您现在的位置:e-works > 百味书屋 > 书籍列表 > 2017(第二届)工业软件与制造业融合发展高峰论坛论文集 > 浅析大数据背景下数字化协同研发平台的建设

第三章 软件定义企业新模式

第一节 浅析大数据背景下数字化协同研发平台的建设

北京计算机技术及应用研究所 闫耀文 姜楠
 

1 引言

        当前军工单位、科研院所投入了巨大的财力、人力,引进了数量众多的商业化软件,如设计软件、仿真软件及数据管理系统、制造执行系统等大型信息化系统,然而,这些资源、软件、系统大多呈现出分散无序的状态,各自为政的管理一部分数据或信息,伴随着研发业务数量的不断增长,对产品质量、研发效率等要求的不断提高,随之而来的研发数据量的指数级增长,数字化研发过程中信息化建设和应用的不足之处逐步显现出来:
        (1)信息化软硬件资源利用率低
        缺乏硬件资源管理和调度手段,不能充分发挥硬件资源共享优势,应用效率偏低;软件资源分配缺乏合理性,使用过程中没有应用高效准确的数据整合、信息统计方法导致软硬件资源购置及分配缺乏有效的依据。
        (2)设计数据等资源复用率低
        企业研发信息数据资源,例如设计用基础性数据的缺乏造成设计随意、规范性差,对后续工艺、生产、甚至物资管理、计划调度、交付等带来各种问题,产品三化无法落地,产品设计复用率较低,整体研发水平和能力很难提升。
        (3)工程研发流程规范性差
        目前的研发状态多是人员口头通知的方式进行设计工作上下游配合,无法实现信息化协同模式,没有结合业务实际发挥设计软件和研发平台的一体化流程优势,设计人员和管理人员总头疼于各环节的流程缺失、规范度低等造成的节点延误、返工、推诿等研发本身之外的问题。
        在如今“云计算”、“大数据”异常红火的背景下,建设面向航天军工信息化应用的协同设计研发平台,应用大数据技术中虚拟化、并行计算、数据统计等技术、规范研发项目流程,产品研发数据与项目管理互动,为科技院所用户研发及管理人员提供一体化的研发平台成为信息化建设的迫切需求。

2 大数据技术

        根据维基百科的定义,大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据主要表现为四个特征:海量的数据规模、快速的数据流转和动态的数据体系、多样的数据类型、巨大的数据价值。企业可以根据需求对大数据进行处理和分析,从而挖掘其价值。大数据的核心价值体现不在于数据的数量大,而在于数据的质量高,因此数据管理正是大数据价值得以实现的必经之路。基于此,大数据可以被定义为:以新数据处理技术为手段,在海量、结构复杂、内容多样的数据集中,以较快速度解析出规律性或根本性的判断、趋势或预见。
        军工行业中的数据呈现多样性、复杂性的特点,包括研发数据、制造数据、服务数据、管理数据等,其来源、用途、表现形式多种多样,不仅有结构化数据,并且拥有大量的非结构化数据。随着军工行业中数字化虚拟样机、虚拟试验仿真、虚拟制造等先进技术的不断应用,非结构化数据将越来越多。数据的异质化、个性化的特点将进一步显现,而这个特点也是大数据真正的本质所在。
        大数据背景下的企业信息化系统可以遵循以下整体架构如图1所示开展建设:

企业信息化系统总体架构图

图1 企业信息化系统总体架构图

3 数字化协同研发平台

        协同研发平台处于整个数字化研发体系的工程研制阶段,数字化研发是利用各种数字化工具、软件等对产品进行数字化设计、分析、仿真、试验/验证等,形成具备制造条件的完整数字化样机,并提供生产制造阶段的各类产品数据。工程研制阶段的数字化能力的综合应用决定了整个数字化研发体系的构成,是形成数字化研发体系的基础。
        3.1 数字化协同研发平台的体系结构
        数字化协同研发平台涵盖了数字化设计、计算、仿真工具以及数字化产品研制管理环境,即设计及仿真工具通过集成接口与数字化产品研制管理平台相整合,为研发人员提供一个虚拟的并行协同设计及仿真的集成工作环境,支持数字化产品定义、模型数据检查、机电一体化协同设计、协同工程计算、数字化仿真分析等研发工作。
        如图2所示,平台体系结构中重要的组成部分:
        (1)设计仿真系统
        建立完整的电子电气设计流程及仿真分析系统,实现与外部设计工具联合以构建统一的自动化管理流程,实现设计流程协同,在平台内实现涵盖PCB板级设计流程、线缆线束设计流程、SIP/FPGA/SOC设计流程和集成各类CAE工具的功能和环境。
        仿真分析支持各类仿真模型库的使用,提供基于DRC规则库的设计检查环境(含DRC规则库和检查工具)以及DFX的工艺验证环境(含DFX模型和验证工具),通过异构CAE集成接口可兼容仿真、优化工具,对仿真数据进行存取和使用,具备数据预处理、调用方法库开展综合分析获取仿真分析结果,相应的提高仿真、检查、验证与管理能力。

