01 人工智能正推动产品生命周期管理(PLM)从数据存储向智能工程支持转型 离散制造领域的产品生命周期管理 (PLM) 市场正朝着人工智能 (AI) 辅助的生命周期管理方向发展。现代 PLM 平台嵌入了生成式和智能体 AI,以帮助工程师搜索技术文档、理解产品记录、识别相关问题、汇总信息并实现日常工作流程的自动化。这减少了手动搜索大型工程数据库所花费的时间,并帮助制造商重用现有知识。AI 的应用范围也在不断扩展,涵盖制造计划、质量管理和变更流程,使 PLM 转变为一个更加主动的决策支持环境。对于管理数千个组件和版本变更的离散制造商而言,这一发展可以提高工程效率、减少重复工作,并加强设计、制造、质量和服务团队之间的协调。 2026 年 4 月,PTC 推出了 Windchill AI Assistant,使制造团队能够使用自然语言查询来查找和总结存储在 PLM 产品文档中的信息。
01 日益复杂的产品需要一个互联的数字主干网 离散产品越来越多地将机械部件、电子元件、嵌入式软件、电池、传感器和其他互连系统集成在一起。如果使用各自独立的工程工具来管理这些元素,配置控制和产品变更将变得更加困难。产品生命周期管理 (PLM) 为物料清单、CAD 信息、版本、质量记录、需求和制造数据提供了一个通用的骨干网络。连接这些信息有助于工程和生产团队了解设计变更如何影响组件和下游流程。随着汽车对软件和电子元件的需求日益增长,这种复杂性在汽车制造领域尤为突出。因此,制造商正在投资 PLM,以加强可追溯性、配置管理、跨领域协作以及工程、制造执行系统 (MES)、企业资源计划 (ERP) 和质量系统之间的连接。
01 遗留数据和自定义设置使得PLM迁移既昂贵又复杂。 迁移仍然是一大制约因素,因为成熟的离散型制造商可能在旧系统中存储了数十年的CAD文件、物料清单、产品修订、自定义工作流程、集成和工程记录。将这些信息迁移到现代云PLM系统不仅仅是传输文件那么简单。企业必须评估数据质量、映射结构、验证迁移的信息、修改不受支持的自定义项、测试集成,并在不中断正在进行的工程项目的情况下管理运营切换。PTC指出,大规模PLM数据迁移可能是一个相当繁琐的过程,并建议在数据集较大时寻求实施合作伙伴。这些要求会增加项目成本、实施时间和组织风险,导致一些制造商尽管面临潜在的长期收益,仍然推迟现代化进程。
01 数字产品护照催生了对产品生命周期可追溯性的新需求 数字产品护照(DPP)为产品生命周期管理(PLM)供应商创造了重要的机遇,因为制造商将越来越需要超越工程和生产范畴的结构化产品信息。DPP系统可以包含产品整个生命周期中的材料、可持续性、可维修性、可回收性、环境影响、维护和合规性等数据。PLM已经管理着许多产品结构和生命周期记录,使其成为收集和维护这些信息的合理基础。这一机遇对于电池、电子产品、机械、车辆和其他受监管产品的制造商尤为重要。供应商可以通过扩展PLM,添加可持续性数据、材料可追溯性、合规性工作流程、API和DPP连接功能,从而构建从设计到使用再到报废的更广泛的数字化主线。
01 零件数据质量差会降低企业产品生命周期管理的价值 随着离散型制造商将产品生命周期管理 (PLM) 扩展到各个部门和地区,维护准确且标准化的产品数据仍然是一项重大挑战。不同的工程团队可能会创建重复的组件、不一致的命名规则、不完整的元数据,或者创建类似零件的不同版本。这些问题会增加库存、使采购复杂化、造成不必要的工程工作,并削弱自动化工作流程的可靠性。随着企业引入人工智能,这个问题变得更加重要,因为智能系统依赖于可靠的生命周期数据才能产生有用的结果。因此,制造商需要持续的数据治理、分类、重复检测、所有权规则和标准化的产品结构。成功的 PLM 转型不仅取决于软件的安装,还取决于维护可靠的企业产品数据基础。