基于“塔形”BOM架构的个性化价值链统一数据模型构建

刘根娣，阎 森，贵 丽，张 延，孙新宇

（西安交通大学管理学院，陕西 西安 710049）

1 引言

在产品竞争日趋激烈和数字化技术日益成熟的双重背景下，以定制化产品为核心的个性化价值链协同制造模式逐步涌现。在此过程中，“设计图纸”“物料清单”“生产工艺”“采购信息”“库存状态”等产品生命周期中的关键数据因其多源异构的特性，往往缺乏企业内部平台间和企业外部系统间的统一表达模型和协同共享机制，造成了信息孤岛并导致个性化价值链演化困难[1-2]。

针对价值链数据集成和统一问题，理论界已有讨论。李西兴[3]等提出基于网络的模块化组件与数据库多源异构数据集成方法的配合使用，可以实现平台间的数据集成与共享。田仁勇[4]等基于企业服务总线将PLM、MES、QMS等各独立系统进行集成，解决了上下游系统的数据联通和共享问题。姜楠[5]等和卞德志[6]等采用了元模型思想，实现了对异构数据的统一描述、抽取、治理与共享。然而，以上面向服务架构的数据集成技术缺乏了对数据实时性和一致性的考虑，且依赖于既有系统。此外，元模型理论亦存在建模数据粒度大于真实资源粒度的风险。

因此，亟需构建一种贯穿价值链闭环，且满足数据实时性、一致性和良好建模粒度的统一数据模型来实现个性化价值链数据的协同与共享。利用产品物料清单在产品生命周期过程的业务串联性，本文通过提出基于“塔形”BOM架构的统一数据模型，回答个性化价值链数据协同的内容边界、格式定义、映射方式、功能优势和实现载体等问题，从顶层设计视角解决个性化价值链中数据统一表达与协同共享的需求，并填补该理论空白。

2 个性化价值链内涵

参考迈克尔·波特的价值链概念[7]，本文定义的“个性化价值链”是指以定制化产品为核心，诸多参与企业在产品生命周期过程中进行一切生产经营活动所创造价值的过程。其目的是通过将单一企业生产经营决策上升为多企业协同运作来实现信息价值的溢出效应，最终提高生产与服务效率。由于个性化价值链存在数据协同主体众多、数据生成多源异构、数据变更响应迫切和数据融合增值不足等行业特性，解决数据层的统一表达和协同共享是实现个性化价值链协同的基础和前提。

3 “塔形”BOM统一数据模型

3.1 概念模型

“塔形”BOM架构，本质是一种四级五维的BOM数据组织体系。“四级”表示BOM数据的层级关系，包括产品级、模块级、部件级和零件级。将物料关系以产品结构进行层级划分可以提升产品生命周期流通中的唯一标识性，建立产品构件间的关联性，实现设计变动、制造外包和备件管理的快速协同，为全价值链的个性化产品准时交付提供保障。“五维”表示个性化价值链中关键业务环节的抽象，包括设计维、工艺维、采购维、制造维和售后维。围绕关键业务环节将价值链中关键信息有效集成，实现定制化产品相关数据的统一治理、应用和共享。因其概念模型形似宝塔，故称“塔形”BOM架构，如图1所示。

图1 “塔形”BOM模型

（1）四级 现有研究将一般机械产品的基本结构分为“产品-部件-零件”三个层级[8-10]，对应三级BOM结构，表示零部件的隶属关系和数量关系。然而，在个性化产品的生产实践中，传统三级BOM结构难以满足对产品个性化配置的表征需求。因此，参考产品设计理论中模块化的思想[11-12]，本文在BOM统一数据模型的层级维度上提出“产品-模块-部件-零件”的四级层次关系，如图2所示。

