产品越来越复杂,PLM 如何实现跨专业、跨业务协同?

2026年11月20日

制造企业对产品生命周期管理(PLM)的需求,正在从传统的研发数据管理向更广泛的产品业务协同延伸。

过去,许多企业引入 PLM,首先希望解决图纸、技术文档、零部件和 BOM 的管理问题。随着产品复杂度提升,机械、电气、软件等多个专业逐渐参与产品开发;与此同时,不同行业的制造模式也在发生变化,部分企业既需要管理零部件、产品结构和装配关系,也需要管理材料、配方和工艺等数据。

当产品研发、仿真、工艺、制造和售后等环节产生的数据分散在不同系统和业务流程中时,企业面临的就不再只是某一类数据的管理问题,而是如何让产品在不同阶段产生的信息保持一致、关联和可追溯。

因此,PLM 的价值不能只用管理了多少图纸、文档或 BOM 来衡量。更重要的是,它能否适应企业真实的产品与制造业务,让需求、设计、制造和服务过程中形成的数据持续关联,并为产品改进提供依据。

一、制造业务正在变化:PLM 需要适应更复杂的产品与制造场景

在不少制造企业的 PLM 实施实践中,机械研发数据往往是优先建设的领域,系统通常围绕零部件、图纸、产品结构、BOM 和工程变更建立管理体系。

但随着产品技术构成和制造业务范围不断扩展,企业需要管理的数据类型以及不同数据之间的协同关系也在发生变化。

1. 从机械设计到机电软协同:产品研发不再局限于单一专业

对于工业装备、汽车、机器人等产品而言,产品功能往往由机械结构、电气系统、控制系统和嵌入式软件共同实现。

以一台智能装备为例,机械专业负责设备结构和运动机构设计,电气专业负责电气原理、控制柜及相关电气设计,软件专业则涉及控制程序、人机交互或嵌入式应用。不同专业有各自的设计对象和开发工具,但最终共同构成一套完整的产品系统。

这些专业之间不是并列关系,彼此存在大量接口和技术约束。

例如,机械结构调整可能改变执行机构的运动范围、负载特性或传感器安装位置,进而影响电气选型、控制参数和相关软件逻辑。反过来,电气元件选型、控制方案或软件功能发生变化,也可能对机械结构和系统接口提出新的要求。

如果各专业分别管理自己的设计文件,缺少统一的产品结构、配置和版本关联机制,就容易出现机械设计已经更新、电气设计仍然沿用旧接口,或者不同专业无法确认当前产品状态等问题。

因此,机电软协同需要围绕产品建立机械、电气、软件等对象之间的关联,明确各专业的接口关系、版本状态和变更影响。

2. 从单一产品结构到流程与装配并存:产品数据管理对象正在扩展

不同制造行业的产品形态和生产组织方式存在明显差异。

在机械装备、汽车、电子等离散制造行业,产品通常围绕零部件、产品结构、装配关系和 BOM 展开。企业需要明确产品由哪些零部件组成、各部件如何装配,以及产品版本和设计变更如何控制。

而在美妆日化、涂料油墨、造纸等流程制造行业,产品研发和生产则更多涉及原材料、包装材料、配方、工艺路线及过程参数等信息。产品的最终性能和质量,不仅取决于原料组成,也与配方设计和生产工艺密切相关。

但在实际产业中,流程加工与离散装配并不总是相互独立。

以锂离子电池制造为例,电池生产涉及电极制造、电芯制造、化成测试以及模组和 PACK 集成等多个环节。

前端电极制造包括原材料混合、制浆、涂布、干燥、辊压和分切等工序;电芯制造涉及卷绕或叠片、装配、焊接、注液和封装;后续还包括化成、分容、测试,以及电芯向模组和 PACK 的集成。

从产品数据管理角度看,这些环节具有不同的数据特点:

  • 材料与配方:原材料组成、配比及研发配方版本;
  • 工艺数据:工艺路线、工艺要求及设计阶段的工艺参数;
  • 产品数据:电芯型号、结构、规格及产品版本;
  • 装配数据:电芯、模组和 PACK 之间的产品结构与配置关系;
  • 质量与验证数据:材料检验、产品测试及相关验证记录。

可以看到,这类企业既有材料、配方和工艺等流程加工特征,也有电芯、模组、PACK 等产品结构与装配管理需求。

对于 PLM 而言,需要考虑如何将研发阶段的材料定义、配方版本、工艺设计与产品结构建立关联。与此同时,生产现场的实时过程参数和批次执行记录,也需要与相应的产品定义和工艺版本保持必要联系。

