1. 课程导入
欢迎进入《数字产品护照工业数据工程》课程。在正式动手搭建数据管道之前，我们需要先回答三个问题：数字产品护照（Digital Product Passport，DPP）到底是什么？为什么它需要"工业数据工程"而不是简单的表单填报？这门课将带你走一条怎样的学习路径？本章作为全课程的入口，帮助你建立整体认知地图，避免后续学习时"只见树木不见森林"。
一、数字产品护照的定义与本质
数字产品护照是附着于某一具体产品（或批次）的数字身份档案，它通过唯一标识符（如二维码、NFC 标签、DataMatrix）关联到一组结构化数据，记录该产品在全生命周期中的关键信息：材料成分、来源供应链、碳足迹、合规声明、维修与回收指引等。监管层面，欧盟《可持续产品生态设计法规》（ESPR）与《电池法规》已明确要求部分品类在投放市场前必须具备可机读的 DPP。
理解 DPP 的关键在于：它不是一张静态的 PDF 证书，而是一个可解析、可验证、可追溯的数据对象。它的价值来自数据在供应链上下游之间的可信流动，而非文件本身。因此，DPP 的落地本质是一个数据工程问题。
核心判断：DPP = 唯一标识 + 结构化数据模型 + 可信数据源 + 可访问接口。四者缺一不可，任何一环缺失都会导致"有护照、无数据"的空壳现象。
二、为什么需要工业数据工程
制造企业的数据通常散落在 ERP、MES、PLM、WMS、供应商门户和实验室系统中，格式各异、口径不一。DPP 要求把分散的原始数据抽取、清洗、映射到统一的数据模型，并保证其可追溯、可审计。这正是工业数据工程要解决的问题：把"数据孤岛"转化为"可信数据链"。
下面这张图展示了 DPP 数据从工业现场到对外护照的完整链路，也是本课程后续章节将逐一拆解的对象：
三、课程整体框架与学习路径
本课程共 30 章，按"认知—建模—工程—发布—运维"五个阶段递进。每一阶段都对应 DPP 落地中的一个真实工程环节，而不是孤立的知识点。
| 阶段 | 核心内容 | 产出物 |
|---|---|---|
| 认知奠基 | DPP 定义、法规背景、数据工程角色 | 需求清单与合规字段表 |
| 数据建模 | 数据模型设计、标识符体系、字段映射 | DPP 数据模型与映射规则 |
| 工程实现 | 数据抽取、清洗、质量校验、血缘追踪 | 可运行的数据管道 |
| 发布与访问 | API 设计、二维码/NFC 绑定、权限审计 | 可解析的护照服务 |
| 运维与复盘 | 版本管理、异常排查、持续合规 | 运维手册与改进方案 |
四、典型场景：一块动力电池的护照数据
以动力电池为例，其 DPP 需要记录正极材料来源、钴镍含量、碳足迹、回收比例、健康状态等。这些数据分别来自供应商声明、MES 工艺记录、实验室检测和 BMS 运行数据。工程师需要把它们统一到同一数据模型下，并保证每个字段都能回溯到原始记录。
{
"passportId": "DPP-BAT-2024-000871",
"productCategory": "industrial-battery",
"carbonFootprint": { "value": 62.4, "unit": "kgCO2e/kWh" },
"materials": [
{ "name": "cobalt", "massFraction": 0.061, "source": "SUP-0231" },
{ "name": "nickel", "massFraction": 0.332, "source": "SUP-0117" }
],
"dataLineage": "MES.LOT-88213 -> clean.battery_master -> dpp.battery_v3"
}可以看到，护照中的每个数值都不是"填"出来的，而是从上游系统经过抽取、清洗、映射后生成的。这正是工业数据工程的价值所在。
五、常见误区与学习建议
误区一：把 DPP 当成一次性合规文档。实际上它是持续更新的数据对象，产品维修、回收后数据仍需追加。
误区二：先做页面，后补数据。没有可信数据源的护照页面只是空壳，无法通过审计。
误区三：忽视标识符设计。标识符一旦混乱，后续所有追溯和关联都会失效。
学习建议：每学完一章，尝试用自己熟悉的产品（如手机、家电、电池）套用该章方法，形成一个小型练习。课程强调"可运行、可验证"，请务必动手实践数据抽取与映射环节。
本章建立了 DPP 的整体认知：它是产品全生命周期的可信数据档案，其落地依赖工业数据工程完成从数据源到护照服务的链路建设。接下来的章节将沿着这条链路，逐层深入数据模型、抽取治理、质量校验与发布访问的具体方法。