数字孪生、数字主线及其他可持续数字化转型相关的体系正在面临前所未有的考验。

随着工业企业在最新的技术冲击下不断反思自身的运行方式后 ，他们终于认识到企业长期以来对产品开发、及其他产品生命周期阶段(如生产和服务)的认知是定义不清且缺乏事实支持的。

过去被长期忽视的工业生产的复杂性、风险性和相对应的机遇等问题，目前用新兴技术的工业软件即可解决。新兴技术工业软件的兴起使得工业企业在企业运营 ，自强创新及如何更好的自我认知的方式上产生了巨大的变革。

我们注意到，随着企业数字化转型成为主流趋势，企业管理层对加快内部的数字化转型意愿变得更加迫切，因此项举措会极大提高企业的竞争优势。而产生这一巨变的部分原因在于，人们对各种形态的数据信息快速提取的能力，使得传统的数据存储方式及存储质量已不能满足现有的市场需要。

几乎所有企业的产品开发、生产和支持团队对数据访问质量都有很高的要求，而要满足他们的要求且释放这些数据信息的话，需要将种类繁多且数量庞大的数据转换为基于模型的企业数据(MBE)及其他许多基于模型的结构数据。

我们认为对数字化转型反应迟钝且对此无所作为的企业，最终会不适应各个行业市场成倍增长的变化而被市场淘汰。供应链中断、零部件短缺、劳动力技能不匹配以及不断发展的疫情等正在将企业的数字化转型变成一场漫长的竞赛。

1

数字化转型面临着巨大挑战

一

日益复杂的市场需求也增加了产品及其生产过程的复杂性和难度，需要高效且有力的产品生命周期规划，和利用所有MBE技术来更快更好的响应市场需求。深刻理解数字化转型对企业的潜在益处是至关重要的。在MBE环境中，以文档为中心的工程环境转移到以数据为中心的工程环境益处尤为明显。

我们曾担心，在投资者未完全了解数字化转型的益处之前，对能够真正实现端到端的产品生命周期管理(PLM)的投资可能会枯竭。但幸运的是，目前并没有出现此种情况。

PLM解决方案供应商正在扩展其连接性产品，以实现各种形式的数据转换。数字主线、数字孪生，配置管理和数据管理等技术都是数字化转型的基础。我们通常在产品生命周期的早期阶段所预判的远景，无法告知我们编译和评估新产品的完整生命周期需求。笔者更喜欢把这些变化称为源动力因素，包括:

以上这些意味着复杂且不断变化的市场需求需要预先进行跨域连接，而实现跨域连接需要适当且容易访问的基于模型的数据构造来实现。我们后续会围绕此观点进行叙述。

2

促使数字化转型的12大因素

一

数字化转型的过程必然是艰难的。我们根据CIMdata的数据分析得出促使数字化转型的 12大因素，它们分别是:

促使数字化转型的12项关键因素都被证明对企业的成长是具有颠覆性的。对企业来讲真正的困难通常是在产品生命周期初期 (比如项目/产品/过程/计划孱弱等)，以及企业不能在人员、组织结构、生产过程、数据处理等方面做出真正的改革。所以，企业对变革的抵制往往会阻碍其数字化转型的进程及实现宽度。

1. 端到端连接是数字化转型的推动因素

产品的整个生命周期是指从最初的产品需求定义到设计生产、再到现场服务，最后进行处理或回收的过程。端对端连接是指将设计者、生产过程、生产数据以及此过程中所产生的技术要素联系起来的过程。

在新项目的执行过程中，各工作组的工作流程数据是阻断的，这其中包括竞争性分析、工具、需求规划、现场服务等等，而企业的研发人员每天都在处理这些问题。

今天的工业企业发展几乎完全依赖于这些数据，企业内部也需要思考如何根据数据作为参考来进行重大决策。就像将0s和1s放在特定的环境中，也是一项有价值的资产，而不仅仅是数字符号。所以产品数据不完整或是不正确对企业的影响也非常巨大。

2. 数据和过程管理如何支持数字化转型

企业必须结束信息孤岛的状态。企业各生产部门和业务单元的数据以及过时(“遗留”)的数据处理系统，虽然它们曾经能够满足特定的业务需求，但现在却阻碍了对各种形式的重要数据的及时访问、重用和分析。