3. 跨行业适配的关键:理解不同业务对象之间的关系

机电软协同与离散、流程制造协同,反映的是不同维度的复杂性。

前者关注机械、电气、软件等专业之间的产品数据和接口关系;后者关注不同制造模式下,产品结构、材料、配方和工艺数据如何组织。

因此,PLM 的跨行业适配,不是靠堆更多功能模块,也不是用一套固定的数据结构套用所有行业。关键在于:系统能否根据企业的产品特点和业务流程,组织不同类型的业务对象,建立对象之间的关联,并支持相应的版本、权限、变更和流程管理。

二、从需求到售后:PLM 如何贯通产品全生命周期?

在实际制造企业中,产品生命周期管理涉及多个层次的业务对象。企业可以根据业务规模和研发组织方式,建立项目集、项目、产品、产品配置、BOM、零部件及相关工程数据之间的关联。

客户需求可以作为研发项目的输入,项目围绕具体产品及其配置组织研发任务,产品通过 BOM、设计模型、技术要求和工艺数据完成定义,并在后续制造、交付和服务过程中持续积累相关数据。

这些业务对象并不是简单的上下级关系。一个项目可能涉及多个产品,同一个产品也可能服务于不同客户项目,零部件、设计模块和工艺知识还可以在不同产品之间复用。

PLM 需要建立需求、项目、产品及工程数据之间的关联,使企业既能够按照项目组织研发活动,又能够围绕产品开展配置管理、工程变更、设计复用和生命周期追溯。

1. 从客户需求到产品定义:让需求成为研发的起点

产品开发通常从客户需求开始。

客户提出的可能是产能、精度、运行环境、设备尺寸和自动化程度等业务要求。这些要求需要经过分析和分解,转化为具体的产品需求、技术指标和研发任务。

例如,客户要求设备达到一定的生产节拍,研发团队就需要进一步分析机械结构、运动控制、驱动系统和软件逻辑分别需要满足什么条件。

在这一过程中,不同专业需要围绕统一的产品目标开展设计。

PLM 可以将客户需求、产品需求、项目任务和后续设计对象建立关联,使需求分解和设计结果之间形成可追溯关系。

需求发生变化时,研发人员也需要能够识别哪些技术指标、设计任务和产品对象可能受到影响,并进一步评估是否需要调整已有设计。

2. 从产品定义到设计验证:不同专业共同形成产品

需求明确后,机械、电气和软件等专业进入详细设计阶段。

机械工程师开展三维结构设计,电气工程师完成电气设计,软件工程师开发控制程序;根据产品特点,还可能通过仿真对结构强度、热性能、流体特性等进行验证。

这一阶段形成的数据包括三维模型、二维图纸、产品结构、物料信息、技术要求、仿真结果和软件配置等。

这些数据由不同专业工具产生,但最终都需要服务于同一个产品。

例如,一个机械零部件需要与对应的物料信息、图纸版本、装配位置和技术要求建立联系;相关仿真结果也需要明确对应的模型版本和计算工况。否则,当设计发生变化时,就很难判断原有仿真结论是否仍然有效。

这也是 MBD(基于模型的定义)在产品研发中的重要价值。

MBD 强调以数字化模型承载产品定义信息,将几何形状、尺寸、公差及相关技术要求等信息组织在数字产品定义数据中,使模型及其关联信息能够作为设计、制造和检验等环节的重要技术依据。

MBD 解决的是产品定义如何以数字化方式表达的问题,而 PLM 更关注这些产品数据如何在生命周期中被组织、关联和管理。更多信息可参考《MBD 是什么?为什么它成了新一代 PLM 的数据主线》。

因此,模型中的产品定义信息还需要与产品结构、物料、工程变更、工艺数据及相关业务建立联系,才能进一步支撑生命周期协同。

3. 从设计到制造:设计变更如何传递到下游?