数字化协同研发平台体系结构示意图

图2 数字化协同研发平台体系结构示意图

        (2)研发数据管理系统
        建立覆盖产品开发技术链全部环节(结构设计、原理设计、物理设计、仿真、验证、工艺)的设计基础资源库,包括电子设计库、电气设计库、仿真模型库(如IBIS、SPICE、热学、力学仿真组件)、三维模型库、工艺模型库、工艺方法库。建立能为上述全范畴的设计资源库提供管理和应用支持的管理系统,为每个工程技术环节提供基础资源库的管理和应用支持。
        (3)快速设计平台
        快速设计平台构建采用组件形式,涵盖从产品需求定义到产品设计定型的各类参数化、快速设计等技术和管理平台,例如,可以接入参数驱动的电气设计平台系统、参数化模块化结构设计支持系统以及基于模型开发的软件生产线系统等各类快速设计系统。开展产品模块化、通用化和参数化设计,其主要目的是通过以参数、模型为基础的设计实现产品的通用化。
        建设数字化协同研发平台,集成、封装并调用各种产品研发所需要的专业设计仿真应用软件定义并管理产品的研发业务流程,控制设计仿真任务对各专业设计仿真软件的调用过程;控制和维系软件工具之间的数据流关系,管理各专业设计仿真软件所生成的与设计仿真对象、流程和相关的设计/仿真数据。通过快速设计平台、基础设计库等应用系统积累和重用产品研发业务流程,并为积累和重用产品设计仿真模型和经验数据提供工具和可能性。依据研发业务流程,对人员专业软硬件资源进行整合和协同,支持跨专业、多学科协同设计,实现业务流程自动化。
        3.2 数字化协同研发平台流程研究
        研发阶段、工艺阶段和生产阶段组成了机电一体化工程研发过程体系。数字化协同研发平台承担了其中研发阶段的主要工作任务和流程,主要完成各专业线的技术设计和仿真分析,同时基于产品的结构功能需求和专业相关性进行专业间的协同。研发阶段还包括宏观的产品研发规划、项目管理、产品数据管理及变更设计管理等。研发阶段的输入是产品开发需求,输出是设计图纸和数据。工艺阶段进行产品制造工艺的分析,分析基于产品的实体模型。生产阶段完成产品的制造、加工和装配。
        如图3所示,研发平台的流程体系,从管理范畴来讲,可以分为三个层次:资源管理、工程开发、产品管理。
        (1)资源管理
        建立并动态管理设计资源库,例如包括符号和封装的EDA库,结构三维库、电气设计库、仿真库、工艺方法库等。资源数据供工程研发使用,具有完善的数据管理流程和应用控制流程。
        (2)工程研发
        按照技术要求和技术研发专业流程实现各专业电气、结构的技术研发,只侧重于技术研发工作。研发平台的工程开发流程要根据企业实际业务要求,规划由设计、工艺到生产的一体化流程。在研发过程中,各专业工程师只需在平台内按照定制的流程进行设计文件和设计数据的流转及发送,改变原有的电话+口头通知的协作方式,规范设计行为,增强管理手段。
        (3)产品管理
        包括产品研发计划、项目管控、产品数据管理、变更设计管理等内容。产品管理向工程研发下达任务要求和技术要求,并接收来自研发层面的数据。数据经过初步的汇总、整合及筛选,可提供给计划管理、决策支持、物资调度等其他管理信息化系统,经过进一步的数据分析和可视化,展现给企业管理者和运营者。

