赵敏 |挖掘工业软件新趋势：数据万象，模型无边，数据治理无处不在

2024-02-20 09:04:29 618

在现代工业中，数据是无处不在的。仅一个机加车间每天就能产生1.5TB的加工数据，而全球使用的8000多个工业软件每天生成的各种数据更是数量庞大。这些输入、计算和输出的数据构成了数字世界的基石，为实体经济和数字经济的创新发展提供了强有力的支持。这些数据要素的积极作用为我们构建更美好、更*的工业世界提供了无限可能。

数据要素极其复杂，数据无穷，形态各异，属性不同。几十年来，各个工业软件厂商为追求当时版本之最佳功能，恣意定义数据格式，让用户留下大量格式迥异、难以转换消化，但是又无法舍弃的历史数据。

当今工业领域，在数字技术解构与重构下，万物皆模型，一切皆数据，数据皆治理。在数字原生的新一代工业软件的开发、使用、存储、数据交换、集成、二开、推广等环节，对数据要素的管理和治理，已经有了质的飞跃。玩转数据要素，工软飞速进步。

一、数据管理理念的演进：“面向结果”→“面向过程”→“面向对象”

工业软件领域的数据管理理念和技术手段，一直在发展、迭代、演进，大致分为以下三个模式。

（1）面向结果：从产品全价值链、全生命周期的各环节来看，产品的研发、制造、供应链、运维、一直到报废环节的每个节点上均有数据的产生、交互、协同、消费的管理过程。企业一直追求对工业数据的有效管理。早期的工业软件数据，大多是“面向结果”的数据，通常是把工程师存在电脑上的研发结果归档到数据文件管理系统中。在上个世纪末，产品数据管理（PDM）软件一度流行，可把某个业务环节不同软件集成为一个信息系统，管理该业务环节的结果数据。

（2）面向过程：在制造企业的各个业务环节中，工业软件应用结果是种类繁多的数据急剧膨胀，对企业产品数据管理形成巨大压力。在21世纪初，一种具有管理产品全生命周期数据、过程、资源能力的“产品生命周期管理（PLM）”软件应运而生。PLM系统以产品为核心，实现在产品需求管理、研发设计、生产控制、运营运维、项目管理、质量管理等业务环节中对“面向过程”的文档、图纸、物料等数据进行一体化管理。

（3）面向对象：今天为了准确地使用数字化手段描述物理世界中的产品实体，尤其是基于正向设计的方法，从产品的需求管理入手，需要采用产品模型定义和构建的方法进行数据管理。基于模型的产品定义，强调将产品相关的功能、特性、工艺、材料、产品构型、产品组织形态等信息在模型上进行统一的数字化定义，并以模型为核心，将产品数据传递给下游工艺、生产、试验、供应链、运维等环节。建立产品模型的基础是“面向对象”的方法。

在“面向对象”的数据管理过程中，首先需要识别和定义对象，对象是由数据及可以对这些数据施加的操作所组成的统一体，对象本身是以数据为中心的，操作围绕对其数据所需做的处理来设置，没有无关的操作。因此，对象内部各种元素彼此结合得很紧密。在识别和定义对象之后，通过描述对象之间的关系、对象的属性、对象的操作，定义出面向对象的数据模型。所以说，产品的数据模型和对象是密不可分的。

新一代工业软件的数据要素管理，以对象为“纲”，以模型为“目”，以纲带目，纲举目张，最终实现准确、全面、动态的基于“面向对象”模型的数据要素管理与治理。

二、数据管理技术的跃升：“管理壳”→“管理核”→“管理脑”

（1）管理壳。历史数据一定是异构的，但我们可以利用前面提到的“面向对象”的数据管理理念，探查历史数据，抽取并重整出历史数据中的业务对象，梳理出历史数据中的业务逻辑和业务对象之间的关系，将历史数据资产中隐式表达的数据模型显性化构建出来，并基于此数据模型来构建转换接口，从而将历史多源异构数据，转化为基于数据模型的同构数据接口，再利用同构数据接口将历史数据互联起来，最后通过关联关系实现数据的路由追溯，构建数据血缘。

借鉴“工业4.0”中提出“管理壳”概念，可将这套基于数据模型构建的同构数据接口，形象地比喻为是罩在多源异构数据外面的“管理壳”，这个“管理壳”是标准化、规范化、元数据模型驱动化的，即使壳内数据的组织形态、存储方式仍旧是异构的，但仍能够通过“管理壳”的桥接来最大化地利用历史数据，挖掘其可用价值。

（2）管理核。理想方式是，我们需要采用“面向对象”的数据管理和治理理念，对于新一代工业软件底层数据管理进行规范化的数据架构设计，从设计之初就基于对象的数据模型来构建对象关系，定义元数据结构和元数据模型，实现在数据模型层面的数据对象、数据与元数据之间的互联互通，然后基于数据和元数据模型构建上层软件系统，实现元数据模型驱动的工业软件开发。在这样架构设计下的工业软件系统中所装载的数据要素，原生是互联互通的。

