摘要：关于 #普元#数智变革者：在数字化与智能化融合的时代浪潮中，数智化变革正重塑企业核心竞争力。本文是“普元产品数智实践系列”的一篇，将带您深入探索普元产品如何在不同场景中助力企业实现数智化转型，开启变革之旅。

关于 #普元#数智变革者：在数字化与智能化融合的时代浪潮中，数智化变革正重塑企业核心竞争力。本文是“普元产品数智实践系列”的一篇，将带您深入探索普元产品如何在不同场景中助力企业实现数智化转型，开启变革之旅。

普元产品数智实践系列（之一）

从数据梳理到规范制定，实现数据资产的高效管理与应用

背景及需求

近年来，随着数字化建设的大力推进，在飞机制造行业，基本也都围绕研发、生产、制造、设计建设了包括OA、ERP、SAP、PDM、MES等多个业务系统。但是随之而来的数据孤岛、基础数据冗余、表述不一致、系统之间数据流转受限等问题日益严重，同时产品研发与生产通常都涉及到海量非结构化数据（如设计图纸、工艺文档、仿真报告等），如何将这些分散的数据转化为可管理的资产，是企业数字化转型面临的核心挑战。

为了应对这些挑战，"产品工程数据库"的概念应运而生。"产品工程数据库"实质上是融合产品全生命周期数据与工程验证体系的核心载体。该数据库通过结构化存储设计参数（如翼型拓扑关系、铆钉孔位公差）、工艺知识（如复合材料铺层温度曲线）及质量验证数据（如疲劳测试载荷谱），构建起覆盖"需求-设计-制造-运维"的工程数据血缘网络。

某头部飞机制造企业以“产品工程数据库”应用建设为核心，通过系统性数据治理实践，构建了一套完整的数据资产管理体系。以下是其实施过程的深度还原。

业务导向：四大主题域驱动数据分层治理

现代航空制造的研发体系是一个高度耦合的复杂系统，涉及需求工程、产品设计、工艺制造、服务保障等多领域协同。数据生态失序的本质，是这种复杂系统在数字化进程中产生的自组织缺陷。当企业试图通过局部优化（如引入先进PLM系统）提升效率时，往往加剧了系统的无序性：

功能异构：各部门为满足自身需求，基于不同技术栈构建独立数据系统，导致数据格式、元数据定义、接口协议千差万别；

权责模糊：数据的所有权、使用权、管理权的界定不清（如某工艺参数究竟归属设计部门还是工艺部门），造成数据更新滞后或缺失；

动态失衡：研发周期缩短要求数据流动速度加快，但传统科层制组织架构难以匹配数据实时共享的需求，形成"高速列车"与"老旧铁轨"的矛盾。

这种系统性失序直接削弱了数据的流动性与可用性：当跨部门协作需要数据交换时，企业不得不投入大量资源进行格式转换、语义对齐和权限协调，本质上是用高昂的成本对抗系统本身的缺陷。

为解决这一缺陷，项目围绕需求工程、产品工程、服务工程、工程管理四大核心业务域展开，以业务需求为起点，建立分层治理框架：

1. L1数据域划分：明确四大业务域的数据边界与责任部门，例如产品工程域涵盖设计、工艺、仿真等全生命周期数据；

2. L2-L5级联细化：向下拆解为10个主题域（如“产品工程主题域”）、30个业务对象（如“设备与工艺参数业务对象”）、447个逻辑数据实体（如“服务工程数据实体”）及特征属性，形成“数据域→主题域→业务对象→逻辑数据实体→特征属性”的五级架构；

3. 非结构化数据标准化：针对图纸、文档等非结构化数据，定义统一的命名规则、版本标识和元数据标签，有效解决传统文件散乱存储、检索困难的问题。

图1-数据分层治理

规范与建模：三大规范构建可信数据基座

在航空制造领域，质量体系的根基是对数据的绝对信任。从设计仿真到工艺验证，每个环节的输出都依赖于前序数据的准确性。标准缺失导致的信任危机，本质上是数据无法承载其应有的权威性与可验证性。

具体表现为：

语义模糊：当"疲劳寿命"这一核心参数缺乏明确定义（如是设计载荷下的寿命，还是实际工况的耐久性），不同部门会产生截然不同的理解。这种语义鸿沟直接导致仿真结果与物理试验的偏差。

约束弱化：若没有统一的数据校验规则（如"应力集中系数必须＜1.5"），工程师可能基于局部最优选择参数组合，最终引发结构失效。

追溯失效：当质量问题发生时，缺乏标准化的数据血缘链路（如无法追溯某工艺参数的变更历史），企业将陷入"头痛医头"的被动应对，而非系统性改进。

更深层的危害在于，标准缺失会引发恶性循环：一次因数据不规范导致的质量事故，会进一步强化部门间的不信任感（如设计部门指责工艺部门未正确执行标准），迫使企业采取更加保守的流程控制手段，最终扼杀创新活力。

为实现数据从定义到应用的全流程管理，项目组制定了三大核心规范：

1. 数据标准规范

定义数据项编码规则（如“REQ-CPYY-001”代表产品工程数据库需求工程数据域下的产品预研数据集的首个数据项）；

统一非结构化数据格式（如CAD图纸版本命名规则“机型_部件_版本号”）。

2. 建模规范

概念模型：基于业务术语表，明确“研发与设计”、“设计方案”、“设备与工艺”、“生产运营”等数据集的核心实体关系；

逻辑模型：定义数据约束规则（如“设计方案必须关联设计版本号”）；

物理模型：设计数据库表结构、存储路径及接口协议，适配企业现有IT架构。

3. 数据集成规范

建立跨系统数据接口集成标准规范，实现PLM（产品生命周期管理）、MES（制造执行系统）与产品工程数据库的自动同步。

应用能力支撑：结合平台保障数据资产落地

基于数据分层治理架构和标准化模型的建立，为打通数据在业务流程中的断点，项目组结合实际业务场景，基于DWS数据开发平台实现了数据的“采、存、管、用”，通过EOS高低开平台和DAMP数据资产管理平台完成了产品工程数据库的开发及应用。

结合平台实现过程中的的两个典型场景包括：

1. 关系定义

梳理出数据集间的“设计、工艺、质量、运营、验证、审定、出版、分析、满足”九大类交互关系。数据项继承数据集之间关系的同时，可灵活维护数据项的关联关系；部分概念模型设计如图：

图2-概念模型设计

通过DAMP数据资产管理平台可实现数据的在线建模、导入CDM、LDM、PDM文件，快速进行数据模型及属性、关系的维护及模型的检核、发布。

2. 资产编目

发布后的数据模型，再结合开发平台完善数据项内容的录入、属性的补充，实例数据关系的维护，通过资产编目实现数据的服务化和资产化，为数据的分析检索提供了保障。

图3-资产编目发布

可基于逻辑实体、元数据、服务、报表、文件等方式快速完成资产的编目，设置分类信息、特征属性、安全等级、标签等内容，资产发布后形成统一的数据资产门户，完成资产的申请、检索等。

应用场景：从数据资产到业务价值转化

数据资产的战略价值在于其与业务流程的深度融合，本项目通过构建端到端的数据赋能体系，通过产品工程数据库应用的建设，在以下方面体现了从“数据治理”向“业务增值”的转化：

1. 确源与溯源

每个数据项标注责任部门与责任人（如“翼型参数”归属气动设计组），确保数据权威性；

通过数据血缘分析，可追溯某工艺参数的原始需求来源及衍生过程。

2. 快速检索与分析

工程师可通过关键词（如“复合材料机翼”）快速调取近年相关设计案例与测试报告；

基于历史数据构建工艺知识库，新机型工装设计周期有效缩短。

3. 服务工程赋能

服务团队调用产品工程数据库中的维修记录与故障数据，实现客户问题的智能诊断与方案推荐。

量化价值：

数据查询检索及调用的响应时间大幅缩短，有效规避因数据延迟导致的制造偏差，保障安全的同时又降低了协作成本；

数据的复用率显著提升，利于跨阶段知识沉淀的加速，支持研发效率跃升与成本优化，可以在快速变化的市场中通过数据驱动产品迭代周期的缩减、商业模式的创新。

结语

该项目的实施表明，飞机制造企业的数据资产管理并非单纯的技术工程，而是需要业务、技术、管理三维协同的系统性变革。通过自顶向下的分层治理、规范化的模型设计和场景化的价值挖掘，从而使企业真正实现了从“数据碎片”到“数据资产”的跨越，为高端制造业的数字化转型提供了可复制的实践范本。

作者：烛岳（花名）

制造行业数智化转型资深顾问，参与并主导了多个大型军工、制造业的数字化转型项目实施落地，负责过ERP、MES、SRM、集中采购、物资管理、数据中心、数据资产、驾驶舱等诸多项目解决方案研发及实施落地。具备丰富的产品咨询、总体规划、方案设计及技术队伍管理经验。

来源：非比寻常的笑肥肥