摘要: 新型工业化是中国式现代化的重要组成部分,离散制造正在从“先设计后生产”向“设计与制造并行”转型。针对离散智能装备领域中产品生命周期管理(Product Lifecycle Management, PLM)与企业资源计划管理(Product Lifecycle Management, ERP)单向线性集成所引起的审批滞后、计划抖动与供应链不稳定问题,提出并构建了基于部件级精细化状态驱动、动态变更窗口和数字孪生闭环反馈的三位一体并行协同框架。首先,通过引入九级状态标签,实现对变更管理与下发等关键环节的精细化管理;其次,设计双层可配置的频次与时段动态审批窗口,通过批次合并审批平衡响应速度与计划稳定性;最后,集成工厂级数字孪生模型,基于实时BOM与生产线数据实现仿真评估、可视预警、动态优先快速决策闭环。在某大型装备制造企业的验证中,该框架使平均审批周期由4.5天降至1.5天,计划抖动率由28.0%降至8.5%,二次返工次数由3.5次降至1次,显著提升了审批效率、排产稳定性与生产连续性。该方法丰富了产品生命周期管理与供应链协同的理论,为离散制造行业提供了一套可落地的并行协同解决方案。
Abstract: The new wave of industrialization is a vital component of Chinese-style modernization, and discrete manufacturing is shifting from a “design-then-manufacture” paradigm to parallel “design and manufacturing”. To address issues such as approval delays, plan fluctuations, and supply chain instability caused by one-way linear integration of Product Lifecycle Management (PLM) and Enterprise Resource Planning (ERP) in the field of discrete intelligent equipment, this paper proposes and constructs a three-in-one parallel collaborative framework. This framework is driven by component-level refined status management, dynamic change windows, and closed-loop feedback via digital twins. Firstly, by introducing nine-level status tags, the framework enables refined management of key processes such as change management and order release. Secondly, a dual-layer configurable dynamic approval window is designed to balance response speed and plan stability through batch consolidation and flexible approval frequency and periods. Finally, a factory-level digital twin model is integrated, enabling simulation evaluation, visual early warning, and dynamic priority-based rapid decision-making closed-loops based on real-time BOM and production line data. Application and verification in a large equipment manufacturing enterprise showed that the framework reduced the average approval cycle from 4.5 days to 1.5 days, decreased plan fluctuation rate from 28.0% to 8.5%, and reduced the average number of reworks from 3.5 to 1. These improvements significantly enhanced approval efficiency, production scheduling stability, and manufacturing continuity. The proposed method enriches the theory of product lifecycle management and supply chain collaboration and provides a practical parallel collaborative solution for the discrete manufacturing industry.