基于“面向对象”的方法构建核心模型，我们可以将这个核心模型形象称之为数据“管理核”，对数据要素从内而外实现治理，达到了数据要素“不治而顺”。

（3）管理脑。接下来我们进一步探索数据管理的业务价值，将传统的数据管理上升到知识管理的范畴，开拓数据应用更大范围的价值空间。

我们把数据关系识别定义的过程，通过抽象化定义了6类“元关系”（见下节），并在具体的工业软件业务场景中，将“元关系”扩展为业务关系，更透彻地描述业务场景，建立数据模型与业务场景之间的映射关系，呈现出数据中的业务价值。

进一步地，让数据管理在面向对象、元数据驱动的数据模型基础上，具备智能属性，为基于数据要素的*应用，如数据分布与流动走向的智能路由、数据血缘的多维可视化展现、数据溯源的自动跟踪等内容提供了坚实的技术基础，我们将这种具备智能数据、升维应用的数据管理称之为数据“管理脑”。

通过数据“管理脑”，一方面实现更深层次的数据治理，另一方面也让数据管理更直接地服务业务、服务客户、服务整个工业软件生态圈。

三、数据管理引擎的变革：管结果PDM→管过程PLM→管治理DME

在21世纪初，*已经使用了PLM系统，数据管理水平逐步从“面向结果”“面向过程”升级为“面向对象”，在产品研发、生产、供应、销售、服务等不同的业务环节上构建不同的信息系统，管理各自业务环节的数据，再打通各分段建立的信息系统，部分实现数据的互联互通。。这种“乱而后治”数据管理方式已经成为制约企业数字化发展的瓶颈，往往等各系统数据梳理完成并实现打通后，数据所带来的时效性价值已经落后于业务发展需要了！

（1）万物皆模型。为了实现数据要素“不治而顺”的愿景，*内部组织了上百次的研讨，最终达成结论：采用基于“面向对象”的数据管理理念和技术，探索“面向对象”的数据治理技术。

经过五年多的探索和实践，*对自身所研发和生产的各种产品，进行了全局性的数据梳理和总结，识别出包含产品、部件、单板、器件等234个业务对象，555个业务实体、18000种属性和24种典型结构，最终抽象为2种类元模型（独立实体、多版本实体）和6类元关系（1:N主外键关系，1:N主从关系，树形关系，N:xM单边不确定关系，M:N多对多关系，UsageLink关系）。

“面向对象”数据治理的理论表明，世界万物都可以被抽象成*简单的元模型，即“万物皆模型”。如图1所示（请旋转90度观看）。

图1：面向对象的数据管理元模型

“对象”是还原一切事物的本源，可以由*简单的元模型来构建。在构建新一代工业软件过程中，先建立数据模型，再建立数据模型之间的关系，进而形成复杂的数据模型结构，最终实现数据模型的全范围连接，形成全企业数据治理。这是工业软件数据要素治理上的一次重大进步。从模型到实例的对应关系如图2所示。

图2：模型到实例对应关系

（2）一切皆数据。在新一代工业软件使用过程中，产生大量实例化数据，天然以对象为核心而内聚在一起，对象与对象之间的关系联通后，进而形成庞大的数据图谱，数据本身自动进入数据湖存储，在使用数据时，在数据图谱上定义起点和终点，灵活实现数据跨业务领域、跨组织的端到端连接，根据业务场景的需求，提供完整的数据服务。这种“面向对象”的数据治理方式，彻底解决数据集成打通的难题，数据治理从“乱而后治”走向“不治而顺”。

*在工业领域率先把“面向对象”数据管理概念、知识、经验和实践进行体系化的总结并形成标准化的数据管理软件产品：“数据模型驱动引擎DME（Data Model Engine）”，为突出其工业属性，也称之为“工业数据模型驱动引擎iDME”。从此，处理工业数据的引擎有了重大变革，数据要素治理能力有了范式上的提升。

DME用于提升工业软件数据管理的能力，加速实现“工业软件云战略”。DME为了让工业软件各相关方实现工业数据管理领域的统一思想、统一协同提供了标准化的工业数据管理规范与软件开发框架，开创了工业数据管理和治理新范式。正如云计算技术改变传统工业软件的开发与构建范式一样，DME也将颠覆传统的PDM、PLM模式的工业数据管理思想。

（3）数据皆治理。作为一个工业软件数据要素的治理引擎，DME主要包括工业数据建模引擎（xDM-Foundation）、工业数据图模型引擎（LinkX-Foundation）和工业数据模型模板库（BoX）三个功能模块，如图3所示。