图2 BOM层级结构示意图

产品模块划分为通用模块（必选模块）和差异化模块（可选模块），可以根据客户个性化需求选择合适的模块进行组合快速完成产品的设计，增加了BOM的复用性。当需求或参数发生变更时，只需要对某（几）个模块进行调整，便可以完成所有包含此模块BOM数据的调整，确保产品BOM数据的同步性，缩短对客户需求的响应时间[13]，为生产制造的完工准时性提供保障。模块由部件集成得到，集成的方式有两种：①将为实现同一功能的部件集成为模块；②将在几何空间上存在物理连接和位置约束的部件集成为模块。这两种集成方式不仅提高了模块的功能独立性，同时保证了部件的齐套性。部件由零件组合而成，通过组合可以提升产品标准化和系列化水平，避免零件种类和数量过多导致的错用、混用风险。零件是产品中不可再分的最小单元，这些零件分为国标零件和特殊零件，国标零件可直接通过采购得到，特殊零件则需要企业自制。

（2）五维 “塔形”BOM的五维回答了统一数据模型的边界问题。以定制化产品为核心，对个性化价值链全域信息池进行五个维度的抽取，包含设计维、工艺维、采购维、制造维和售后维五大场景，涵盖了主体协同多、数据交互强和变更响应急的业务特征。基于BOM数据的生命周期性，提取以BOM数据为核心的关键数据。通过统一物料编码，使“塔形”BOM中的物料信息在五个场景维度下同步变更和互通互用，为个性化价值链提供决策支持，如图3所示。

图3 个性化价值链全域信息的五维抽取

3.2 表示形式

本文采用二维表形式对“塔形”BOM的概念模型进行物理表示，主要分为主BOM表和五维BOM表。主BOM表和五维BOM表通过外键建立连接，如图4所示。对各BOM表的字段进行定义：

图4 基于塔形BOM的数据协同共享机制原理

1）主BOM：用于存储产品与零部件之间的父子级和数量关系，并通过外键与其他五个维度的表进行连接。主要字段包括物料编码ID、物料位置ID、BOM层级、物料名称、父级物料编码、数量、设计ID、工艺ID、采购ID、制造ID和售后ID。

2）设计BOM：EBOM（Engineering BOM）是指设计工程师根据客户订单需求进行产品设计，生成产品零部件名称、结构关系、图纸对应关系等信息的BOM表单。主要字段包括设计ID、物料编码ID、图号、物料规格、设计人员、设计软件和版本更新日期等。

3）工艺BOM：PBOM（Process BOM）是指基于设计BOM解算出的自制零部件物料清单及其工艺信息。主要字段包括工艺ID、物料编码ID、工艺类型、工艺要求、工艺流程、关键设备、关键环节和版本更新日期等。

4）采购BOM：BBOM（Buying BOM）是指基于设计BOM解算出的采购零部件物料清单及外购和外协的相关信息。主要字段包括采购ID、物料编码ID、供应商信息（编号、名称、地址和联系方式）、订货量、交货期、库存信息、采购状态和版本更新日期等。

5）制造BOM：MBOM（Manufacturing BOM）是指基于设计BOM解算出的自制零部件物料清单及其制造和装配信息。主要字段包括制造ID、物料编码ID、装配顺序、装配数量、制造工时、特殊配套工具及设备、技术人员、生产效能和版本更新日期等。

6）售后BOM：SBOM（Service BOM）是指在产品交付给客户后，对产品进行售后服务产生的物料清单，用于记录产品在使用过程和维修阶段的信息。主要字段包括售后ID、物料编码ID、运行状态、故障信息、维修/替换记录、检修日期、零部件备货信息和版本更新日期等。

3.3 协同共享机制

尽管个性化价值链中各业务环节相互关联，但承担各环节功能的价值链主体可能彼此独立，体现在他们应用不同的数据平台或载体对产品数据进行存储与交互。在“塔形”BOM体系架构下，这可能造成同一类型BOM表单在向主BOM集成时因格式或内容不统一而难以融合。因此，本文进一步提出多源异构表单向“塔形”BOM统一数据模型集成所需的数据映射转换规则及规则管理方法，旨在为不同价值链主体产出的多源异构数据提供一个统一化和标准化的协同共享机制。将数据映射转换规则进行标准化封装，通过统一的数据描述规范屏蔽了不同类型数据源的差异，通过定义标准的适配器接口为上层数据交换提供统一的底层接口，也使新数据源的接入仅需增加适配器即可实现。其原理如图4所示。

