4. 制造数据资产盘点与评审范围界定

制造数据治理评审的第一步，不是急着查数据质量，而是先回答两个问题：我们有哪些制造数据资产？这次评审要覆盖到哪里？如果范围界定不清，评审要么因为铺得太大而无法收敛，要么因为漏掉关键数据域而失去业务价值。本节围绕六个核心制造数据域——研发、工艺、生产、质量、设备、供应链——说明如何盘点资产、识别数据域、划定评审边界，并给出可执行的边界界定方法。

一、制造数据资产盘点的对象与粒度

制造数据资产盘点不是简单列一张“系统清单”，而是以业务对象为锚点，向下梳理数据实体、数据项和数据流。盘点的最小单元建议落到“数据实体”一级，例如物料、BOM、工艺路线、工单、检验批、设备台账、供应商主数据等。每个实体需要记录：所属数据域、产生系统、责任部门、更新频率、被哪些下游系统消费、是否为主数据。

盘点的粒度要服务于评审目标。如果本次评审聚焦“生产与质量数据一致性”，那么盘点粒度应细到工单与检验批的关联字段；如果聚焦“主数据重复与口径不一”，则应细到物料编码、供应商编码等主数据实体。粒度太粗会掩盖问题，太细会拖慢评审节奏，通常建议以“实体 + 关键属性”两级展开。

二、六大核心制造数据域的识别

制造企业的数据域可以按业务价值链划分。以下六个域是评审中最常涉及、也最容易出现跨域断点的部分：

• 研发数据域：物料主数据、BOM、设计变更（ECN）、图纸与三维模型、设计版本。特点是变更频繁、版本关系复杂，是下游工艺与生产的源头。
• 工艺数据域：工艺路线、工序、工时定额、工艺参数、工装夹具、作业指导书。它承接研发输出，决定生产如何执行。
• 生产数据域：生产工单、派工记录、报工数据、在制品（WIP）、产线节拍、停机记录。数据量大、实时性强，是评审中数据质量问题的集中区。
• 质量数据域：检验批、检验项、抽样方案、缺陷代码、不合格品处理、SPC 数据。它依赖生产批次与工艺参数，是追溯链的关键环节。
• 设备数据域：设备台账、点检记录、维修工单、OEE、设备参数与状态信号。设备数据既影响生产节拍，也影响质量稳定性。
• 供应链数据域：供应商主数据、采购订单、到货批次、库存、物料齐套。它决定生产能否按计划启动，也是质量追溯的上游。

识别数据域时，建议用“业务对象归属 + 数据流向”双重判断：一个数据实体如果同时被多个域引用，应明确其主责域，避免出现“谁都管、谁都不管”的灰色地带。例如物料主数据通常归研发或主数据团队主责，但生产、采购、质量都是消费方。

三、评审边界的界定方法

边界界定不是“画一个圈把六个域全包进来”，而是根据评审目标做取舍。推荐用三步法：

1. 以业务问题定域：先明确本次评审要解决的具体问题，例如“生产报工与质量检验批次对不上”。由此锁定生产域与质量域为核心，研发、工艺作为上游引用域，设备与供应链视是否影响该问题再决定是否纳入。
2. 以主责域定责：对每个纳入评审的数据实体，指定唯一主责部门。跨域引用关系要记录“谁提供、谁消费、以谁为准”。例如工艺路线由工艺域主责，生产域只能引用，不能自行修改。
3. 以接口定范围：只纳入存在实际数据交换的实体。如果某系统与评审目标没有数据接口，即使属于同一业务域，也可暂不纳入，避免范围膨胀。

边界确定后，应形成一份评审范围清单，至少包含：数据域、数据实体、主责部门、产生系统、下游消费方、评审优先级。优先级可按“业务影响 × 数据问题严重度”排序，优先评审高影响、高问题的实体。

四、盘点与边界界定的实操示例

假设某离散制造企业要评审“工单到检验批的追溯完整性”。按上述方法，盘点结果可整理为下表（示例数据，用于说明方法）：

基于该清单，评审边界可界定为：以生产工单和检验批为核心实体，向上追溯物料主数据与工艺路线，向下关联到货批次；设备台账因与追溯完整性的直接关联较弱，列为观察项而非本次必审项。这样既覆盖了追溯链的关键节点，又避免了范围过大。

需要强调的是，评审边界不是永久固定的。随着治理成熟度提升，边界可以从“单点追溯”逐步扩展到“全价值链数据一致性”。但在单次评审中，边界必须清晰、可执行、可验证，否则盘点结果无法转化为具体的评审动作和整改项。