1. 引言
随着装备数字化、智能制造[1]、工业母机等战略的深入推进,离散制造业正面临迫切的数字化调整。工业5.0补充和完善了现有的工业4.0范式,强调以研究和创新为驱动力,向可持续、以人为本和具有韧性的工业转型[2]。产品的日益复杂、小批量且多样化加剧了设计迭代频次,传统PLM与ERP系统间单向、线性信息流已无法支撑快速响应[3]。尤其在离散型智能装备领域,零件级频繁变更造成ERP侧采购排产被动响应,审批流程冗长且各系统间信息孤岛明显,直接导致了计划抖动、交付延误与供应链不稳定问题,影响了企业的柔性制造与效率[4]。本文创新性地提出了九级状态驱动的部件变更管理机制、双层动态窗口模型,以及强化学习自适应审批优化方法,首次将数字孪生仿真深度集成于PLM-ERP协同闭环,实现了离散制造多目标敏捷决策,拓展了产品全生命周期管理的理论边界。
2. 协同机制问题分析
基于对典型离散制造企业的实地调研与系统梳理,从零件级状态管理[5] [6]、动态审批窗口[7]及数字孪生支撑[8]三个维度,诊断现有并行协同机制的关键瓶颈与短板。PLM‑ERP集成仅止于“产品发布 → BOM下发”阶段,导致:
1) 信息孤岛:PLM中草稿、审批中、预投产等多种状态仅在系统端可见,ERP侧仅能感知正式发布后的版本;
2) 反馈滞后:设计部门的迭代变更需等到下次“集中发布”窗口,ERP无法实时获取紧急或小范围调整;
3) 重复作业:ERP端需人工对比新旧BOM并手工更新,增加误差风险与运维成本。
2.1. 零件级状态管理环节薄弱
现行PLM系统多沿用“设计 → 审批 → 发布”三级状态,无法反映“拟变更”、“待下发”等关键环节,ERP在接收指令前对下游影响毫无预警。此外,审批流模式单一,小幅参数修订与结构性重构均需同级审批,既浪费高层资源,又延缓常规迭代响应,使ERP端无从分批分级预备,丧失并行执行与平滑切换的能力。
2.2. 动态审批窗口机制缺失
现行PLM系统多沿用“设计 → 审批 → 发布”三级状态,无法反映“拟变更”、“待下发”等关键环节,ERP在接收指令前对下游影响毫无预警。
2.3. 数字孪生支撑不足
尽管部分企业已构建数字孪生模型用于可视化与运维,但尚未与PLM‑ERP深度打通,变更前难以在仿真空间提前验证物料与产能影响,变更后亦未形成“仿真反馈 → 智能决策”闭环,仿真与执行脱节,数字孪生在并行协同中的预测与优化价值未能充分释放。
3. 改进机制设计与模型构建
3.1. 零件级状态管理设计
为消除“信息孤岛”与审批盲点,引入九级状态标签(S01~S09),同时在PLM中实现与ERP的触发规则映射,见表1。
Table 1. Mapping of 9-level component states and ERP interface
表1. 部件级九级状态与ERP接口映射
状态 |
状态名称 |
ERP规则 |
状态 |
状态名称 |
S01 |
未投产 |
无 |
S01 |
未投产 |
S02 |
首次投产 |
正式请购 |
S02 |
首次投产 |
S03 |
变更拟定中 |
无 |
S03 |
变更拟定中 |
S04 |
变更待审批 |
无 |
S04 |
变更待审批 |
S05 |
变更审批中 |
无 |
S05 |
变更审批中 |
S06 |
变更审批通过 |
预请购 |
S06 |
变更审批通过 |
S07 |
变更投产 |
更新BOM |
S07 |
变更投产 |
3.2. 动态机制窗口建模
为平衡变更响应速度与计划稳定性,构建“频次 + 时段”双层可配置的动态变更窗口模型:
1) 频次设定,见式(1):
(1)
2次/周,可由项目管理员在PLM参数化界面调整。
2) 时段定义,见式(2):
(2)
{10:00~16:00,周二/周五},在窗口外提交的变更将延至下一窗口审批。
3) 批次标识与审批合并:
在同一窗口期内提交的所有S03 → S04请求,系统自动打上批次编号Batch_k;批次编号驱动批量审批:审批完成后一次转S06并批量生成ERP下发指令。
3.3. 数字孪生反馈集成
为避免仿真与执行脱节,提出“仿真评估 → 可视预警 → 优先级调整”快速闭环,见式(3)、(4):
1) 仿真评估引擎
(3)
(4)
2) 可视化预警
在PLM仪表盘以热力图或趋势图形式呈现仿真结果。
3) 优先级与窗口节奏动态调整
