1
PLM支撑个性化定制
支撑个性化定制是工业4.0的特征之一。在工业4.0时代，个性化定制不像现在买汽车，只有颜色、型号等非常有限的选项，而是涉及到关键零件，如发动机。
选零件本质上已经是一种设计了。用户不是设计师，而设计是个专业性很强的活。要解决这个矛盾，就要用软件来支撑。这个软件就是PLM。PLM提供合适的部件，能保证用户所选的部件能与其他部件一起正常运转，且保证产品质量。从这种意义上说，PLM就像傻瓜相机：自动对焦、自动调光圈，让普通人也能照出近乎专业的照片。
２
PLM支撑智能生产
生产过程的智能化，有赖于智能工厂和智能产品。其中，智能产品就是依靠PLM开发出来的：一部分由研发人员设计，另外一部分由用户自行设计。设计软件的基础都是PLM。
在工业4.0的工厂中，智能产品就是一个CPS。这个CPS的虚拟部分，首先是由PLM设计出来的，然后再经过ERP将其与生产计划和具体部件挂钩，以便在工业4.0的工厂中由新一代的MES智能化地生产出来。
３
PLM支撑个性化服务
个性化定制的产品交付用户以后，会面临服务的难题：零件是个性化定制的，维修人员可能都搞不清设备具体用的是哪个型号的零件。如何有效地进行服务呢？个性化服务仍然需要个性化定制时的信息，而这个信息就是由PLM管理的。
于是，对一个特定的产品来说，在设计之初的PLM是设计图；生产的时候PLM是工艺方法；使用的时候PLM就是说明书，维修维护的时候PLM就是病历卡。这样就可以更加精准有效地服务了。
PLM对制造型企业转型的作用
如果说工业4.0是个漫长的发展过程，制造企业的转型则是企业面临的现实压力。制造企业转型的方向无非有两个：一个是研发、一个是服务。也就是‘微笑曲线’的两端。PLM对这两个方向的转型，都具有重要的支撑作用。
PLM为什么能支撑企业转型呢？把研发和服务看成一种生产过程，就容易明白了。传统产业主要生产实物，现代产业的竞争力则是生产‘知识产品’：设计图、工艺方法、软件等。为了提高生产效率，实物产品的生产经历了从手工劳动到工业化大生产的转变。同样的道理，‘知识产品’的生产同样也要提高效率。
现代化工业大生产是从流水线的发明开始的：也就是所谓的工业2.0。流水线生产之所以能提高效率，是因为压缩了不必要的劳动（如工人更换工具、来回走动）。每个人只做一件事。要做到这一点，必须很多人协作完成。而要协作完成，每个工序的操作必须标准化。
PLM的道理也是一样的：要提高‘知识产品’的生产效率，必须降低一切不必要的设计和创新。具体地说，就是要尽可能地采用已有的部件、知识和方法，解决新的问题、满足新的需求。而PLM正是用来管理这些东西的。同时，PLM还可以用在开发、生产、服务过程的协同。从某种意义上说，PLM就是用于‘知识产品’生产的ERP、MES。
‘知识产品’的生产要跟上时代潮流，也必须与信息技术相结合、以信息技术为工具，而这个工具就是PLM。
当然，要实现‘知识产品’生产的流程化，仅有信息技术还是不够的，必须与研发体制改革配套才行。这是题外话，此处就不多说了。
用好工业大数据必须借助PLM
大数据是近几年的热点。用好大数据，对未来的工业企业至关重要。然而可悲的是：大数据理论被有些别有用心的企业和所谓的专家绑架了，不了解的企业很可能会误入歧途。在某些‘砖家’眼里，大数据就是一堆金光闪闪的宝藏，随时可以换成真金白银。岂不知，非结构化的数据很难利用，‘沙里淘金’不仅是个花时间的力气活，也是个技术活：如果矿藏的品味太低，淘金也会是个赔钱的买卖。有些数据可以淘出金子，更多数据则依然是垃圾。
用好大数据的关键是建议一个合适的PLM。这是因为，PLM中的知识和数据，就像存在银行中的现金，是可以随时拿出来用的。数据、知识是一种非常值得投资的“现金”：会因为“存款”而增加，却不会因为“取款”而减少。
做PLM要花大力气
信息时代缺少的不是知识或信息，而是人注意力。PLM做不好，有用的知识和数据就会淹没在没用的数据和知识的海洋中，成为难用的废物。
要做好PLM，关键是做好数据和知识的结构。PLM的体系越大，结构就越重要。这就像图书的管理：如果家里只有几本书，随便放都可以找到。但如果是一个图书馆，有数以百万级的图书，就需要认真编目和存放了。没有编目和有序存放的图书，无异于一个废纸堆。
PLM的难点也就在这里。与ERP、MES相比，产品开发和服务的流程规范性很差，数据的规范性自然很差。所以，对知识和数据的结构化也就很难了。
PLM在离散制造行业发展的很快。但要将其运用到流程行业就很难了。原因是：流程行业的数据和知识面临‘组合爆炸’的风险，人们很难把握哪些数据和知识该存、哪些不该存。这样，PLM在执行过程中就会很不规范。
同样，要把工业2.0、3.0时代的PLM用到工业4.0时代，也会面临众多的挑战。正如《工业4.0》书中指出的，未来的产品已经成为一个系统，复杂性大大增加了。同时，PLM的数据管理，要适合CPS的要求。也就是说，对数据完备性的要求大大提升了。
这些矛盾如何解决？让知识自动地推送到需要它的地方。
具体地说，首先要将研发和服务的过程流程化、角色化。当特定的角色进入特定的流程时，真正有用的知识会自动地推送到他的面前。这时，要把研发和服务看成一种知识的生产，把需要推送的‘知识’看成一个零件，把推送知识的系统看成智能的生产系统、把传统的PLM看成现代化的无人仓库。而这套‘生产系统’需要更高级别的知识来管理。这大概就是安筱鹏司长所说的‘系统的系统’吧。
这些道理说起来还是容易的，做起来会非常不容易。这不仅是技术问题，还是企业战略问题、企业文化问题、是投资问题。开发一套真正具有生命力的PLM，是件非常辛苦的工作、是件‘黑发人熬成白发人‘的工作。
特别地，数据需要积累到一定程度，才能发挥关键作用。一个成长性良好的PLM可以变成‘龙’，成长性差的则会变成‘虫’。PLM本身的成长性就必须受到足够的专注。这或许是PLM成败的关键因素。
天下没有免费的午餐，成果必须通过辛勤的劳动才能获得。如果把工业4.0、工业大数据看成是人们梦寐以求的“果实”，PLM的建设则是种树。关注工业4.0、关注工业大数据的企业，应该把注意力集中在PLM上。这是需要长期不懈、踏踏实实实践的工作。
转自西门子工业软件官方微信公众号【solidedge联盟】，如果有任何需要向我们咨询或者帮助的地方，欢迎在公众号下面留言。