2. 制造数据全景与分类体系
制造企业的数据不是散落在各个系统里的“电子文件”，而是一条贯穿产品全生命周期的数据链。理解这条链，是建设数据目录和资产管理体系的第一步。本节从两个正交维度建立分类框架：一是按业务域划分数据产生的环节，二是按数据域划分数据的性质与用途，并进一步区分主数据与事务数据。掌握这套分类，才能在目录中为每份数据找到唯一、稳定的归属。
一、按业务域划分：产品全生命周期的七段数据
制造数据沿产品生命周期依次产生，可归纳为七个业务域。每个业务域都有其典型的数据对象、产生系统和责任部门。
- 研发数据：产品定义阶段的产物，包括三维模型（CAD）、仿真结果（CAE）、设计BOM（EBOM）、图纸、技术规范、设计变更单（ECN）。典型系统为PLM，责任主体是研发部门。研发数据决定了“产品是什么”。
- 工艺数据：把设计转化为可制造方案，包括工艺路线、工序卡片、制造BOM（MBOM）、工装夹具清单、数控程序（NC）、工艺参数标准。典型系统为CAPP/PLM，责任主体是工艺部门。工艺数据回答“怎么做”。
- 生产数据：执行制造过程产生的数据，包括生产工单、派工记录、报工数量、批次/序列号、在制品（WIP）状态、设备运行记录、物料消耗。典型系统为MES/ERP，责任主体是生产部门。生产数据记录“实际做了什么”。
- 质量数据：检验与质量控制的记录，包括来料检验（IQC）、过程检验（IPQC）、成品检验（FQC）、不合格品处理（NCR）、SPC控制图数据、质量追溯记录。典型系统为QMS，责任主体是质量部门。质量数据回答“做得合不合格”。
- 设备数据：设备全生命周期管理数据，包括设备台账、点检保养记录、维修工单、备件消耗、OEE指标、传感器时序数据。典型系统为EAM/TPM及IoT平台，责任主体是设备部门。设备数据反映“用什么做的、状态如何”。
- 供应链数据：物料与供应商相关数据，包括采购订单、供应商主数据、到货批次、库存台账、价格协议、供应商绩效。典型系统为ERP/SRM，责任主体是采购与供应链部门。供应链数据支撑“原料从哪来”。
- 售后数据：产品交付后的数据，包括销售订单、发货记录、安装调试、维修服务单、备件更换、客户投诉、退换货。典型系统为CRM/售后系统，责任主体是销售与服务部门。售后数据反馈“用得怎么样”。
这七个业务域并非孤立，而是通过关键标识串联。例如，一个产品序列号（SN）可以把研发的EBOM、生产的工单、质量的检验记录、售后的维修单全部关联起来，形成完整的追溯链。数据目录必须记录这些跨域关联关系，否则目录只是一堆孤立的清单。
二、按数据域划分：六类数据性质
业务域回答“数据从哪来”，数据域回答“数据是什么性质”。同一业务域内可能包含多种数据域的数据。常见的数据域分类如下：
| 数据域 | 定义 | 制造场景示例 | 典型特征 |
|---|---|---|---|
| 主数据 | 描述核心业务实体、跨系统共享、相对稳定 | 物料主数据、供应商主数据、设备台账、客户主数据、BOM | 变更慢、被广泛引用、需唯一编码 |
| 事务数据 | 记录业务事件发生的过程与结果 | 采购订单、生产工单、检验单、维修工单 | 随时间快速增长、有状态流转 |
| 参考数据 | 用于分类和标准化的码表 | 计量单位、物料分类码、缺陷代码、工序代码 | 相对静态、枚举值有限 |
| 分析数据 | 由事务数据加工形成的指标与模型 | OEE、良率、设备故障率、供应商准时交付率 | 派生、可聚合、面向决策 |
| 时序数据 | 带时间戳的连续测量值 | 温度、压力、振动、电流、转速 | 高频、量大、需降采样存储 |
| 非结构化数据 | 无固定字段结构的文档与媒体 | 图纸、工艺文件、检验报告PDF、现场照片、音频 | 需元数据描述、检索依赖标签 |
需要特别强调的是主数据与事务数据的边界。判断标准不是“重要不重要”，而是“是否被多个系统共享、是否描述实体而非事件”。例如，物料主数据描述“这个物料是什么”，被ERP、MES、WMS共同引用；而采购订单描述“某次采购发生了什么”，只属于采购业务。把事务数据误当主数据管理，会导致目录臃肿；把主数据当普通数据放任，则会造成一物多码、数据不一致。
三、分类体系的落地：编码与目录归属
分类体系要落地，必须给每份数据一个可计算的编码。推荐采用“业务域-数据域-序号”的三段式编码，例如：
RD-MD-001 研发域-主数据-物料设计主数据
PR-TX-014 生产域-事务数据-生产工单
EQ-TS-003 设备域-时序数据-主轴振动
QS-AN-007 质量域-分析数据-月度良率编码规则一旦确定，数据目录的归属判断就变成机械操作：先看数据产生于哪个业务环节，确定业务域；再看它是描述实体、记录事件、码表、指标、时序还是文档，确定数据域；最后分配序号。这样，不同人录入目录时能得到一致结果，避免“同一份数据被归到不同类目”的混乱。
四、全景关系图
下图把七个业务域、六类数据域以及主数据/事务数据的核心区分整合在一张关系图中。图中横向为业务域（数据产生环节），纵向为数据域（数据性质），交叉点标注了该业务域中最具代表性的数据对象。主数据以蓝色标识，事务数据以橙色标识，便于快速识别哪些数据需要跨系统统一管理。
从图中可以直观看到：主数据（蓝色）集中在研发、工艺、设备、供应链等环节，是跨系统共享的“骨架”；事务数据（橙色）分布在所有业务域，记录每一次业务事件；参考数据（绿色）为分类和标准化提供码表；分析数据（紫色）由事务数据加工而来；时序数据（青色）主要来自设备和工艺过程；非结构化数据（红色）贯穿全生命周期。底部追溯链说明，产品序列号是把七个业务域串联起来的关键标识。
五、分类体系的实际应用要点
建立分类体系后，在实际数据目录建设中要注意三点。第一，一数一源：同一份主数据只能有一个权威来源系统，其他系统通过接口引用，不能各自维护。例如物料主数据以ERP为权威源，MES和WMS只读引用。第二，分类粒度要适中：过粗会导致目录无法定位具体数据，过细会导致维护成本过高。建议以“一个可独立管理的数据对象”为最小粒度，如“物料主数据”而不是“物料编码字段”。第三，分类要可扩展：业务域和数据域都应预留扩展位，当企业新增业务（如新增再制造业务）时，能平滑加入而不推翻原有体系。