如果没有端到端连接，文件层的基本信息(例如，通用规范)通常是不可访问的。更新的数据管理解决方案正在取代信息孤岛和其他遗留问题，但这进展太慢。

下面两幅图对不同的信息流进行了对比，不仅许多补充性解决方案和以任务为中心的APP用户仍在挣扎，很多行业标准委员会和解决方案提供商也是如此。大多数应用程序和解决方案都无法将相互关联的数据流和它们创建/使用过程联系起来，更不用说将整个企业从端到端贯穿起来。

我们组织的产品创新平台模型列出了——多学科生命周期优化的六个关键考虑因素，它是几乎在每个工业组织中都适用的功能域。

域的建立和发展是在一个系统的系统联系中精心安排的。当此项联系能在企业层面完成时，才能在产品生命周期中做出的每一个决策都可以得到支持和优化，以获得最佳的投资回报。相比域来讲，零碎的、部门式的创新平台不可避免地会遗漏至少两三个关键功能，且数据的连续性会不太如人意。

3. 确保配置管理与企业需求相匹配

拥有比较完备的配置管理(CM)的企业声称，它的所有产品、设施、IT系统、服务过程等等都会与企业的预期一致。CM“知道”确切的所有数据源位置以及数据的管理者是谁，以及它们是否得到了正确的实现和支持。

这里的“所有数据”既包括产品设计初期的想法和要求，也包括设计、生产、安装、保修、操作和维护过程，以及所有这些过程中的测试和验证。CM还能确保对信息的所有更改都会有适当的评估、授权和实施等。

4. 面向数字化转型的信息结构数据清单

信息清单(BoI)是用于全面化、结构化管理产品数据的解决方法。该数据结构模拟记录了产品零件的每个组件、实例、来源和成本的物料清单(Bill of Materials, bom)。

BoI也支持如需求、过程定义、生产选择和各种变量的数据存储。从根本上说，BoI可以追溯产品、服务及其对应的虚拟产品或服务的所有内容(如数字孪生等)，但是将硬件产品(或服务)的所有东西编译成一个有逻辑的BoI结构是一个很大的挑战。

5. 基于模型的结构定义企业的生产过程、产品和服务

对基于模型的结构比较恰当的解释为基于模型的企业(MBE)动态组成。 在MBEs中，信息被输入到企业的每个组件、工具、系统、产品、服务、功能和过程的多维计算机模型中，而基于模型的学科有 基于模型的工程(也使用MBE作为缩写)、基于模型的系统工程(MBSE)、基于模型的定义(MBD)和基于模型的设计(MBD)。

由于MBSE、MBD和MBE的概念重叠，可能对基于模型的企业研究会变得模糊不清，所以要获得每个适当数据结构的信息，需要整理各项概念和类似的 “基于模型的”首字母意义缩写。就像数字化转型中的其他难点一样，整理MBE组件不是那些怯于改变的人可接受的。为了避免首字母缩略词产生的误解，许多组织将其统称为MBx，归根结底就是基于模型的一切。

6. 数字主线确保资产数据的准确性

我们将数字主线看作是连接产品与其相关的数据的双向桥梁。这些桥梁将物理硬件和软件系统(比如数字孪生等)以及跨传统功能视角的整个产品生命周期产生的产品数据行成集成和整体视图展现。

这些数据流将企业的硬件设备与软件系统很好的联系起来（如ALM、EDA/MDA、ERP、PDM、CAE、MES、MOM、MRO、M&S、testing、QA、V&V和TDPs)，这样做有助于极大提升企业内部产品生命周期管理效率。

数字主线的持续更新也支持产品生命周期价值的持续追踪，但是连接需要数据流的可交互性，同时也是永久解除产品内部信息孤岛的关键。

7.在数字化转型过程中加数入数字孪生技术会降低开发、生产及服务过程中的失败率

企业的产品和与之相关的各项流程需要更多像3D CAD图片式的展示，数字孪生可实现此操作。长期担任位于新奥尔良的NASA Michoud Assembly Facility制造中心的经理John Vickers说：“企业对数字孪生技术的最终愿景是在虚拟环境中创建、测试和构建企业的硬件设备”。