设计完成后,产品数据还需要进入工艺规划和生产准备。

这里有一个容易被忽略的环节:设计阶段形成的 EBOM(工程 BOM),通常还需要结合制造工艺和装配要求,转换为面向制造的 MBOM(制造 BOM)。

两者并不一定是一对一的关系。制造过程中可能涉及物料重组、工艺拆分、替代件、虚拟件以及装配层级调整。因此,设计结构与制造结构之间需要保持必要的关联。

再看一个具体场景。

假设研发部门发现某个关键零部件的结构不满足装配要求,需要调整设计。

表面上看,只是设计人员修改了一个三维模型和对应图纸,但这次变化可能涉及:

  • 产品结构及相关零部件信息;
  • 对应的 EBOM 和制造 BOM;
  • 已编制的工艺文件;
  • 相关专业的接口和设计数据;
  • 已开展的仿真验证结果;
  • 后续生产准备工作。

企业需要先评估变更影响,再完成相应的设计修改、审批和版本发布,并确认下游相关数据是否需要更新。

如果产品数据之间已经建立关联,变更影响就有了明确的识别依据;如果缺少这种关系,相关部门只能依赖人工通知和逐项核对,容易出现设计已经更新、工艺资料却仍然沿用旧版本的情况。

4. 从产品交付到售后:现场反馈如何回到研发?

产品交付并不意味着生命周期结束。

设备进入客户现场后,还会继续产生故障、维修和改进需求等信息。

假设一台设备出现部件异常,售后人员需要确认设备交付时的产品配置、关键部件及软件版本,并结合后续维修、更换和现场改造记录,判断当前设备状态与原始设计之间的差异。

如果问题可能涉及产品设计,还需要进一步追溯对应的设计版本、工程变更及相关验证记录。

例如,某个零部件在设计阶段已经发生过结构调整,但部分交付设备仍然使用旧版本。此时,研发人员需要明确不同设备的实际配置,才能判断故障是否与该版本有关,以及是否需要对其他在用设备采取相应措施。

如果现场问题最终被确认与产品设计有关,就可以形成新的需求或改进任务,重新进入研发流程。

这样,售后信息不再只是一条独立的维修记录,而是能够与具体产品、产品配置和历史设计建立联系,成为产品持续改进的依据。

三、贯通生命周期,需要解决两个核心的数据问题

从需求到售后,涉及多个业务部门、专业工具和信息系统。仅仅部署需求管理、设计管理、仿真管理和工艺管理等模块,并不意味着已经实现全生命周期管理。

难点在两处:不同阶段产生的数据如何建立关系,以及产品发生变化之后,如何保证这些关系仍然准确、可追溯。

1. 建立产品数据模型,让不同阶段的信息能够相互关联

产品生命周期中会产生需求、项目任务、三维模型、图纸、BOM、仿真结果、工艺文件、质量记录和服务信息等大量数据。

这些数据可能由不同部门、不同专业工具和不同系统产生。如果缺少统一的产品标识、对象关系和版本管理机制,即使数据已经集中存储,也很难准确判断它们之间的联系。

例如,一项产品需求可能分解为多个设计任务;设计任务对应具体的模型和技术文件;模型关联零部件及其产品结构;仿真结果对应特定的模型版本和计算工况;工艺文件则需要关联相应的制造结构和产品版本。

企业需要建立的不只是文件之间的链接,还包括产品、零部件、需求、任务、版本、变更和工艺等业务对象之间的结构化关系。

NIST 关于制造业数字线程的研究指出,连接不同产品生命周期系统,使数据能够在设计、制造等阶段持续使用,是实现数字线程的重要目标。异构系统的数据整合和信息上下文保持,是这一过程中需要解决的技术挑战。

2. 建立产品配置与变更追溯机制,保证数据在变化后仍然一致

产品开发和制造过程中,变化是持续发生的。

客户需求可能调整,设计方案可能优化,物料可能替换,工艺可能改进,现场问题也可能推动产品升级。

一次工程变更可能同时影响产品结构、设计文件、仿真结果、制造 BOM 和工艺资料。如果系统只记录当前有效数据,而没有保留历史版本、变更原因及影响关系,企业就很难准确还原产品的实际状态。

尤其对于定制化装备、汽车和复杂工业产品,不同批次、不同客户甚至同一产品的不同交付设备,都可能存在配置差异。

因此,企业需要能够追溯产品在特定时间或特定交付状态下的组成、版本和变更记录。

从某个制造问题出发,能否找到对应的产品配置、设计版本和工艺文件?从一项客户需求出发,能否找到对应的设计方案和验证结果?从一次工程变更出发,能否明确哪些产品和下游业务受到影响?

这些问题涉及产品配置管理、版本管理、工程变更管理和跨阶段追溯,也是 PLM 支撑全生命周期管理的重要基础。

四、产品越来越复杂,新一代 PLM 需要具备哪些能力?