基于强化学习的动态审批窗口优化机制见图1,将审批窗口调整建模为马尔可夫决策过程,通过实时采集审批任务量、历史审批周期、生产资源占用等多维数据,利用深度Q网络学习算法,动态调整审批窗口的长度和审批批次的合并策略。在数字孪生仿真平台中训练和验证后,系统可自适应不同业务波动,实现审批响应与生产排程的多目标最优平衡。对高风险批次优先排入下一审批窗口,系统根据预警信息延长窗口审批时长或启用“快速通道”,确保关键变更及时落地。
Figure 1. Dynamic approval window optimization mechanism based on reinforcement learning
图1. 基于强化学习的动态审批窗口优化机制
仿真评估引擎以BOM变更数据、当前生产线资源配置、实时库存状态作为输入,采用基于事件驱动的调度算法,模拟变更下达后的物料拉动、产能负载及瓶颈风险。其主要流程算法包括:1) 解析变更明细并生成事件队列;2) 逐步推进虚拟时钟,触发产线资源占用与订单推进;3) 在每个节点采集关键绩效指标;4) 输出变更风险分级、预警建议及产能适应性评价。评估结果将以可视化热力图与指标列表形式反馈至PLM仪表盘,实现变更方案的事前仿真验证。
4) DQN模型细节与训练过程
审批窗口动态优化采用深度Q网络(Deep Q Network, DNQ)实现,其状态空间S定义为:{当前审批任务量q、周期审批平均时长
、生产资源利用率r、历史计划抖动率d};动作空间A定义为:{窗口时长w ∈ [2, 5],合并批次数b ∈ [1, 5]}。奖励函数R设计如式(5):
(5)
模型以企业近两年历史审批与变更数据离线回放训练,采用经验回放与ε贪婪策略进行策略优化,迭代直至收敛。训练结果表明,DQN模型能根据业务负载波动自适应调整窗口参数,实现审批效率与计划稳定性的多目标最优。
4. 应用情境分析与价值验证
选取某大型装备制造企业试点项目,对比传统PLM-ERP线性交付与提出的改进机制在审批效率、计划稳定性及供应链表现方面的差异,验证改进机制实际价值。
4.1. 实验设计
试点背景:项目为某号零部件更新迭代,涉及200余项细节变更,传统流程平均审批耗时4.5 天、计划抖动率达28%。
方案A:单向BOM下发 → ERP手工对比 → 分散审批 → 拆单投产;
方案B:三级状态驱动 → 双周窗口集中审批 → 数字孪生评估预警 → 批次投产;
关键性能指标(KPIs):审批周期(天)、计划抖动率(%)、ERP二次返工次数(次/批);仿真设计:基于历史变更日志与ERP排产数据,构建离散事件仿真模型,对比在10次变更周期内的KPI。
离散事件仿真模型以批次变更审批为核心事件,假定变更请求服从泊松分布(λ = 4次/天),审批与下发过程严格依照窗口机制推进。资源约束参数包括工序最大产能、库存下限、供应交期分布,数据取自企业ERP近一年排产日志。仿真过程:1) 每周期随机生成变更事件,推入审批队列;2) 审批窗口到期后,系统批量审批并下发至ERP,驱动产线虚拟生产;3) 持续监控计划变更与返工触发,统计关键性能指标,支撑方案对比与敏感性分析。
4.2. 仿真模拟与评估
改进方案相较于传统流程在审批效率、排产稳定性和生产质量三项关键指标上均表现出显著优势,见表2:
Table 2. Comparison of key indicators for production launch plans
表2. 生产投产方案关键指标对比
指标 |
传统 |
改进 |
改善率 |
平均审批周期(天) |
4.5 |
1.5 |
66.6% |
计划抖动率(%) |
28.0 |
8.5 |
69.6% |
二次返工次数(次) |
3.5 |
1 |
71.4% |
平均审批周期从4.5天缩短至1.5天,计划抖动率从28.0%降至8.5%,二次返工次数从3次减少至1次,这表明“部件状态驱动、集中批次审批、数字孪生仿真评估”机制能够高效聚合设计变更请求、抑制频繁插单打断并提前识别物料与产能风险;实验通过在同一项目的两条产线、累计约200条变更记录、前后对比的方式收集数据,保证了内在一致性与初步的外部可迁移性;尽管测试期集中于旺季、仿真模型尚未完全覆盖全线工序,但结果已充分证明该并行协同框架对非标装备制造的实践价值。
5. 总结与展望
针对离散型智能装备制造领域PLM-ERP并行协同中的核心难题,本文提出并实现了“状态驱动、窗口审批、数字孪生反馈集成”协同优化框架。通过引入多级状态标签和工厂级数字孪生仿真,打通信息孤岛、优化审批流程,有效提升了变更管理效率,抑制了计划抖动,保障了生产连续性。结合基于深度强化学习的审批窗口动态优化机制,实现了审批节奏和批次策略的自适应调整,实验结果在审批周期、计划稳定性及生产质量等方面均表现出显著优势。未来,相关研究将进一步融合新产品开发(New Product Development, NPD)理念,推动数字孪生与PLM-ERP协同框架在跨职能并行工程、快速风险反馈和全生命周期管理等方面的深度应用。通过加强多部门协同与集成优化,提升强化学习驱动机制对新产品开发场景的适应性,为制造企业实现高效创新、敏捷响应市场需求和全流程质量保障提供有力支撑。