چگونه یک چارچوب مدیریت داده برای دارایی های داده مهندسی توسعه دهیم

سازمان های مهندسی حجم زیادی از داده ها را تولید می کنند - از مدل های CAD و خروجی های شبیه سازی گرفته تا نتایج آزمایش و معیارهای عملکرد زمینه را بدون چارچوب مدیریت داده ساختار یافته، این داده ها تقسیم می شوند، متناقض و دشوار است اعتماد به نفس، یک چارچوب مدیریت خوب طراحی شده تضمین می کند که دارایی های داده های مهندسی دقیق، ایمن، سازگار و قابل دسترس برای افراد مناسب در زمان مناسب است.

مرحله 1: اهداف و محدوده را تعریف کنید

با توضیح اینکه چرا حکومت برای داده های مهندسی شما اهمیت دارد، اهداف مشترک شامل بهبود کیفیت داده ها برای شبیه سازی و تجزیه و تحلیل، اطمینان از ردیابی در صنایع تنظیم شده، کاهش داده های تکراری یا منسوخ شده و امکان استفاده مجدد داده ها در پروژه ها بدون هدف روشن، تلاش های حکومتی می تواند متوقف شود یا بیش از حد بوروکراسی شود.

تعریف محدوده به همان اندازه مهم است. تعیین کنید که کدام دارایی های داده تحت حاکمیت قرار می گیرند: مدل های طراحی، لایحه مواد (BOM)، داده های تست، log سنسور، مستندات انطباق، یا تمام موارد بالا، محدوده اولیه را برای یک خلبان قابل کنترل، مانند یک خط محصول یا بخش مهندسی، سپس گسترش آن را به طور غریزی توسعه می دهد تا اهداف اولیه مدیریت با نتایج کسب و کار مانند دامنه سریع تر تضمین شده در سیستم های سفارش داده های مورد انتظار، و یا سیستم های منشور.

مرحله دوم: شناسایی ذینفعان و نقش ها

حکومت بدون مالکیت روشن شکست می خورد، یک شورای حکومتی متقابل را با نمایندگان مهندسی، IT، قانونی، انطباق و مدیریت داده ها ایجاد می کند، در داخل شورا نقش های خاصی را تعیین می کند: صاحبان داده (مؤمنان یا مهندسان مسئول کیفیت داده ها و امنیت در دامنه خود)، [FLT 2: 2] ناظر داده ها [F] و کارکنان ناظر (F3:4 و نظارت بر زیرساخت ها:

برای داده های مهندسی، مراقبان خاص انضباطی را در نظر بگیرید - به عنوان مثال، یک مباشر طراحی مکانیکی (CE) تضمین می کند که قراردادهای نامگذاری فایل CAD دنبال می شود، در حالی که یک مباشر شبیه سازی مجموعه داده های ورودی را تأیید می کند.آموزش و توصیف های مشخص نقش کمک می کند تا به طور منظم بررسی وظایف نقش به عنوان پروژه های تکامل یافته، بررسی شوند.

مرحله 3: ایجاد سیاست های داده و استانداردها

سیاست ها قوانین را برای مدیریت داده ها تنظیم می کنند، در حالی که استانداردها این قوانین را قابل اندازه گیری و قابل اجرا می کنند.با یک سیاست مدیریت داده سطح بالا که طبقه بندی داده ها (عمومی، داخلی، محرمانه، محدود)، اصول کنترل دسترسی، دوره های حفظ و به اشتراک گذاری داده ها در تیم های مهندسی و شرکای خارجی.

ترجمه سیاست در استانداردهای بتنی.برای دارایی های مهندسی، این شامل [FLTIST] استانداردهای داده (به عنوان مثال، با استفاده از ISO 10303 برای داده های محصول)، کنوانسیون های مرجع (FLT3) برای فایل ها و داده های قابل دسترسی، [F:4AMA] پروتکل های کنترل [F:5: [F] و [F شبیه سازی نمونه ها [F]

مرحله 4: پیاده سازی فرآیندهای مدیریت داده

فرآیندها سیاست هایی را به زندگی می رسانند.تمرکز بر چرخه عمر داده ها – از ایجاد یا مصرف تا فرآیندهای کلیدی بایگانی یا حذفی – شامل:

  • بررسی کیفیت داده ها: قوانین اعتباری خودکار که مقادیر از دست رفته، غیر رسمی، و یا ناسازگاری فرمت در نقطه ورود.
  • ردیابی خط لوله داده: تحولات ضبط و نقشه برداری منبع به هدف، بنابراین مهندسان می توانند نتیجه را به داده های خام خود ردیابی کنند.
  • گردش کار اجباری: [FLT 1] برای تغییرات در مجموعه داده های انتقادی، مانند بازنویسی یک سناریو آزمون پایه یا به روز رسانی خواص مواد.
  • کاتالوگ داده ها: ذخیره موجودی قابل جستجو از دارایی های داده های مهندسی با متاداده مانند تاریخ خلقت، مالک، نسخه و محدودیت های استفاده.

از ابزارهایی که با سیستم های مهندسی ادغام می شوند (PDM، PLM، سیستم عامل های شبیه سازی) استفاده کنید، یک CMS بدون سر مانند Directus می تواند به عنوان یک مرکز مدیریت داده، اتصال به پایگاه های داده موجود و افشای متاداده از طریق API ها. Automate وظایف تکراری مانند کیفیت داده ها و اطلاع رسانی داده های استل برای کاهش دستی.

