浅谈PDM中的大数据应用

　　PDM系统已经在不同行业的企事业单位中不断地得到应用，但是其在上线、应用于拓展的过程中，即使应用效果非常不错的单位，仍然存在着相当程度的数据利用瓶颈。很多单位在应用之后并没有看到应用之初所想要达到的目的或效果。那么，企业在上线和应用PDM系统后到底能获取哪些数据价值?怎样利用好PDM已有的存量数据才是数据利用的有效手段呢?本文将作出说明。

　　前言

　　随着国内的制造业发展，逐步从“中国制造”向“中国创造”转变，新产品的研制和开发越来越多的被各行各业的企事业单位所重视。ERP在生产制造环节发挥更大的作用，需要PDM在企业研制设计阶段中发挥更加重要的作用。同时，越来越多的人也注意到，随着国内PDM行业的蓬勃发展，国内的一些自主创新企业和一些PDM软件商或代理商逐步摸索出若干条针对中国国情的PDM应用模式和应用路数。但是，PDM软件的应用效果仍然未达到人们应有的预期，应用的范围，实施的流程化和维护的专业化和应用的延展性方面，还是存在相当大的误区，实际的应用情况仍然停留在文档、图档、模型的流程化管理，可视化装配，树状展示等过程管理层面，对数据的有效利用率仍然偏低，仍然延续着纸质受控归档的“模拟手工”式的电子化管理。

　　“大数据”属于新千年中产生的一个新事物，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。PDM的存量数据就非常符合大数据的数据定义。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。PDM系统中存量数据的意义，更应该属于大数据思维下的数据增值。

　　本文从PDM理论和应用，大数据的理论与实践，以及PDM应用下的大数据应用等几个方面，详细阐述了PDM应用在大数据思路下的数据增值可能。

　　一、PDM理论与应用介绍

　　PDM以软件为基础，是一门管理所有与产品相关的信息(包括电子文档、数字化文件、数据库记录等)和所有与产品相关的过程(包括工作流程和更改流程)的技术。它提供产品全生命周期的信息管理，并可在企业范围内为产品设计和制造建立一个并行化的协作环境。

　　PDM的基本原理是，在逻辑上将各个CAX信息化孤岛集成起来，利用计算机系统控制整个产品的开发设计过程，通过逐步建立虚拟的产品模型，最终形成完整的产品描述、生产过程描述以及生产过程控制数据。技术信息系统和管理信息系统的有机集成，构成了支持整个产品形成过程的信息系统，同时也建立了CIMS的技术基础。通过建立虚拟的产品模型，PDM系统可以有效、实时、完整的控制从产品规划到产品报废处理的整个产品生命周期中的各种复杂的数字化信息。

　　产品数据管理PDM(ProductDataManagement)技术很难有一个准确的定义加以描述。1995年初，主要致力于研究PDM技术和相关计算机集成技术的国际权威咨询公司CIMdata给PDM作了一个概括性的定义：“PDM是一门用来管理所有与产品相关的信息和所有与产品相关的过程的技术”。这个定义从广义的角度解释了PDM技术。但就现阶段PDM的发展情况而言，可以给出一个较为具体的定义：“PDM技术以软件技术为基础，是一门管理所有与产品相关的信息(包括电子文档、数字化文档数据库记录等)和所有与产品相关的过程(包括审批/发放、工程更改、一般流程、配置管理等)的技术。提供产品全生命周期的信息管理，并可以在企业范围内为产品设计与制造建立一个并行化的协作环境。”

　　制造过程数据文档管理PDM 为管理企业的生产资源和制造过程数据而设计，能有效的组织工艺过程卡片、零件蓝图、三维数模、刀具清单、质量文件和数控程序等生产作业文档，实现企业车间现场无纸化生产。

　　许多企业已经意识到，实现信息的有序管理将成为在未来的竞争中保持领先的关键因素。在这一背景下产生一项新的管理思想和技术PDM，即以软件技术为基础，以产品为核心，实现对产品相关的数据、过程、资源一体化集成管理的技术。PDM明确定位为面向制造企业，以产品为管理的核心，以数据、过程和资源为管理信息的三大要素。PDM进行信息管理的两条主线是静态的产品结构和动态的产品设计流程，所有的信息组织和资源管理都是围绕产品设计展开的，这也是PDM系统有别于其它的信息管理系统，如企业信息管理系统(MIS)、制造资源计划(MRPⅡ)、项目管理系统(PM)、企业资源计划(ERP)的关键所在。

　　二、 大数据理论和实践

　　对于“大数据”(Big data)研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

　　从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

　　随着云时代的来临，大数据(Big data)也吸引了越来越多的关注。《著云台》的分析师团队认为，大数据(Big data)通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理(MPP)数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

　　大数据分析相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点。《计算机学报》刊登的“架构大数据：挑战、现状与展望”一文列举了大数据分析平台需要具备的几个重要特性，对当前的主流实现平台——并行数据库、MapReduce及基于两者的混合架构进行了分析归纳，指出了各自的优势及不足，同时也对各个方向的研究现状及作者在大数据分析方面的努力进行了介绍，对未来研究做了展望。

（编辑：源码门户网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!