一、浅谈产品生命週期管理中的大数据概念

　　在产品开发流程探讨文献中，产品生命週期管理（PLM, Product Lifecycle Management）始于二十世纪末，产品的生命週期包括产品设计、工艺开发、产品製造、产品分销、产品使用、售后服务、产品回收等阶段。企业为了缩短产品开发週期、改善新产品的开发和降低製造成本，因此针对此一流程进行设计与管理。麦肯锡全球研究所的技术报告指出，大数据(Big Data)在PLM之运用将渗透整个製造业价值链，主要在研发、供应链管理、製造、服务等。“大数据”不只是收集每个使用者使用上的数据，是透过感知器，自动侦测收集生产与检测资讯，相互传递沟通，串联工厂、供应商、通路商及终端消费者，同时建立合作分配资源的网络。“大数据”的供应链管理（SCM）与传统的差异在于运用「预测分析」，「减少浪费」和「快速回应」。

　　在PLM中应用“大数据”的主要优势

　　●提高产品设计的品质和创新，实现社会化设计。

　　●社会化设计：互联网上搜索使用者的反馈，这些反馈可以快速参与

　　●在“大数据”分析的帮助下进入产品设计能力。

　　●提高生产的準确性，品质和产量。

　　●提供準确，高品质，个性化的产品服务。

　　●加快IT，製造和操作系统的整合进入智能製造时代或工业4.0。

　　●準确预测产品需求。

　　●準确预测供应商的绩效。

　　●为製造设备提供智能传感，管理和维护。

　　●监督和控制能源消耗和排放。

二、大数据在产品生命週期管理与系统整合之我见

　　若从全面品质管理的角度切入来谈，影响产品品质的因素有很多。

　　●人：指设计或研发人员，以及製造产品的人员等。例如，设计变更多次、流程太多、资讯传递有误。

　　●机：指研发过程所用的设备，以及製造产品所用的生产设备。例如，实验设备、测试机台、检测设备。

　　●料：指製造产品所使用的材料。例如，原材料或半成品无法再使用、生产过量、成品库存和不良品库存。

　　●法：指製造产品所使用的方法。例如，模具上下机台多次、喷漆製程、电镀製程、半成品重工。

　　●环：指产品製造过程中所处的环境。例如，塑胶射出成型环境不佳、喷漆粉尘。

　　为了解决上述问题，所以探究大数据在产品生命週期管理与系统整合之运用，从产品设计到电脑辅助设计CAD，协力厂参与协同设计，设计资料整合到生产设备，製程机器或生产机器设备透过感知器，自动侦测收集生产与检测资讯，相互传递沟通(回馈与及调整参数)，而生产机台自动装卸换模，同一条生产线可生产不同产品，製程设备及料品均以及时到位拉式生产。最理想的情况是终端客户实际销售资讯，透明化让参与生产之协力厂及时获得讯息，终端客户、经销商及工厂协同预测自动补货，生产与销售资讯100%以系统及时监控，满足大量客製化订单之需求。

　　我认为辅导必须要从产品生命週期管理与各系统之间的关係来说明，资讯系统如PLM、KM、ERP、MES、SCM、CRM、EC等，让企业主了解，如何进行资讯上与平台的整合，让顾客、企业、工厂、供应商转变成为可以面对动态的订单、缩短前置时间，一条龙的概念。

　　产品生命週期管理（PLM）的三个主要阶段：BOL：是产品概念生成，设计和随后物理实现。在BOL中，“大数据”可以辨别客户的需求，智能地指导产品设计。MOL：是产品由客户或工程师分发、使用、维护的时期。产品的品质和设备的磨损可以通过“大数据”，物联网和云容量的结合进行监控。在MOL中，从产品转化为为客户服务。EOL：是产品回收或处置的期间。

　　大数据重点如右，资料蒐集、感知器适当位置、感知器介面、网路、伺服器、设计分析资料模型、设计辅具、资料处理、系统安全性、监视与控制、即时分析等。数据收集应包括产品资料、设计资料、工程资料、採购资料、製造资料、销售资料、服务资料、成本资料、品质资料，分析后资讯可作为判断最佳处理方式或策略方向拟定。

结语

　　未来的挑战包括数据收集、存储、传输、安全性、可视化、数据分析。企业除了从生产、经营、管理模式作价值提升，更重要的成功关键是培训跨领域或跨经验的人才，企业才能迈向高值化，加速落实成长的目标。个人斗胆提出上述浅见，期盼与各界先进多多交流！

参考文献：Int J Adv Manuf Technol (2015) 81:667–684 ; Jingran Li1 & Fei Tao2 & Ying Cheng2 & Liangjin Zhao3