产品生命周期管理的发展和需求(组图)技术篇

随着各种信息系统在制造业中的广泛应用，产生了大量的数据。这些数据背后也隐藏着很多重要信息，而这些重要信息可以很好地支持企业高层的决策。因此，人们不再满足于数据库的简单查询功能有哪几种数据挖掘技术，而提出更深层次的问题，即能否有效地从现有数据中提取信息或知识用于决策。统计分析技术也面临着巨大的挑战。迫切需要新的方法来处理这些海量数据。因此，人们将统计学、数据库、机器学习等技术结合起来，提出了数据挖掘技术。

产品生命周期管理的发展与需求当前制造业信息化正从产品生命周期阶段的信息化向着方向发展。产品生命周期的原始概念是指产品的市场寿命。一个新产品从进入市场到被市场淘汰的过程分为四个阶段：引进期、成长期、成熟期和衰退期。现在已经扩展到包括市场研究→需求分析→设计→采购→制造→销售→售后服务→废品回收等多个阶段的全生命周期概念。

为此，人们提出了这个概念，要求从产品生命周期的范围内对产品成本、时间和质量要素进行管理和优化，并出现了各种系统的观点，这是一个很有潜力的业务战略，它解决了与公司如何在可持续的基础上开发和交付创新产品相关的所有主要问题。

包括在整个产品生命周期中充分利用产品知识资产，以最大限度地提高产品创新并提高产品开发的速度和敏捷性。增强产品交付的定制化和为客户量身定制产品的能力，以最好地满足客户需求。

数据挖掘可以为企业提供更多的智力资产。该理论及其体系的出现拓宽了企业对数据挖掘的需求和应用范围，扩大了数据挖掘对象和服务的范围，帮助企业为整个产品生命周期提供决策知识和共享知识。

当今对数据挖掘技术的需求是世界制造业的鼎盛时期。简单的数据共享和各部门各自为政的管理模式已经不能满足企业快速响应市场和激烈的市场竞争的需要。

制造企业需要不同部门、不同系统在产品全生命周期的信息整合，相互了解，协同工作。比如研发部门需要市场部门提供市场信息，指导设计出符合市场需求的产品。设计部门需要与制造和维护部门进行沟通，以提高产品设计的可制造性和可维护性。制造部门使用销售部门的预测数据来计划和安排生产等。各部门之间的交互信息很大程度上来自于数据挖掘获得的知识，因此需要面向数据挖掘进行整合，实现企业产品全生命周期的知识共享，如图所示。

面向数据挖掘主要包括（1）企业各个阶段部门内部的知识发现。例如，设计部门利用已有的设计知识支持快速设计，提高设计知识的复用性。制造部门使用生产历史数据来发现与生产质量相关的因素。为提高产品质量，销售部门可以通过对客户进行分类等方式更好地制定营销计划。 ②对企业各个阶段的部门进行数据集成挖掘有哪几种数据挖掘技术，如集成产品全生命周期的成本或质量数据，进行成本挖掘和产品生命周期成本挖掘和质量挖掘等 ③企业各阶段部门间数据挖掘结果的集成和共享，例如设计部门集成销售和市场部门的客户需求挖掘结果，支持创新研发、设计、制造部门整合销售部门的预测结果和实际订单信息，制定生产计划和设计部门整合服务部易损件的挖掘结果、零件的自觉选择等。

面向数据挖掘的特点是在产品生命周期中发现新知识，需要利用各个阶段的数据源或集成的数据源来发现新的决策知识来支持企业决策，如产品设计、生产、使用和维修过程中质量相关因素的发现等 更完整的数据源 在数据挖掘过程中，可以整合整个产品生命周期过程中的所有数据，比普通的更完整特定阶段或过程的数据，如整合产品全生命周期的成本质量数据、生命周期成本质量分析与挖掘等，以满足新的需求。例如，目前越来越多的制造企业正在开发产品服务，他们需要负责产品生命周期的全成本质量控制。为此，有必要对产品生命周期成本进行质量分析和挖掘。

目前，大多数数据挖掘只是从企业的某个角度或某个层面对某些问题进行零散或孤立的研究和应用，如利用数据挖掘技术解决某个业务问题，缺乏一不同方向 业务问题的整体解决方案。企业数据大师和数据挖掘结果需求者往往不是同一个人，甚至不是同一部门。

这往往导致这样的情况，掌握了企业数据的人不知道数据有什么用，就搁置一旁，浪费了大量宝贵的资源。需要数据挖掘结果的人不知道从哪里得到这些结果，而且往往因为没有这些结果的支持而在决策中处于被动地位。因此，有必要研究企业数据与数据挖掘结果的整合。数据库中的数据、数据挖掘方法模型和挖掘需求众多，使得数据提供者和数据使用者不堪重负。

这是因为

①数据挖掘的方法和模型很多，对企业不同业务的适用程度不同

②数据挖掘方法和模型对数据的要求不同，不同数据得到的挖掘结果也不同

③具体的数据挖掘可以得到不同的结果，对不同的业务有不同的用途

有很多不同的数据分析方案的组合

④.

因此，需要一种系统的方法来帮助企业快速找到数据、数据挖掘方法模型和挖掘需求的最佳匹配。由于很多企业尚未实施该系统，如何在现有不同信息管理系统的基础上，利用数据挖掘技术解决企业的实际需求，有待进一步研究。

由于现有的数据挖掘算法侧重于理论研究，在实际应用过程中存在很多问题。为了提高数据挖掘系统的可用性、可扩展性和效率，需要对一些数据挖掘算法进行改进或探索新的挖掘算法，以适应不同业务环境下的实际数据挖掘。

因此，如何从定位的角度设计企业级的数据挖掘系统，对企业各个方面的数据进行综合分析和挖掘，发现隐藏在大量数据背后的信息和知识，分析将基础数据转化为满足各部门和企业管理者需求的信息和知识，为决策提供支持。这是制造企业数据挖掘的重要研究方向，也是制造企业应用数据挖掘技术面临的重要问题。