基于全生命周期的整车开发BOM质量数字化管理

张关华 王涟清 陆阳 王涛 沈秋菊

摘 要：为满足产品型谱配置复杂化、开发过程敏捷化、数据用户响应及时化对产品数据更高质量的要求，整车企业在产品数据管理业务中必须进行数字化转型。文章阐述了一种基于全生命周期的整车开发BOM（Bill of material）质量数字化管理平台的研究和创建。分别从基础定义、数字化模型开发、过程控制管理及数据运行状态监控机制各方面展开论述。最后论述了该平台的构建对提升企业竞争力的重要战略意义。

关键词：整车开发;全生命周期;BOM质量;数字化

Abstract： To meet the challenge of rapid expansion of product classification， accelerating pace of new vehicles lauch and huge rise of quick respond to customised requirements， digital transformation is needed for automotive enterprises within product data management business. A digitalization Platform of vehicle Development BOM management based on whole life circle is studyed and established in this paper. The basic definition， development of digitalization model， details of process on BOM quality management and the mechanism of data running are discussed in this paper. Finally， the benefits of this model to vehicle enterprises core competitiveness are concluded.

Keywords： Vehicle Development; Whole Life Circle; BOM Quality; Digitalization

前言

产品数据是整车开发的核心基础数据，贯穿于产品开发全生命周期;同时产品数据又像一根纽带，将研发、采购、物流、生产、制造、质量、财务等全业务价值链紧密地联系在一起[1]。而错误的产品数据可能会导致零件剩余、盘亏、资金浪费甚至生产停线等情况发生。因此对产品数据的管理能力直接关系到整车企业的核心竞争力。

传统的数据管理模式存在诸多弊端：管理低效，问题识别晚，与研发、生产、制造等活动存在脱节。随着汽车产品型谱配置更加丰富，新车上市迭代加快，用户个性化需求日益增强，整车企业必须在产品数据管理业务方面进行数字化转型，有效提升数据分析应用能力，为整车开发提供准确、稳定、快速的输出。本文阐述了一种基于全生命周期的整车开发BOM质量数字化管理平台。其实质是：将整车开发数据管理业务中的流程和知识转变为可被计算机解读处理的数据;以数字化模型或人工智能的手段，获得自动化解决方案;以互联互通的业务系统，实现敏捷的数据发布过程和准确的信息协同。从而实现数据管理核心业务的再造、升级，构建体系竞争力，提升全业务链的总效率。

1 基础定义

产品数据是整车开发的数据源头，是整车企业数字化业务体系建设的基础[2]。而整车开发BOM，又称EBOM（Engine -ering Bill of Material，工程物料清单），是产品数据的核心和基本形式。整车开发BOM包含了工程零件的基本属性、工程信息、制造信息等，反映了工程零件的基本状态。整车开发BOM通过对所有工程数据的统一管理，为整车企业实现对工程数据的处理和应用，提供了一体化的管理平台。因此整车开发BOM的概念早就超越了工程物料清单管理的范畴，而成为跨部门、跨领域的管理体系[3]，如图1所示。

BOM（Bill of Material，造车物料清单）根据其不同阶段和用途，大致可以分为：工程BOM，工艺BOM，制造BOM，采购BOM及成本BOM等。不管是哪类BOM，其来源均为“工程BOM”（整车开发BOM），整车开发BOM作为工程主数据，其完整性和准确性直接决定了下游所有BOM业务的数据质量。同时整车开发BOM又始终处于动态变化之中，因此研究如何减少和消除整车开发BOM 数据问题，提高整车开发BOM正确率，对于保障整车开发、生产制造、运营管理等各项活动的正常开展意义重大。

整车开发BOM中一些常见基本字段、涵义及用途，如表1所示：通过以下字段的组合，可以唯一确定某一条零件记录。

2 数字化模型开发

不同的分析方法、模型构建等，对于数据特征探索、算法优化、问题解决效率影响重大。通过开发智能分析数字化模型，為整车开发BOM质量数字化管理提供重要支撑，例如：

2.1 基于“动态矩阵”的产品配置校验模型

2.1.1 整车描述概要

根据企业产品配置策略，通过一套编码系统描述汽车技术特征及功能构成，并通过定义技术特征间的逻辑关系，建立车型与零部件的关系，这套编码系统称为“整车描述概要”。“产品选项代码”通常为 3位数字或字母的组合，用于描述零件或工艺在车辆上体现的特征。“整车描述概要”通过“产品选项代码”和逻辑符号的组合构建选项在车型上的分布矩阵。逻辑符号及其含义如下表2所示：

如下图2示，“A60”和“F35”分别代表了两个“产品选项代码”。其与不同逻辑符号的组合分别定义每个选项在车型上可选或者不可选的特定条件，从而以逻辑语句的形式描述了车型上主体选项与其他选项的关系。

2.1.2 族的概念

“族”为三位字母的组合，具有相同命名或者特征的一组选项代码归为一族。“族”分为三种：模块族、常规族以及自由选项，如图3所示。不管是模块族还是常规族，同族内的选项互斥。对于模块族，每个车辆订单中必须有一个（且只能一个）属于该族的选项出现;对于常规族，每个车辆订单中可以有一个（且只能有一个）属于该族的选项出现。

2.1.3“动态矩阵”理论模型

本文提出一种核心为“动态矩阵”的产品配置智能校验模型。其实质是通过遍历同组零件中的所有“产品选项代码”信息，读取其所属的“族”信息，然后基于全部族代码，读取所有“族”中包含的全部“产品选项代码”， 最后生成“产品选项代码”全矩阵，如图4所示。

假设A为其中一个“族”，当A中有X个互斥的选项时，则A中可选特征个数a分别如下表3所示：

当A和B分别为两个常规族，且A中互斥选项个数X=2，则A中可选特征个数a=X+1=3。

当B中互斥选项个数也为X=2，则B中可选特征个数b=X+1=3。根据下图二维矩阵表所示：可生成所有组合总个数为Y=9。如下表4所示：

依次类推，假如X1“族”中包含i1个特征，X2“族”中包含i2个特征……Xn“族”中包含in个特征，Y为所有组合的总个数，则根据矩阵分布结果，可得出Y的总个数为：

然后通过遍历选项代码限制关系及产品规划书，去除无效的逻辑约束关系及不存在的产品配置组合，以减少冗余组合个数。最终用缩减后的矩阵组合与当前释放结果比对，再结合各产品选项代码实际百分比，则可以精确定位产品配置问题。

常见的产品配置问题分类，如下表5所示：

2.2 基于大数据的“关键指标”数据问题描述模型

近年来，随着企业数据量爆发式增长，传统的数据分析技术已经越来越难以满足企业对数据管理的需求。整车企业通过采用大数据技术，构建了新的数据管理生态圈。目前数据挖掘技术应用广泛。

数据挖掘（Data Mining，DM），又称为资料探勘、数据采矿，是指从大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的过程。经过大数据处理系统的分析挖掘，产生新的知识用以支撑决策或业务的运转。从数据在信息系统中的生命周期来看，大数据从数据源经过分析挖掘到最终获取价值，一般需要经过五个主要环节：数据准备、存储管理、计算处理、数据分析和知识展现[4]。如图5所示：

运用数据挖掘技术，大量数据可以被整合、使用，对整车产品数据的分析由常规分析转为深度分析，产品数据发布过程中存在的各种问题、引发因素及修正措施都可以被高效地分析并呈现出来。进一步将其模型化，形成知识沉淀，为产品、流程的优化提供决策依据。为便于对问题进行针对性地解决，现列举基于大数据分析的“关键指标”数据问题常见分类，如表6所示。

3 基于全生命周期的整车开发BOM质量管控过程

基于全生命周期的整车开发BOM质量管控过程，其实质是在整车开发全生命周期内，对整车产品数据质量进行全面管控，以保证整车开发流程中各节点产品数据的正确率[5]，满足不同业务部门的需求。如图6所示：

3.1 产品数据初始发布自动化管理

3.1.1 业务场景描述

对于新开发项目，“整车项目启动”节点冻结，启动产品数据初始发布工作。虽然此阶段尚处于项目开发的早期，未启动试制生产，但产品数据初始发布为产品设计的源头性工作，产品数据初始发布正确率对于保证基础数据质量、减少后期工程更改数量、控制和降低设计成本意义重大[6]。

3.1.2 产品数据初始发布自动化管理平台

传统的产品数据初始发布工作需要工程师根据产品项目规划书，手工检查并维护产品配置策略及整车零件，效率不高，准确率低。本文创建了一种全新的产品数据初始发布自动化管理平台，实现产品配置策略及产品零件数据发布的自动化管理。

通过建立底层数据库，实现产品数据发布逻辑内嵌平台中。用户在数据发布过程中，可以实现与系统的实时互动，即智能提醒、自动纠错。同时可以在线获取各种涵义解释、流程规范、发布案例等帮助信息。该平台还可以通过加载产品项目规划书，智能提取整车产品配置策略，建立当前工作平台与特定项目的产品配置策略的逻辑约束，当数据释放发生冲突的时候，自动提示报错。如上图7所示。

该平台通过为所有数据初始发布工作参与角色提供自动化解决方案，从数据发布、数据检查、数据维护及项目进度监控等各个维度实现了全过程的闭环式管理，数据发布工作更高效。

3.2 工程试制样车BOM核对自动化管理

3.2.1 业务场景描述

通常在工程试制样车造车前3～4个月（具体时间视项目的采购周期而定），启动工程试制样车BOM核对工作。工程试制样车作为正式量产之前的首次实体造车，对于验证产品数据正确性至关重要。工程样车BOM既包含了产品数据基本属性信息和零件数模信息，同时包含了物料管理信息、采购商务信息及必要的制造工藝信息等，结构复杂。而工程试制样车BOM核对工作，实质是对样车BOM的正确性进行核对和把关，确保工程更改正确实施，是实现由整车开发BOM向工艺BOM转化，由研发转换为制造的重要保障。

3.2.2 工程试制样车BOM在线核对平台

传统的工程试制样车BOM核对工作采用面对面核对的形式：系统接口复杂，BOM数据传递困难;各方关注自己需要的信息，上下游数据一致性差[7];管理效率低下，核对周期长;本文创建了一种全新的工程试制样车BOM在线核对平台。

该平台核心部分有三大模块：前处理模块、在线核对模块、后处理模块，见图8：

（1）前处理模块：加载最新的产品项目规划书，对试制样车“造车授权文件”进行自动校验，实现对上游输入的主动反查;并结合整车开发BOM自动生成初版试制样车BOM。

（2）在线核对模块：支持各方同时在线开展核对活动，实现并行工作。与数模管理系统、物料管理系统、紧固件管理系统及采购系统互联互通的平台接口设计，方便数据的调取。核对过程中智能提醒、在线帮助、自动纠错等功能确保核对过程更高效、精益。

（3）后处理模块：便捷的自动化方案支持后期数据的高效整合、查验、传递，同时为虚拟样车造车与实体样车造车提供准确的输入。虚拟造车与实体造车相互验证，保障开发活动顺利进行。

该平台的创建，实现了核对形式由线下转为线上，各用户可同时在线开展核对工作。深度的业务协同，实现样车BOM核对平台与各业务系统的互联互通，确保样车BOM数据在不同系统、不同部门之间传输的完整性和一致性。

3.3 整车开发BOM数据问题跟踪管理

3.3.1 业务场景描述

根据整车开发流程，一个车型年中需要对整车产品数据进行至少两次集中的校验：第一次在数据库初始创建之后，第二次在生产启动之前。其实质是通过对整车产品数据进行系统的梳理，发现问题、分析问题、跟踪解决问题，以确保最终交付生产的的产品数据正确率必须达到100%。

3.3.2 整车开发BOM数据问题跟踪管理平台

传统的整车开发BOM数据问题跟踪管理需要数据管理工程师手工生成整车数据校验报告，并联系相应的设计发布工程师予以确认和更正。传统做法存在明显弊端：1）信息量大，高度依赖人工经验;2）工序繁琐，手工操作量大;3）反馈周期长，进度难以控制。

针对传统做法存在的弊端，本文创建了全新的整车开发BOM数据问题跟踪管理平台。该平台主要包含了三大模块：

（1）智能分析模块：①采用基于“动态矩阵”产品配置校验模型，实现整车产品配置问题的智能分析。分析结果精确到零件、产品配置及具体错误类型。②采用基于大数据的“关键指标”问题描述模型，将分散在不同系统中的数据快速整合，实现对产品数据关键指标高效地深度分析，并自动匹配修改建议。

（2）可视化管理模块：支持各个维度数据报表的自动生成，为项目管理人员提供实时进度监控，促进问题尽快解决。

（3）自动跟踪管理模块：任务分发、反馈汇总均支持一键操作;工程更改流转状态自动自动更新;同时后台连接工作邮件系统，自动对未关闭问题持续跟踪。

通过该平台的运行，整车产品数据质量问题可以快速、准确、完整地呈现给用户，问题解决周期大幅缩短。

3.4 BOM变更管理及质量校验

3.4.1 业务场景描述

初始发布完成，首次冻结整车开发BOM，随后在产品及工艺验证、设计变更、预试生产、量产等过程发现整车开发BOM数据中存在的问题时，发布EWO（Engineering Work Order，工程更改指令）以更改BOM数据和产品相关文件。EWO流转过程共有起草、编辑、处理、实施、关闭五个阶段。产品数据发布工程师需要在EWO的“编辑”阶段对EWO进行检查，并在“处理”阶段维护系统数据及二次检查。如上图9所示。

3.4.2 整车开发BOM变更管理及质量校验平台

传统的整车开发BOM变更管理，通过手工方式将EWO中数据与整车开发BOM中现有数据进行逐条逐域的对比，校验 EWO中问题，并手工维护数据。

本文通过开发一种全新的整车开发BOM变更自动校验平台，实现了EWO质量校验及数据维护的全自动化。以“编辑”阶段数据校验为例，见图10：

该校验模型实现了四个维度的校验：1）正确性校验。实现EWO信息与现有BOM相关数据的对比，并自动标注更改历史。2）数据质量校验。采用基于大数据的“关键指标”数据问题描述模型，对EWO数据质量和工程规范进行全面地校验。3）产品配置校验。采用基于“动态矩阵”的产品配置校验模型，校验各组零件配置情况是否正确。4）工程更改一致性校验。实现对跨层级、跨项目、跨平台等数据更改一致性问题的校验。

通过采用该平台， EWO 在“编辑”阶段即可模拟更改生效情况，对产品配置进行校验，从而提前发现配置打散问题;通过建立丰富的数据校验模型实现多维度、多角度、更全面的问题校验，从而保证产品数据质量。

4 形成企业级的数据运行状态监控机制

项目运行过程中所产生的数据是帮助企业决策的重要因素，不正确或不完整的数据可能会导致决策错误或失败，这就使得企业必须重视对项目运行状态数据的管理。形成企业级的数据运行和状态监控机制。

4.1 构建完整而全面的信息流

传统企业内，不同部门、专业之间信息格式不一致，数据分散在不同的系统中，无法及时有效地传递。本文所创建的平台，通过采用互联互通的企业系统架构及大数据技术，实现了项目数据一源一出处，信息充分共享，项目运行信息在不同模块之间全面、透明传递。不同系统、业务、项目信息被有效地整合起来，数据之间建立实时的联系，从而构建了完整而全面的项目运行状态信息流。

4.2 设计公司级过程控制指标

整车开发BOM数据供几乎所有職能部门使用，涉及跨业务、跨部门的项目运行数据问题解决，需要公司全员参。为确保所有影响项目运行的问题能够得到高效解决，将特定数据运行状态上升为公司级过程控制指标[8]，并纳入年度考核体系，形成企业级的数据运行考核机制，如图11所示。1）数据发布过程中：数据管理方进行文件输入;数据问题管理平台完成数据自动分析;数据输出方接收到问题反馈并予以解决;项目管理方参与问题协调，确保问题尽快解决。2）数据状态冻结：数据库管理系统对于所有问题进行记录、分配、评定、验收等，并将统计结果反馈至绩效考核方，完成对项目数据运行状态的全面考核管理。

4.3 满足不同层级不同数据应用方式的需求

通过多维度整合、创新应用项目运行数据，使这些数据之间相互的联系，可以被实时获取并分析，满足不同层级对不同数据应用方式的需求。如图12所示：

执行层可以及时获取共享信息及指导，有针对性开展工作。管理层实现对项目运行状态和进度的实时监控，同时获取判断员工项目执行情况的量化依据。策略层实时获取多维度数据，对业务薄弱环节及其成因实现事前管控，增强前瞻性和预估风险的能力，从而确保企业得到健康良性发展。

5 总结

基于全生命周期的整车开发BOM质量数字化管理平台具备快速稳健的上下游系统整合能力、更全面清晰的流程追溯及高效的数据发布管理能力。该平台的上线及在多个项目的运行实施，对于提升产品质量、降低生产运营成本及缩短研发周期等发挥了重要作用。

随着人工智能、机器学习、模式识别、统计学、数据库、可视化技术的发展和在产品数据管理业务中的广泛应用，必将进一步带来研发效率和工程交付质量的提升，助力汽车研发从传统汽车工程开发向未来智能出行开发的升级进化。

参考文献

[1] 杨勇，屠强.配置化BOM规划与设计[J].汽车科技，2017（02）：28-33.

[2]冯晔，万海峰，徐举宏.一种面向汽车产品快速设计开发的BOM重用率计算模型[J].上海汽车，2016（03）：32-35.

[3] 谢博.制造型企业BOM数据转化研究及应用[D].重庆：重庆理工大学，2015.

[4] 蔡勤东.大数据时代：企业借助互联网成功转型升级[M].中国财富出版社.2015.

[5] 颜辉文.一文彻底看懂BOM[OL].[2018.4.1].http：//www.360doc. com/content/18/0401/09/43229875_741948364.shtml.

[6] 程陶园.提高汽车制造业海外项目造车BOM的准确性[J].企业科技与发展，2012（22）：11-15.

[7] 魏保国.对汽车企业而言，BOM工程师真的很重要吗？[OL]. [2018.7.31]. http：//tech.ifeng.com/a/20180731/45094524_0.shtml.

[8] 李茂，繆瑞清，刘丽，刘明光.如何提升BOM的准确率？[OL]. [2017. 7.21].https：//www.sohu.com/a/156616624_488176.