编者按
本源：系统的起源与发展认识
PLM承担连接汇聚各类工具和应用的枢纽，通过集成多种类工具（如CAD、CAE、EDA、CAM、CAT等）和应用系统（如ERP、MES等）将工业软件、应用系统、人员和信息贯通。
发展：系统的新时代要求与内涵
PLM系统的新要求
当前，在数字化转型大背景下，PLM呈现新的发展趋势，如以文档为中心向模型数据为中心的业务范式转变，基于MBSE/MBD的正向研发和全三维研制应用更广泛、多层次跨领域业务协同更普遍、大数据/AI/知识工程等关键技术持续赋能、以及系统向平台化方向发展明显并提供可定制解决方案等。我们可赋予PLM新的内涵认识。
PLM是制造型企业数字化转型的抓手
PLM是体系推进自主可控应用的关键牵引
当前，我国工业软件领域形成多品类自主工业软件产品成果，并在局部应用点上发挥重要作用，但是尚未形成“点-线-面-体”的体系化应用格局。要体系化推动自主软硬件成果的工业应用，需发挥PLM的枢纽牵引作用，拉动覆盖基础设施、基础软硬件、工业软件产品和业务应用的立体全栈式自主可控应用，构建具备“实时、在线、安全、智能”特征的新PLM协同应用，支撑安全可靠的工业软件产业链和自主生态建设。
PLM系统的内涵
思考：PLM系统的建设思路设想
新一代PLM系统的“新”体现在“系统理念新、管理内容新、协同层次新、赋能手段新”四方面，理念上坚持系统思维，定位到推动企业研制范式和数字化转型的支持基座。管理上坚持数字思维，构建体系化的模型数据体系，数据范围更全、数据类型更多、管理粒度更细。协同层次方面秉持上游思维，围绕模型驱动，形成工程急需的模型“集、析、管、构、用”能力。技术上采用先进架构，融入人工智能、知识工程等，形成动态、灵活的构件化组装式应用，以及更快捷、精准的模型数据服务。
图2 PLM系统的框架思路示意图
夯实系统之基：开放性技术平台
全生命周期数字主线是PLM系统本源功能的固化和深化，效果体现为按照业务流程要求，将正确的数据在正确的时间递送给正确的消费者，完成从数据提供方到消费者（包含人员、工具软件、应用系统、设备等）的安全、高效递送。全周期数字主线包括以下关键能力，一是管理全生命周期数据，构成PLM系统的数据基础。二是全生命周期数据的结构化、参数化和模型化处理。三是通过模型数据的网络化管理，将数据从“孤立状态”连接为“连通状态”，形成经纬相通的数据网络。四是模型数据的业务赋能，即通过管控流程、技术流程和协同流程，为业务提供数据服务，并与可视化技术和工具深度融合，构成3D为主的直观、模型驱动的产品研制协同环境。
应用套件作为PLM系统的具象化表现形态，在平台化背景下要具备构件化特征，可随业务变化独立或组合运行。应用套件的来源包括几类，一是通过集成方式将各类工具软件（如MBSE工具、CAD、CAE等）纳管到系统管理。二是通过技术接口、数据库集成和流程集成等方式将应用系统接入。三是利用平台技术能力重构的业务套件。这些应用套件是支撑全生命周期业务应用的关键工具和生产力体现，是PLM系统提供解决方案的基本构件。
建议：系统的相关研发应用建议
以重大工程为牵引，筑牢产品工程能力和解决方案体系
工业软件需求来源于工业，赋能于工业。要在调研分析重大工程在技术、应用、资源、模式和运营等客观需求基础上，为工程提供可行、可靠的解决方案。
重点围绕工程，发现并识别重大技术机会，突破制约工程应用的关键核心技术，解决工程直接关切。同时，要结合实际场景，对产品进行再定义、再规划和再优化，明确系统功能、性能、易用性要求和指标，研发可靠软件产品，突出特色能力培育和形成，力争走出对标发展的老路子。
结合工程应用需要，加强分层分级的解决方案建设
结合工程需求，甄选、评估工程所需的自主工业软硬件生态伙伴，以PLM系统为牵引，联合打造适合工程需要的构件化、组合式应用，并具备适应业务变化的“快、灵”技术能力，支撑研制范式变革的动态性、长期性，为总体、分系统和配套单位提供实用、好用的个性化解决方案。
以工程需求为牵引，强化历史资源和系统平替能力
聚焦产品核心能力，打造自主可控的高质量软件
新一代PLM系统在产品上要采用减法思维，以模型数据为基础，更广泛集成各种MBD、MBE、MBX技术和工具，重点突破模型数据管理、数字样机应用、多层次业务协同等核心能力，形成跨代特征鲜明的PLM产品。
PLM系统能力构成包括集成维度、数据维度、模型维度、协同维度和数智维度的功能集。
数据维度是PLM系统的基本功能，历经近二十年发展已经相对成熟稳定，避免重复投入。集成维度要重点研发与各种工具的深度集成，实现多品类模型的解析、管理和应用。模型维度重点突出工程特性，强化模型的连续性，力争打通模型的应用全链条。协同维度重点聚焦到以模型数据驱动的协同场景，以及由此引起的IPT等应用模式变化，探索供需方协同论证、方案设计、设计仿真、设计制造等典型应用场景。数智维度结合工程场景加大人工智能技术应用，从智能知识推送、自动化模型识别处理、数字工程师等方面探索应用落地，将耗时耗力易错环节实现自动化和智能化，为业务人员提供AI赋能工具。
产品上建议采取“数据驱动做优，模型驱动做强、数智化做实”策略，数据维度做优，模型和协同做强，数智维度做实。
以国家创新战略为指导，加快PLM系统数智化进程
结语