数字化协同研发平台流程示意图

图3 数字化协同研发平台流程示意图

4 大数据背景下平台建设面临的挑战与思考

        在大数据的应用要求下,数据是关键点,不但需要超高速的运算、海量的数据存储能力,数字化协同研发平台的建设还要考虑以下几个方面:
        (1)提高数据的规范性
        高质量、规范化、格式统一的数据结构是进行数据挖掘、整合、分析的基础。企业标准体系框架,建立过程中要充分考虑研发过程数据的产生和使用,参考大数据、云计算、SOA等新兴技术标准制定相关的数据标准。在处理非结构化数据时,例如设计的三维模型、数字化样机,要针对其存储和管理的数字化协同研发平台中各应用系统,从参考架构、数据表示、访问接口、技术要求、测试要求等方面进行规范。在成功进行数据的规范工作后,在此平台基础上构建其他系统时,其设计、生产数据只需要按照规范数据结构进行开发和部署。在集中开发及实施时只需要关注平台中新建系统对不同数据来源的容错能力和优化能力,而不再关注数据是如何产生的、一个数据字段到底代表了什么含义等繁琐、错误率高的工作。统一的数据标准在不改变生产数据企业的工作量的同时有效降低企业信息系统开发及实施的难度。
        (2)提升可重用性能力
        存在牢固和一致的数据基础,便要考虑如何利用好大数据,提升大数据的使用能力。提高设计资源可重用性的关键是提高设计资源的可理解性,而提高可理解性的有效方法是将设计资源背后的推理和决策过程,以形式化的方式记录下来,将高层设计信息(需求、功能、原理、行为等)与底层的结构特征信息(产品、零部件、几何特征以及装配模型等)关联起来。也就是将设计过程和设计结果相结合,从而提高设计资源的可理解性。设计人员通过高层特征信息,可以方便地理解设计结果,有效地获取可重用的产品设计资源,并且将其应用于设计重用过程中。
        (3)提供高可靠性、通用化的按需服务
        在保障应用性能的前提下,最大化提高服务器、工作站的设备利用率,动态满足资源需求,采用虚拟化的多机备份和恢复、单机故障自动接管漂移、控制节点冗余等措施来保障服务的可靠性,在统一架构下集成支撑各类应用工具的运行和应用,提供一个庞大的硬件、软件应用资源池,用户可以按需订制设计、仿真等服务。通过任务队列以及历史任务等数据分析及统计,反映软、硬件资源利用情况,分析当前软、硬件配置短板及缺陷,帮助企业合理规划软硬件的投入与维护。
        (4)重视大数据时代的信息安全体系建设
        信息安全在任何信息发展阶段都占有不可忽视的重要地位,在对大数据发展规划的同时,应该明确其重点的保障对象,加强对敏感和要害数据的监管,制定设备特别是移动设备安全使用规程,规范大数据的使用方法和流程。加快面向大数据的信息安全技术的研究,研究基于大数据的网络攻击追踪方法,抢占发展基于大数据的安全技术的先机。培养大数据安全的专业人才,建立完善大数据信息安全体系。

5 平台价值及战略意义

        探讨大数据背景下的数字化协同研发平台的建设,便于设计人员应用此信息化平台,快捷并规范的开展产品设计研发,提供其高效的设计环境和高度流程化的管理环境。
        从设计研发角度来讲,针对电子、机械数字化样机研制及仿真验证需求,开展基于设计流程的协同交互的业务模式和仿真分析的过程管理研究,对于实现统一数据源管理的电子电气、结构设计协同和仿真分析环境,培养形成基于模型的电气、机械设计过程协同及设计数据管理的关键能力,突破参数化驱动电气设计、基于三维的模块化结构设计、数字化软件建模等关键技术,提高产品设计仿真一体化协作效率,实现专业化管理业务的创新是具有重要的意义。
        在管理和决策层面上,利用云计算技术或数据挖掘相关技术建立各类数据孤岛之间的联系,着眼于设计数据与经营数据之间的关联关系,探寻数据与人、生产、政策、利润间,数据与业务间的各种关联性,为企业决策提供全面的、准确的、更具实际意义的预测与辅助决策。

6 总结

        在未来的军工数字化研发体系中,面向大数据处理的平台或产品将成为信息化应用发展的重点,应积极研究相关产品和平台的技术及其应用,为产品设计、流程控制、数据处理提供有利的资源支持和有效的管理方法。