随着产品技术构成和制造业务不断变化,企业对 PLM 的要求也在提高。除了研发数据管理,还需要适应不同专业、业务环节和制造模式之间的协同需求。

1. 业务范围:覆盖产品全生命周期的关键环节

企业需要的不只是设计文件、零部件和 BOM 管理,还需要将需求、项目、设计、仿真、工艺及产品服务等环节纳入统一的产品数据体系,让不同阶段形成的信息能够持续关联,支撑产品全生命周期的协同管理。

2. 专业范围:适应机电软一体化产品

面对机械、电气、电子和软件共同构成的复杂产品,PLM 需要能够组织不同专业的数据,建立产品结构、接口、配置和版本之间的关联,使各专业形成的数据能够共同描述产品,并支持跨专业协同与变更管理。

3. 制造模式:适应不同类型的产品与工艺数据

对于离散制造,需要关注零部件、产品结构、装配关系和工程变更;对于流程制造,需要考虑材料、配方及工艺定义;对于两种制造特征并存的企业,还需要处理产品结构与工艺数据、配方等之间的关联。

这要求 PLM 具备更灵活的数据模型和业务配置能力,能够根据企业实际产品和制造特点组织不同类型的数据。

4. 数据与智能化:从数据管理走向数据应用

当产品数据具备较好的结构化程度,并建立需求、设计、变更和工艺等对象之间的关系后,企业就有条件进一步开展数据分析、工程知识复用和智能化应用。

例如,需求分析需要理解产品技术指标及其关联设计对象;工程变更影响分析需要识别产品结构、历史版本和下游业务关系;研发知识检索则需要从历史项目、设计文件和工程记录中提取有价值的信息。

这些应用需要可靠的产品数据、业务规则和权限体系作为基础。

AI 在 PLM 中的应用也因此不只是增加一个自然语言交互入口,而是能够依托企业的结构化产品数据和持续沉淀的工程知识,逐渐发挥数据价值,真正参与研发业务。

五、BeeAgent Engineering:面向复杂产品与制造业务的新一代 PLM

随着产品技术构成和制造业务不断变化,传统以研发文件、BOM 和工程变更为核心的管理方式,需要进一步向跨专业、跨业务和跨制造模式的产品数据协同延伸。

这也是蜂巢互联在新一代 PLM——BeeAgent Engineering 中探索的方向。

BeeAgent Engineering 围绕产品建立更加完整的数据组织和业务关联。

在业务层面,除了传统的零部件、图纸和 BOM 管理,还关注需求、项目、设计、仿真、工艺等环节之间的关联,让产品从需求形成到制造准备的业务数据保持连续。

在专业协同方面,面向机械、电气、软件等不同专业的数据组织需求,使不同专业形成的工程数据能够围绕同一个产品建立联系。

在产品定义方面,结合 MBD 理念,将模型与产品定义信息、产品结构及相关业务对象建立关联,为设计数据向后续工程环节传递提供更加结构化的基础。

与此同时,数据交换、数据开发和数据服务能力,为不同业务场景之间的数据流动和应用提供支撑。随着产品数据和工程知识持续沉淀,也为 AI 智能体参与需求分析、知识检索、工程变更影响分析等应用创造条件。更多信息请了解《蜂巢新一代PLM产品介绍》

业务全栈关注不同业务领域如何协同,MBD 关注产品定义数据如何组织,数据能力关注信息如何流动和使用,AI 智能体则进一步探索这些数据如何服务工程业务。

贯通全生命周期的关键,是让产品在不同阶段形成的数据和业务关系始终保持连续。

随着产品越来越复杂、专业分工越来越细、制造业务越来越多样,PLM 也需要从传统研发数据管理,走向面向复杂产品和制造业务的全生命周期协同。


参考资料

[1] ISO 16792:2021, Technical product documentation — Digital product definition data practices.

[2] Helu, M., Hedberg, T. and Feeney, A. (2017), Reference architecture to integrate heterogeneous manufacturing systems for the digital thread, CIRP Journal of Manufacturing Science and Technology. DOI: 10.1016/j.cirpj.2017.04.002

[3] Hedberg, T. et al. (2019), Using graphs to link data across the product lifecycle for enabling smart manufacturing digital threads, ASME Journal of Computing and Information Science in Engineering. DOI: 10.1115/1.4044921

[4] Hedberg Jr., T.D. et al. (2022), Defining requirements for integrating information between design, manufacturing, and inspection, International Journal of Production Research. DOI: 10.1080/00207543.2021.1920057

分享链接至
微信扫一扫: 分享

微信里点“发现”,扫一下

二维码便可将本文分享至朋友圈。