3.4 转换映射规则

（1）转换映射规则构建 为实现数据转换映射，本文构建了多源BOM到统一“塔形”BOM架构的转换映射规则，来解决BOM表字段之间的结构、数据类型、语义及值域不一致等问题。转换映射规则函数和映射规则是一一对应的关系。假设Ts是源数据库中的数据表，Tt是目标数据库中的数据表，X和Y分别是来自源表Ts和目标表Tt的两个字段集合，集合X中的字段Xi经过一系列的转换或运算，映射到集合Y的字段yi，其映射规则函数记作F(xi,yi)。

在数据映射过程中，可按字段映射、数据类型映射、语义映射、值域映射的顺序依次进行，其中语义映射和值域映射顺序可以互换。

1）字段映射。建立表中字段在结构上的对应关系，形成Ts源表字段xi到Tt目标表字段yi的对应。字段映射包括1∶1、1∶n和n∶1三种情况。理想状态是源表的字段和目标表的字段可以一一映射，如源表的“物料id”和目标表的“物料编码ID”是1∶1的关系。但是，由于不同系统对结构化数据的解析程度的不同，会出现不能一一对应的情况。如，在源表中只用“联系方式”一个字段来描述与供应商的联系方式，而在目标表中却用了“电话”“地址”“邮政编码”三个字段来描述，所以需要建立1∶n的映射；同理，也可能需要建立n∶1的映射。其映射规则函数如下：

2）数据类型映射。将Ts源表字段xi的数据类型转换成Tt目标表字段yi的数据类型。数据库表中字段有多种数据类型，如数值型、字符型和日期型等，而数值型又可分为整型、单精度浮点型和双精度浮点型等，字符型又可分为固定长度的字符和可变长度的字符。字段对应表建立之后，Ts源表内字段xi的数据类型可能与Tt目标表字段yi的数据类型不一致，故需要对其进行转换，使整体数据库同种含义字段的数据类型保持统一。映射规则函数如下：

3）语义映射。将Ts源表字段xi的内容转换成Tt目标表字段yi的内容，解决数据语义异构问题。数据集成过程中的语义异构主要体现在字段内容命名的差异。例如价值链上各个协同主体对于同一零件、同一种设备的名称表述不同，都可能造成不同主体理解上的偏差，降低协同效率。因此，需要对“塔形”BOM模型的数据语义建立一个统一的规范，企业内外各应用系统都按照该规范对数据内容进行映射转换，确保数据语义的一致性。

4）值域映射。建立Ts源表字段xi和Tt目标表字段yi在取值上的对应关系。比较Ts源表中字段xi和对应的Tt目标表字段yi的值域定义，确保每一组字段值域定义的一致性，如果不一致，就需要构建相应的值域转换函数进行统一。对于枚举型值域，以不同值域表达和同一值域概念之间的映射表形式定义值域转换函数；对于非枚举型值域，通过构建匹配算法等形式定义值域转换函数。

（2）映射规则管理 元模型是对数据和相关信息的抽象，它对数据的结构、格式和语法等各方面的内容进行了标准的定义。运用元模型技术，可以降低数据转换过程对软件开发的依赖性，解决开发软件受底层数据模型约束的问题，以实现数据的灵活映射和转换。

本文构建了映射规则库，并以元数据的形式存储映射规则。映射规则通过映射规则模板描述，模板内容包括源表字段、目标表字段、映射模式和映射规则函数等。元模型一般分为三层，最上层是元模型层，其主要作用是对模型层进行抽象处理，确定模型的标准语言，对类、属性、关系等进行描述；中层是对实例进行抽象操作的模型层；最底层是实例层，主要描述实际数据的基本信息。映射规则元模型如图5所示。

图5 映射规则元模型

映射规则的存储和管理过程为：先手动判断各字段转换的异构类型，与映射规则库中已有的映射模板进行匹配，若一致，则生成相应的映射规则实例；若不一致，则对其进行解析，创建新的映射模板并存储于映射规则库中，然后生成映射规则实例。运用元数据方式对映射规则进行存储，便于映射规则的维护和重定义。

在进行映射时，面对众多的映射规则，必须先识别映射模式，与已定义的映射模式匹配，匹配成功后调用对应的映射规则函数，实现映射识别与映射转换的自动处理。

3.5 功能优势

1）实现异构数据标准化。将来自不同企业主体、不同生产业务系统的多源异构BOM数据集成为统一的“塔形”BOM架构，并将该BOM架构作为企业内外部各应用系统和平台协同的唯一数据源，确保产品全生命周期数据的标准性和一致性，实现了全价值域数据的集成管理。

2）增加经验知识重用性。运用模块化思想，当新的客户需求产生时，通用的模块级BOM数据可以直接利用已有的知识积累，只对个性化的部分进行重设计，这样不仅可以快速生成产品BOM，而且能直接获取产品通用部分的设计、工艺等信息，减少从零开始的重复工作，增加了BOM的复用性。

3）保障产品物料齐套性。离散制造企业产品个性化强，零件种类繁多，容易出现零件错用、混用和零件不匹配等问题，层级划分可以清楚表达零部件之间的上下级关系，确保产品各层级零件的唯一标识性，为物料的准时完工生产和齐套供应提供保障，缩短交货期。

4）强化产品可追溯性。采用物料编码ID进行唯一标识，可以追踪产品的设计、采购和制造等过程，包含所采用的原料及外购件的名称、品质和生产日期等物料来源信息，生产制造环节的加工流程、加工设备、工艺参数、生产环境、操作人员和质检结果等产品形成的过程信息。当产品出现问题时，可以追溯其生命周期，找出问题出现的环节，以便采取针对性的纠正措施，提高产品质量。

5）提高BOM数据变更响应速度。当任意环节发生变更时，可以将变更信息实时同步到“塔形”BOM中，与之有信息交互的环节便能及时获取变更信息，对各自的BOM进行更新并上传到统一BOM中，解决BOM数据全生命周期的变更同步问题。

4 以“塔形”BOM为核心的数据中台构建

“塔形”BOM统一数据模型从理论层解决了个性化价值链数据协同的标准和范式问题，本文进一步提出了一种基于“塔形”BOM为主数据的中台构建框架，以进一步挖掘其数据融合的增益价值。本文将数据中台的架构划分为三个层次，分别是数据源层、中台集成层和协同应用层，如图6所示。

4.1 数据源层

数据源是指产品BOM数据的来源，来自企业内部和外部。企业内部数据主要分为两种，一是指企业内部各系统如PDM、ERP、MES、SCM和CRM等产生的数据，二是来自企业内硬件设备所采集的数据，如机器人、检测设备、传感器和条码枪等。企业外部数据是指与该企业有着协同合作关系的主体所产生的数据，包括设计公司、外包生产公司、供应商、客户和运维服务公司等。数据源层为中台集成层提供了丰富的多源异构数据。

4.2 中台集成层

基于BOM数据中台，其内部通过建立标准的、智能的和全域化的数据处理体系，提供数据存储、数据分析和数据共享等一体化服务。

1）数据获取和存储。中台集成层需要将各类多源异构数据从数据源层抽取、转换和并同步到数据仓库。数据获取的主要方式有ETL、实时采集、离线采集、日志采集和数据复制等。其中ETL技术可以实现数据的提取、清洗和转换。数据转换的过程通过适配器完成。适配器等价于一种通道衔接器，实际上是一种映射关系，用于连接企业内外部应用系统和数据中台。通过建立统一的“塔形”BOM数据标准和数据转换映射规则，并将其封装成适配器，提供标准化的调用接口，以解决多源异构数据格式不一致的问题。最后将标准化的数据存储到数据中台的BOM主数据仓库。

中台集成层需要同时存储结构化数据和非结构化数据。结构化数据是指标准化的“塔形”BOM数据，通过关系型数据库以二维表的形式进行存储。非结构化数据是指产品设计的2D、3D图纸，可存储于非结构化图纸数据库如Neo4J中。结构化数据库和非结构化数据库之间通过一个ID进行链接，当企业有关部门在设计、制造等过程需要查看图纸时，可以通过ID快速定位图纸位置。

2）数据分析。在“塔形”BOM数据的基础上，对集成数据的描述性统计进行可视化分析，为设计、生产和采购等各环节提供BOM主数据的分析视图。以知识发现算法对集成数据挖掘对象与对象之间的关联规则和内在联系[14]，辅助企业决策。