图3：DME的功能模块

DME拥有强大的工业数据建模能力，可以通过图形化、零代码、配置化的方式构建数据模型。在建模过程中，可以定义所有的业务对象所对应的数据逻辑实体，实体模型及模型之间的关系、模型所附带的属性，以及模型所需要用到的数据管理功能（如数据权限，数据生命周期管理、数据版本管理等）。建模完毕后，数据模型实体之间的关系将形成一张巨大的网，如同浩瀚的星空图。数据要素治理得井井有条。

DME可以基于数据模型自动生成可编排的数据服务API，将传统工业软件开发过程中的数据模型设计、数据库管理、数据服务开发等工作一站式整合，实现“设计即开发”，大幅提升新一代软件的开发效率、降低开发成本。让数据要素为工业软件充分释放出巨大的数字生产力。

四、行业数据治理的进阶：数据模型→数据模板库→数据生态

工业软件生态圈的软件开发者、千行百业的工业软件使用者均可在DME上，利用面向对象的数据模型，构建满足其市场需求、业务需求的工业软件上层应用。

在工业软件开发过程中，如果能够快速吸收、借鉴和应用各行业的、模板化的数据模型最佳经验，将大幅度加快行业化的工业软件开发速度。因此，DME中的重要功能“工业数据模型模板库BoX（Bill of X）”的产品理念应运而生。

工业数据模型模板库（BoX）根植于DME之中，让各行各业的优秀数据模型加速实现模板化构建，利用工业BoX的功能，号召行业各有识之士共同建设和丰富工业BoX，繁荣工业软件的数据生态，让数据提升为数据要素，让数据管理升级为数据治理，为工业软件深深地扎牢工业数据之根。

工业BoX将不同领域可重用的工业数据管理数据模型、数据服务API、业务规则、业务流程、业务界面等方面进行抽象，并整合成通用的工业BoX。通过使用模板库，用户可方便快捷地导入各种模板，创建基于模型驱动的工业数据管理应用标准模块，再根据用户实际业务调整模型参数，即可快速定制化出最终用户所需的工业数据管理应用，实现良好的数据治理。工业BoX的功能架构如图4所示。

上图中术语翻译如下：

图4：工业BoX的功能架构

在PLM过程中，人们以BoM（Bill of Material 物料清单）、BoP（Bill of Process 工艺清单）、BoQ（Bill of Quotation 报价单）等来命名不同领域具有树形结构特征的结构化业务对象数据模型。

在DME中，将其含义引申为各领域（X代表各领域）的关键业务对象数据模型、数据服务接口及其他数据模型驱动相关的模板库。在工业BoX目前预置的关键业务对象，如表1所示：

在工业BoX里，我们会首先定义工业数据的标准，将标准通过“面向对象”的数据管理方法，解构成行业BoX中的功能。使用者即可以从标准入手，利用BoX在各行业落地成各行业专业化的数据模板，如汽车行业模板、电子行业模板、家电行业模板、装备制造行业模板等，逐步建设优良的工业领域数据生态。。

五、小结

工业材料，如同工业之躯体，越新、越韧、越强健越好；工业软件，如同工业之灵魂，越优、越灵、越便利越好；工业数据，如同工业之血脉，越丰、越畅、越精专越好。

*是工业软件集之大成的使用者、开发者和实践者，长期使用近千种工业软件，形成了对工业产品数据管理和数据要素治理的有益探索和实践：在数据管理理念上，经历了“面向结果”“面向过程”到“面向对象”的演进；在数据管理技术上，实现了从“管理壳”“管理核”到“管理脑”的跃升；在数据管理引擎上，实现了从“管结果PDM”“管过程PLM”到“管治理DME”的变革；在行业数据治理上，实现了从“数据模型”“数据模板库”到“数据生态”的进阶。

新一代工业软件的基本发展逻辑是“万物皆模型、一切皆数据、数据皆治理”。在数据要素的管理和治理上，新一代工业软件经历了演进、跃升、变革和进阶。工业数据的根基已经扎得更深、布得更密、长得更壮，从云端到地面*覆盖，为实现数字化转型提供了有力支持。无论是在工业生产过程中的实时数据监测，还是在智能制造和物联网领域的数据应用，新一代工业软件都能够高效管理和治理数据，帮助企业实现数字化转型的目标，走向更加智能化、可持续化的未来。

免责声明：本文采摘自英诺维盛公司，本文仅代表作者个人观点，不代表金航标及行业观点，只为转载与分享，支持保护知识产权，转载请注明原出处及作者，如有侵权请联系我们删除。

上一篇：: 华强北向何处去之合纵连横

下一篇：: 对联拾趣，诗词大会董卿武亦姝得跪了

赵敏

赵敏 |挖掘工业软件新趋势：数据万象，模型无边，数据治理无处不在

客服QQ1707931422

客服QQ
1707931422