4. 历史数据源类型与接入方式

历史数据迁移项目失败，往往不是败在目标端Teamcenter的建模上，而是败在对源端“家底”认识不清。旧PDM、ERP、文件系统、数据库这四类源，在数据组织方式、访问协议、可追溯性上差异极大，接入方式选错，后续清洗和映射会成倍返工。本节先建立源类型与接入方式的对应关系，再给出可落地的技术选型判断。

四类源的本质差异

旧PDM是结构化程度最高的源。它通常自带对象模型：零部件、图纸、BOM、版本、生命周期状态、签审记录，且对象之间已有主外键关系。接入时优先走其API或数据库只读视图，能直接拿到“对象+关系+版本”三件套。风险在于旧PDM的元模型与Teamcenter的Item/ItemRevision/BOMView语义并不一一对应，例如旧系统的“版本”可能同时承担了修订版和版次两种含义。

ERP的核心是物料主数据、BOM、工艺路线和变更单。它的强项是编码规则和业务属性（物料类型、采购类型、工厂视图），弱项是图文档和三维模型——ERP里通常只有物料号，没有几何数据。接入ERP应以增量接口或中间表为主，重点抽取物料主数据与BOM结构，用于与PDM侧数据做编码对齐。

文件系统是最“脏”的源。共享盘、归档目录里堆着图纸、PDF、Office文档、压缩包，文件名可能包含编码、版本、图号，也可能完全无规律。接入文件系统不是简单拷贝，而是要做“文件—元数据—对象”的关联重建：通过文件名解析、目录结构推断、文件头校验，把散落文件挂到正确的对象上。

数据库源包括旧系统直接暴露的库表、历史归档库、以及业务系统导出的中间库。它的优势是数据量大、可批量、可SQL加工；劣势是缺少业务语义，表名和字段名往往是缩写，需要结合数据字典和业务人员访谈还原含义。

接入方式的技术选型判断

选型不是“哪个先进用哪个”，而是看源系统的可访问性、数据量和语义完整度。以下判断可直接用于项目启动阶段的源系统评估。

文件系统接入的实际处理过程

文件系统接入最容易被低估。假设某企业共享盘中有约12万个图纸文件，目录结构为“项目号/专业/图纸类型/文件名”，文件名格式为“图号_版本_名称.dwg”。接入过程分四步：

1. 扫描与清单化：遍历目录，记录文件路径、大小、修改时间、扩展名，生成文件清单表。对每个文件计算SHA-256哈希，用于后续去重。
2. 文件名解析：用正则表达式提取图号、版本、名称。例如 ^([A-Z0-9\-]+)_(V\d+)_(.+)\.(dwg|pdf)$，解析失败的文件进入异常清单，由业务人员人工确认。
3. 文件头校验：读取文件前若干字节判断真实类型，防止扩展名与实际格式不符。例如DWG文件头为“AC10”，PDF为“%PDF”。
4. 对象关联：用解析出的图号与PDM/ERP侧物料号做匹配，建立“文件—对象”关联表。匹配不上的文件标记为“孤立文件”，不直接丢弃，保留在暂存区供后续处理。

数据库源的语义还原

数据库源最大的障碍是字段名不可读。例如旧系统表 T_MAT 中有字段 MAT_NO、MAT_TYP、STD_FLG，仅看字段名无法确定 STD_FLG 是“标准件标志”还是“状态标志”。实际做法是：先导出数据字典和样本数据，再结合业务访谈建立字段语义映射表。例如：

源表: T_MAT
字段          样本值        推断语义
MAT_NO        A-1023        物料编码
MAT_TYP       01/02/03      物料类型（01=自制件,02=标准件,03=外购件）
STD_FLG       Y/N           是否标准件
REV            A/B/C         版本号
EFF_DT        2019-06-01    生效日期

语义还原后，才能把源字段映射到Teamcenter的属性上。对于无法确认的字段，不要猜测，应列入待确认清单，由业务人员签字确认后再进入映射。

多源接入的统一暂存策略

四类源接入后，不建议直接写入Teamcenter，而应先落入统一的迁移暂存区。暂存区至少包含：原始快照表（保留源数据原貌）、编码对齐表（记录源编码与目标编码的对应关系）、文件清单表、异常记录表、校验日志表。这样做的价值在于：迁移过程可回放、可审计、可断点续传；当映射规则调整时，只需重跑暂存区到目标端的转换，而不必重新访问源系统。

技术选型的最终判断标准只有一条：接入方式能否稳定、可重复地拿到“对象+关系+文件+属性”四类数据，并且能说清每条数据的来源和转换过程。能做到这一点，后续的映射、清洗和加载才有可靠基础。