数字孪生研究所主任Michael Grieves说：“只有确定某些性能能满足企业的需求时，我们才会进行生产。然后，我们希望生产的硬件产品能够通过数字孪生技术与软件平台进行交互，这样数字孪生的数据链就包含了我们通过检查硬件结构所得到的所有信息，数字孪生的真正优势是从产品设计到其他方面的数据进行全面的综合的实时反馈，并且在产品生命周期中可将数字资产进行实时优化。用数据准确的描述出某个实体产品的特性对企业提升产品效率有很大改观。它不仅可以降低原型设计和建设成本，还可以将准确的产品实时数据输入模型，使得产品故障预测变得更简单，从而降低维护成本和设备停机时间。”

而数字孪生的功能必须在实施PLM的前提下进行。

定义数字孪生相对容易，但与数字主线一样，端到端双向连接和交互是非常必要的。

8.IoT和PLM使数字化转型成为可能

IoT和PLM在企业的数字化转型中发挥着至关重要的作用，包括管理和验证来自物理设备及传感器的数据流入，它们要和工厂车间的产品连接起来去进行寻找和关闭的数据反馈循环，所以物联网和PLM都必须在有强扩展性和有企业级系统的企业中才可以很好的被理解和使用。

例如，”上游”的产品、生产过程和流程数据可以通过数字主线综合并对其进行循环反馈的跟踪，但循环反馈的内容是不断变化的，所以这些变化的关键信息对企业的决策者做决策非常有价值。

IoT不同与技术或其他数据管理相关的内容，它可以不受限于时间和空间对产品性能等信息进行实时监控并发现问题。如果要将IoT与PLM联系起来的话，首先要清楚IoT是如何进行系统间的互联，因为物联网系统数据要复杂的多。

作为MBE的推手，产品创新平台贯穿产品的整个生命周期，平台包含项目计划、数据发现、应用程序、工具集、性能和反馈循环等数据，所以平台 一般从管理和定义所有支持开发新产品/服务的决策(包括战略)的信息开始。

成功的物联网战略需要企业对产品数据进行持续而明确的确认而非单纯的数据收集和基础分析。数字化转型通常包括PLM和产品创新平台，因为这使其能够最大限度地实现用户、工具以及数据库之间的协作，而为了确保协作的同一性和稳定性，产品创新平台必须能够访问影响决策分析的数据，并最终将这些分析与指导企业高层的商业模式和价值主张联系起来。

我们应该肯定地说，确保工业企业对PLM的投资会极大地提高产品质量、产品上市时间和服务的利润率，以及减少保修索赔率。企业不用再因为员工人数不足或产品成本的提升而烦心。

9. 现在的“产品”是什么?

产品的意义随着工业企业技术的变化也正在发生变化，但这一点或许还未引起人们的注意。所以我们现在必须要问企业以下几个问题：

在一个连钉螺帽都有连接性需求(以防止过度扭曲和交叉螺纹)的环境下，“独立”是一个正在逐渐消失的概念。这就导致了产品、工艺和系统的淘汰速度更快，所以企业的生产、分析和管理部门的每位成员都要努力跟上变化，从而不被变化淘汰。

10. 大数据和分析是必要的，但访问途径太简单会有安全隐患

物联网所提供的大数据和分析工具是相辅相成的。利用大数据使得数据导入的指数可以达到每天十次、百次、千次甚至更多次。传统的分析工具随着IoT的发展已不能继续满足生产需要，所以需要包容性强且使用新兴技术的替代工具来更好的进行生产数据分析。

11. 数字化转型使得企业的政策、组织结构和内部流程也要做出相应的变化

数据管理(DG)是对端到端的数据监督、问责和管理的过程。笔者对DG的理解是，各组织需要制定实施政策、流程结构、角色和职责、以及相对应的执行规则等、明确分部的决策权和责任归属，以此来进行有效的数据资产管理。DG的目标包括，数据/信息的可持续性和变更管理，内部软件开发指导，分析和测试改进。注意，DG和配置管理是互补的，不是非此即彼的关系。

12. 企业的员工也必须具备数字化转型的能力

数字化转型的最后一个关键因素是数字技能转型。要求企业将工作经验和直觉摒弃，转而去理解新的术语、实施新的流程、学习和使用新的数字化技术以及更新业务模式。数字化转型和基于模型发展的企业需要为员工配备最新的数字化设备和培训员工拥有前沿的分析技能，以满足市场持续不断的变化。对员工的培训可以包含以下几个方面: