行权限管理与版本管理，并实现研发流程的相关联，保障数据的可靠性及可追溯性。而且不同的系统模型会演变出各种不同的设计方案，所以必须要将这些模型数据有效的管理起来，基于系统工程下的PLM就是将开发组织中相关的人中，数据以及模型、流程进行有效集成，建立设计变量和方案管理平台，以支持协作开发过程。

▲通过模块化系统工程来管理复杂结构

（9）实现流程行业的配方管理。

随着PLM的内涵和管理范畴在不断的扩展，应用的行业也由最初的离散制造行业，逐渐向流程行业延伸。特别是食品、生命科学与制药、服装等以工艺配方生产产品的配方型企业，通过PLM系统可以实现对产品的工艺配方和工艺过程进行管理。

（10）建立结构化工艺管理平台。

企业需要开展结构化工艺设计并实行设计工艺一体化、工艺仿真应用、数据集成等工作，同时利用PLM系统来更有效地管理工艺数据并与产品设计实现同步工程。结构化工艺设计能够提升制造工艺设计的效率、提高工艺知识重用率，结构化工艺数据理论上能更好地与ERP、MES等系统开展数据集成，在解决了前后系统的数据一致性后理论上能实现数据集成的自动化，提高产品研发整体信息化效率，能更好地帮助企业实现数字化、智能化转型。

▲结构化工艺管理

除了上述十点以外，在智能制造时代，随着新兴技术的不断发展成熟，PLM系统的应用必然会有更多的延伸，将会对产品全生命周期各阶段产生的数据进行集中管理，来充分满足智能制造数据管理的要求，有效打通从设计、制造、使用、维修维护、回收的数据流，充分实现数据流的自动化。

工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进产业OT（工艺+自动化+机器人+新能源+精益）技术和新一代信息IT技术（云计算+大数据+物联网+区块链+人工智能）深度融合，在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知计算系统；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。