3）数据共享。制定规范的各信息管理系统管理权限，根据业务需求管理设计开发对应的服务接口，支持各业务系统向数据中台上传、导出数据，并且及时获取数据变更信息，确保企业决策的一致性，最终实现企业内外系统之间的业务协同。

4.3 协同应用层

数据服务是数据价值的窗口，也是连接数据中台和上层应用的桥梁。在协同应用层，离散制造企业内外部系统通过数据中台提供的数据服务，实现各类业务协同。经过数据的计算逻辑封装后，数据中台对外可以让客户跟踪订单，了解订单完成情况，对接外包企业生产信息，保证物料的齐套供应等；对内可以使不同企业系统进行BOM数据的统一查询，实现BOM数据的知识重用，支持非结构化图纸数据的线上浏览，实时监控生产设备状态以及生产进度状态等。

5 基于“塔形”BOM的数据中台在M企业的应用

结合某汽车制造商M企业的真实数据环境与业务协同场景，对以“塔形”BOM为主数据的数据中台（简称塔形BOM数据中台）进行设计与验证，下面对塔形BOM数据中台如何在个性化价值链中发挥数据集成与协同共享的优势进行案例说明。

M企业作为一家汽车集成制造商，在设计、采购、制造和运维等环节涉及大量信息化平台和软件系统之间的数据流转问题。这些软件平台分布企业内外，且采用不同数据标准，导致交互困难。以M企业主机厂为塔形BOM数据中台的应用对象，通过对定制化汽车部件的BOM体系统一建模，打通个性化产品全生命周期关键BOM数据的流动阻碍。该中台主要包括数据采集、数据治理、数据分析和数据应用等功能模块。

在数据采集过程，以采购业务为例，当外部供应商S企业向M企业发送报价单后，可能面临外源数据表与企业常用数据表在字段描述、格式类别和语义表达等方面的不一致问题。BOM数据中台通过“数据映射转换”功能，可以将多源异构表单向中台中的统一标准模板进行集成，以便进行整体业务分析，如图7所示。其流程简述：将外源表导入中台，识别外源表字段，选择想匹配的中台内部标准表单进行字段匹配，根据本文提出的映射规则进行字段匹配和映射规则构建，过程中可以人工调整映射规则，并最终存储进映射规则库以形成对客户/供应商交互习惯的知识复用。

M企业订单竞标后的工程设计BOM与最后交付物的实际BOM往往不完全一致，其原因可能是客户需求变化或供应链运营中突发因素导致的零部件调整，统称“设计变更”。塔形BOM中台通过订单号索引和物料编码唯一标识实现设计环节、采购环节、生产环节和运维环节的物料信息同步变化。具体地，某订单中某发动机产品工程设计BOM的结构树如图8所示，通过图纸导入和图纸预览可以实现零部件和设计图纸的追溯与绑定。当某自制非标件“飞轮”需要重新设计时，基于对应图纸在设计软件中修改并重新上传回中台可以实现图纸的更新与动态维护。此外，对于标准件或采购件的“设计变更”，在中台BOM管理功能模块中对主BOM表中物料编码ID直接修改，并同步至其他所有BOM视图可以降低业务协同的时间和会计成本。

图8 产品BOM结构和图纸查询功能演示

为挖掘塔形BOM数据的荟萃价值，为M企业提供决策支持，塔形BOM数据中台通过“数据分析”功能，对数据池进行统计性分析（如销售、运营情况）、智能算法类分析（如供应商风险识别）和战略分析（如产品族演化态势识别），统计性分析的各类视图如图9所示。

图9 基于“塔形”BOM主数据的统计性分析功能演示

6 结束语

本文针对定制化产品在价值链中数据统一表达和协同共享问题，首先提出基于“塔形”BOM的统一数据模型，并提供离散BOM数据到“塔形”BOM统一模型的映射规则，完成了多源异构数据的标准化转换规则构建；其次搭建以“塔形”BOM为主数据的数据中台，形成以BOM数据总线为核心，企业内外部各应用与总线交互的信息协同模式；最后通过基于“塔形”BOM的数据中台在M企业的应用演示案例，验证了本文“塔形”BOM统一数据模型的应用价值。本研究提供了个性化制造业走向价值链协同过程中数据协同共享的科学模型和关键方法论。