مرحله پنجم: اطمینان حاصل کنید که سازگاری و امنیت

داده های مهندسی اغلب تحت تعهدات قانونی و قراردادی دقیق قرار می گیرند - ITAR، GDPR، HIPAA یا استانداردهای خاص صنعت مانند AS9100 برای هوافضا. کلاس اطلاعات با توجه به حساسیت و اعمال کنترل های مناسب:

  • ] کنترل دسترسی: مجوز مبتنی بر نقش محدود کننده که می تواند مشاهده، ویرایش و یا حذف دارایی های داده خاص.
  • رمزگذاری: در استراحت و در حمل و نقل، به ویژه برای فایل های طراحی اختصاصی یا اطلاعات شخصی قابل شناسایی.
  • رد پای: همه دسترسی ها و تغییرات را به داده های مهندسی حساس وارد کنید، با حفظ مطابق با الزامات انطباق.
  • ماسک زدن: برای مجموعه داده های مورد استفاده در تظاهرات یا آموزش، حذف یا مبهم ارزش های محرمانه.

انجام حسابرسی های منظم انطباق با استفاده از اسکنرهای خودکار که مجوز علیه سیاست را تأیید می کنند. چارچوب امنیت سایبری یک مرجع مفید برای ساختار کنترل های امنیتی است.

مرحله 6: نظارت و بهبود

مدیریت یک پروژه استاتیک نیست - آن نیاز به اندازه گیری مداوم و اصلاح شاخص های عملکرد کلیدی (KPIs) مانند درصد تکمیل داده ها، زمان برای حل مسائل کیفیت داده، نرخ انتقال حسابرسی انطباق و استفاده از ابزارهای کاتالوگ داده است. ایجاد داشبورد قابل مشاهده برای رهبران شورا و مهندسی.

بررسی های دوره ای (به طور جزئی یا غیر منصفانه) برای ارزیابی اینکه آیا سیاست ها و فرآیندها هنوز متناسب با نیازهای سازمان هستند، بازخورد از مباشرهای داده و کاربران نهایی را از طریق نظرسنجی ها یا کارگاه ها ارزیابی می کنند، از بینش هایی برای به روز رسانی استانداردها استفاده می کنند - به عنوان مثال، اضافه کردن زمینه های جدید متاداده برای پشتیبانی از یادگیری ماشین یا ساده سازی جریان های کاری تایید که تنگنا تبدیل شده اند، بهترین شیوه های در حال ظهور از صنایع (F: ۸۰۰۰) و کیفیت آنها را ردیابی می کند.

غلبه بر چالش های مشترک

حتی با یک طرح جامع، ابتکارات حکومتی اغلب با چالش های فرهنگی مواجه می شوند – مانند مهندسانی که به حاکمیت به عنوان یک بار اداری نگاه می کنند – می توانند با نشان دادن پیروزی های سریع به کار بردن داده ها و یا اینکه چگونه کاتالوگ داده ها ساعات جستجو را ذخیره می کند، حل شوند. یکی دیگر از موانع، سیلوی داده ها در بخش ها یا ابزار است؛ این ها را با ایجاد موافقت نامه های اشتراک گذاری داده های متقابل عملکردی و ادغام در جریان کار موجود از طریق اتصال های API و اتصال های API.

پیچیدگی همچنین با مقیاس داده های مهندسی رشد می کند. اولویت بندی دارایی های داده با ارزش بالا در ابتدا و استفاده از ابزارهای کشف خودکار برای مجموعه داده های میراث موجودی.در نظر گرفتن یک مدل حکومتی تغذیه شده که در آن هر حوزه مهندسی حفظ استقلال در حالی که به استانداردهای شرکت در سراسر شرکت برای متادی و کیفیت.این تعادل کمک می کند تا از یک رویکرد یک اندازه مناسب که ممکن است نادیده گرفتن انضباط خاص.

تکنولوژی مدیریت برای حکومت

در حالی که حکومت در درجه اول در مورد مردم و فرآیندها است، تکنولوژی سرعت پذیرش و اجرای را در سیستم عامل های کاتالوگ داده که از مدیریت متاداده، تجسم خط و اتوماسیون سیاست پشتیبانی می کند. Directus، به عنوان مثال، یک CMS بی انعطاف انعطاف را فراهم می کند که می تواند دارایی های مهندسی داده ها، مجوز ها را مدل کند و یک رابط کاربر پسند برای نظارت به روز رسانی بدون مداخله IT ارائه دهد.

سایر فن آوری ها شامل ابزارهای کیفیت داده (به عنوان مثال، انتظارات بزرگ، Ataccama)، راه حل های خط مشی داده (به عنوان مثال، Apache Atlas، Collibra) و سیستم عامل های اتوماسیون انطباق (به عنوان مثال، OneTrust) هنگام انتخاب ابزار، اولویت بندی کسانی که با پشته مهندسی موجود خود ادغام شده و اجازه می دهند تا قوانین حکومتی را تنظیم کنند.

نتیجه گیری

توسعه یک چارچوب مدیریت داده برای دارایی های داده مهندسی نیاز به برنامه ریزی متفکرانه، خریدار سهام خرید داخلی و اجرای آنی است.با تعریف اهداف روشن، اختصاص دادن نقش های پاسخگو، ایجاد استانداردهای قابل اجرا، اجرای فرآیندهای قوی، اطمینان از امنیت و انطباق، و به طور مداوم نظارت دقیق عملکرد تیم، سازمان ها می توانند داده های مهندسی خود را از مسئولیت به یک دارایی استراتژیک تبدیل کنند.نتیجه بهبود کیفیت داده ها، چرخه های نوآوری سریع تر، و کاهش اعتماد به نفس بالا، و ابزار های عملیاتی برای ساده سازی داده های ساده سازی اطلاعات ساده تر است.