文章

“盲人摸象”之PLM与大数据

2022-06-15丁肇之

1623阅
将大数据技术与PLM等IT系统进行整合,可以实现真正意义上的产品全生命周期管理,并结合高级分析技术,可以为实现知识驱动的创新性产品开发打下坚实的基础。
       盲人摸象,语出《景德传灯录》:“有僧问:‘众盲摸象,各说异端,忽遇明眼人又作么生?’”答曰:“其触牙者即言象形如芦菔根,其触耳者言象如箕,其触头者言象如石,其触鼻者言象如杵,其触脚者言象如木臼,其触脊者言象如床,其触腹者言象如甕,其触尾者言象如绳。”我们大家最初接触“盲人摸象”这个成语,应该是小学二年级的语文课本。

       笔者非常喜欢“象”这个词,它点出了数字化从业人员的工作精髓。在小学课文的成语故事中,盲人摸象的“象”代表的是有一种四肢如柱、腹背如墙、双耳如扇的巨型动物;在佛教经典《景德传灯录》中,盲人摸象的“象”代表的是“众生”、“世事”或“万法”;在哲学认识论的语境中,盲人摸象的“象”既代表认识对象,也代表认识方法;在数字化工作中,盲人摸象的“象”,代表客观事物,代表数据模型,也代表数据展现;而各位看官,也就是我们自己了,其实就是盲人摸象中的“盲人”。换句话说,不管采取何种方法,我们所认识到的事物,只是事物的局部,无非是五十步和一百步的区别而已。在本文中,笔者就和大家一起来摸摸PLM与大数据的“象”。

“象”=认识对象(客观事物)+认知方法(数据模型)+认知结论(数据展现)

       首先,在笔者看来,产品生命周期管理,也就是PLM(Product Lifecycle Management),主要是某种业务策略,而不是所谓的软件系统;因为,当前市面上任何一种所谓的PLM商业解决方案或软件系统,都没有完全实现PLM所承诺的产品数据范围或软件功能。如果有人对笔者的这个结论有异议,我们可以采取“拆字法”来剖析PLM所承诺的功能,并与各种PLM软件作对比。

PLM= Product Lifecycle Management = Product + Lifecycle + Management

       Product,产品,这里指的是产品数据,包括产品的定义和描述。Lifecycle,生命周期,包括产品的构思(Imagine)、定义(Define)、实现(Realize)、支持或使用(Support/Use)、退役或淘汰(Retire/Dispose)、再循环(Recycle)等阶段,有人又把这个生命周期分为三个阶段:BOL(Beginning of Life,初期)、MOL(Middle of Life,中期)和EOL(End of Life,末期);因此,产品全生命周期的数据,包括产品是什么,怎么构成的,以及如何生产、销售、使用、维护和再循环等信息。对照市面上各种商业PLM软件,它们主要以产品定义数据为主,覆盖的主要是产品初期(BOL阶段)BOL的数字化需求。

       另外,我们还可以从产品数据的来源来看商业PLM软件的局限性。纵观产品的全生命周期,产品构思和定义数据主要以PDM/PLM等软件来管理,产品制造数据主要以ERP/MES等软件来管理,产品的销售数据主要以CRM等软件来管理,产品的服务支持数据主要以EAM/DMS等软件来管理,而用户对产品的使用、体验、评价等数据则分散在网站、论坛、邮件、微博、社交媒体等平台中。

产品数据的来源

图1 产品数据的来源

       如图1所示,与产品有关的数据,有我知道我知道的(有点绕口),比如PDM/PLM、ERP、MES、CRM等企业内部软件中的数据;有我知道我不知道的,比如散落在各种社交媒体或公共平台中的数据;有我不知道我不知道的,也就是隐形的或没有技术手段可以获知的数据,比如用户使用产品时的各种行为,或者用户在线下的体验或感知。由此可见,PLM软件中所能管理到的产品数据极为有限。因此,与其说PLM是某种软件系统,毋宁说它是一种业务策略,或者说企业对管理产品全生命周期的向往。既然商业PLM软件并不是真正意义上的PLM,我们就要考虑如何完善它,而大数据技术可以在这方面做很大的事情,甚至构建以产品智能(大数据)为中心,知识驱动的产品生命周期管理体系。

       大家知道,所谓的大数据,有个5个“V”的特点或要求;即Volume(海量),Variety(多样化),Velocity(快速产生),Value(价值),以及Veracity(真实性)。简要来说,大数据技术具有超强的数据处理能力,如果再与线性回归等高级分析算法相结合,可以实现预测性业务场景(如预测性资产或设备维护)、精准的业务匹配(如大数据精准营销),以及各种业务决策支持(如工程专家系统),等等。

       在没有大数据等技术支持下,上游产品数据,如产品定义,在PDM/PLM里面进行管理,并通过系统接口等方式,派生(Derivate)给下游的制造、销售、服务等业务和ERP、MES、CRM、EAM等IT系统。在下游业务中,组织再根据制造、销售、服务等业务的实际执行情况,对产品说明进行扩展和验证。必要时,将验证结果,比如零件可靠性、产品失效模式、用户行为偏好等有价值的信息以“提纯”的形式,精炼(Refine)给上游的PDM/PLM系统,供产品更新、升级或新产品开发时做参考。

产品数据的派生和精炼

图2 产品数据的派生和精炼

       如图2所示,在产品全生命周期的上下游之间,产品数据的派生和精炼是通过IT系统之间的接口,以点对点的形式来实现的,这种实现方式的开发工作量大,整个架构的灵活性和扩展性也比较差,还会对PDM/PLM、ERP、MES等IT系统的性能造成很大的负面影响。如果能够结合大数据技术来做,则可以得到多方面大大的改善,并能充分利用大数据的高级分析能力,实现智能化的产品数据管理。这样,真正的产品全生命周期的数据管理就有可能实现。

PLM与大数据相结合的产品数据管理

图3 PLM与大数据相结合的产品数据管理

       在研发、营销、采购、生产、服务等业务的端到端集成上,产品的定义和说明数据仍然以系统接口的形式,从上游向下游派生,而大数据平台可以提取各业务环节相关产品数据,根据业务需求对数据进行清洗和提炼,将有价值的产品数据反馈PDM/PLM、ERP、CRM等IT系统,提供业务预测、业务配对、决策支持等建议。正如图3所示,既可以整合各种来源,尤其是来自社交媒体等外部渠道的产品数据,以大大地丰富数据的内容和维度,又能将业务交易和数据分析等不同的业务场景分开,从而实现产品数据能力和产品数据场景等方面的双丰收。实际上,用几个当前比较时髦的说法,围绕产品的全生命周期,以大数据技术来整合PLM、ERP、MES、CRM、社交媒体等来源的产品定义和说明数据所形成的“产品智能”(有的组织或个人也将之称为“数字化主线(Digital Thread)”),也是企业数字中台的两大组成之一(另一个是“客户智能”或“用户画像”)。

企业数据中台:产品智能与用户画像

图4 企业数据中台:产品智能与用户画像

       综上所述,将大数据技术与PLM等IT系统进行整合,可以实现真正意义上的产品全生命周期管理,并结合高级分析技术,可以为实现知识驱动的创新性产品开发打下坚实的基础。

知识驱动的产品生命周期管理

图5 知识驱动的产品生命周期管理
责任编辑:程玥
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
读者评论 (1)
  • teamczyx7-15
    万能发帖软件 www.teamczyx.com
以上网友发言只代表个人观点,不代表本网站观点或立场。
请您登录/注册后再评论