数字化研发管理(PLM)

业务挑战

技术预研和开发

如何通过设计、仿真、虚拟样机等手段促进技术创新？

如何通过多参数权衡分析找到最佳的技术方案？

如何从传统沟通方式转变到可视化/交互式的协同？

产品开发

如何改进结构设计的效率？

如何提升产品可靠性/性能/工艺等综合仿真能力和效率？

如何打通跨领域的数据/模型？

供应商协同/生态链协同

如何从文件传递协同到基于模型的设计协同？

如何利用云的优势带来全新的协同方式？

如何提高可视性和透明度？

市场营销

如何让市场提前介入，基于产品模型准备营销内容？

如何构建数字营销内容库，为各类营销场景服务？

如何通过数字化渲染/虚拟现实等手段，提升用户体验？

数字化研发管理平台的典型问题

1. 需求变更频繁，难以清晰掌握产品状态，如问题、风险、变更影响、资源等，影响决策

2. 耗费大量时间手工整理项目状态，信息不全面有滞后，难以准确及时反映项目真实状态

3. 缺少配套变更，导致跨部门及时通知困难，变更执行不到位

4. 跨部门协同设计效率不高，依靠邮件电话+会议沟通，多专业协同不够顺畅

5. 产品研发数据缺少统一源头，缺少关联性，依赖人工管理，效率较低

6. 数据分散在各个部门不同系统工具中，信息孤岛导致数据查询重用困难

7. 需要统一规划管理平台满足未来拓展性，满足企业转型和多元化发展的要求

解决方案

1.以项目管控的产品开发过程的执行

• 管理与执行双向奔赴

• 以项目任务驱动的产品开发全过程管控

• 交付物的统一管理

• 费用整体控制，预算与实际结合

• 报表实时更新的决策支撑

• 项目（群）管理与看板管理

2.以需求实现为主线的产品策划过程

• 一切以满足需求为基准的产品开发

• 需求分解分配的实现可控

• 需求跟踪追溯

• 需求工程的系统化管理

• 全员参与

3.统一的虚拟产品工程定义

• 基于单一数据源的协同设计，快速响应需求的产品开发，便捷的网页端数据的可视化操作

• 实时多站点协同

• 基于统一上下文的设计、验证

• 多专业，数据驱动

• 数字连续

• 便捷的变更控制

• 知识积累

• 任何时间任何地点的接入

4.零部件管理

• 打破传统的物料和模型分离管控

• 物料分类管控

• 满足客户端设计与网页端审阅协作

• 零件检索与重用

• BOM替换更新协作

5.CBB管理

• 共用构建模块(CBB) 在缩短研发周期、控制成本、提高制造质量、节约开发资源等

• CBB货架的构建和维护

• CBB的规格定义与匹配

• CBB的入库管控流程

• CBB的使用

• CBB的生命周期管理

• CBB的应用统计

6.变更管理

• A级变更：执行完成的CR-CO-CA流程。

• B级变更：执行CO-CA流程。

• C级变更：执行CA流程。

7.数据全追溯价值体现

产品过程数据的可视化全追溯，支撑内外部工具的数据链条追溯

可拓展覆盖从需求到测试验证的全过程，包括需求映射、需求分解分配、测试验证、需求仿真、架构与逻辑、物理模型、报告生成等内容

业务价值

• 实现需求、产品、技术货架、CBB、设计、工艺等数据连续和强关联，提高研发质量；

• 建立统一、准确、共享的数据源，实现“一次产生，多次使用”，减少开发成本；

• 保证项目、产品数据的准确性和一致性，提高其产品研发质量；

• 项目研发过程信息透明化和实施化，保障过程监管的质量和产品按期交付；

• 变更完整流程，避免漏错改、及时有效的变更信息传递，缩短变更执行和发布的周期；

• 技术货架化，基于成熟的技术货架上的技术进行产品开发提高研发效率，降低研发成本；

• 能够在本地、异地的进行产品协同设计，减少数据传递错误，提高研发进度，提升数据质量，减少试制错误；

• 基于虚拟样机进行相关测试和验证，减少物理样机的数量，降低成本；

• 构建基于业务数据模型的数字化工艺设计体系，提升工艺设计效率。