Table of Contents
מה זה Data Modeling in Engineering?
מודלים נתונים בהנדסה הוא תהליך של יצירת ייצוגים מופשטים של מבני הנתונים, מערכות יחסים, מגבלות וכללים ששולטים במערכת הנדסית.מודלים אלה באים לידי ביטוי בדרך כלל באמצעות ציות כגון Entity-Relationship Diagrams (ERDs), שפה מודלנית לא-מודעת (UML) דיאגרמות מסווגות, או שיטות חיזוי ספציפיות דומיין.
פרויקטים הנדסיים היום מייצרים כמויות עצומות של נתונים מכלי עיצוב, תוכנת סימולציה, חיישני IoT ובעלי עניין חיצוניים.ללא מודל נתונים מובנה, מידע זה הופך להיות כאוטי: כפול מספרים, תכונות חומרים לא עקביות, היסטוריה של תיקון היסטורי, וניתוק מ metadata. מודל נתונים מעוצב היטב לאכוף שמות מוסכמות, מגדיר ערכים מותרים, קובע מערכות יחסים (למשל, "a שייך משאבה להגדרה יעילה") כדי לפעול ביעילות על בסיס נתונים.
היתרונות של Integrating Data Modeling עם EDMS
הגדלת הנתונים מודלים ישירות לתוך EDMS הופכת את שני התחומים. במקום להתייחס למודל הנתונים כ מסמך סטטי מאוחסן במחסן נפרד, המודל הופך להיות schema חיה, אשר שולט כיצד נתונים נכנסים, מאוחסנים, קשור, ו-queried. שילוב זה מניב יתרונות חזקים על פני מחזור החיים ההנדסי.
שיפור יכולת המידע ואיכות
כאשר מודל הנתונים מאויש ברמה המערכת, כל משתמש - ממהנדסי עיצוב ועד מומחי רכש - נכנס נתונים על פי אותם כללים. משאבה חייב תמיד להיות שדה נדרש עבור "לחץ תפעול מקסימלי"; כבל חייב תמיד לקשר לאסיפה ההורה שלה.זה מבטל את הבעיה המשותפת של מהנדסים לעשות שדות או שימוש בהערות טקסט חופשי כי הם מאוחר יותר בלתי ניתנות לבדיקה.
שיתוף פעולה משופר ב- Disciplines
פרויקטים הנדסיים מודרניים הם cross-functional: מכני, חשמל, תוכנה, ומהנדסי מערכות כולם תורמים נתונים לתוכנית זו.מודל נתונים מאוחדת מוטבע ב- EDMS יוצר מקור יחיד של אמת. מהנדסי מכונות יכולים לראות דרישות חיבור חשמלי; מהנדסי תוכנה יכולים לשאילת תכונות רכיב מבלי לעזוב את סביבת הפיתוח שלהם. יכולת שיתופית זו מפחיתה את החיכוך של הפצת דואר אלקטרוני וגרסאות סותרות.
שגיאות מופחתות ועלויות עבודה
שגיאות כניסה נתונים - ערבוב יחידות (מדד מול אימפריאלי), בחירת הציון החומרי הלא נכון, או התייחסות למספר חלק על-ידי חלק - הן נפוצות בתהליכים ידניים.מודל נתונים משולב יכול לכלול כללי אימות (למשל, "משקל חייב להיות מספר חיובי בין 0.1 ל-10,000 ק"ג") ובדיקת נתונים ההתייחסות.
קבלת החלטות טובה יותר באמצעות Analytics
נתונים מדויקים, מאורגנים היטב הם תנאי מוקדם לכל ניתוח או דיווח.עם מודל נתונים עקבי, מהנדסים ומנהלי פרויקטים יכולים ליצור לוחות מחוונים המציגים בשלות עיצוב, שינוי השפעה, עמידה מעמד, או סיכוני שרשרת אספקה.היכולת לפרוס נתונים על ידי כל תכונה (למשל, כל הרכיבים על בסיס בדיקות הסמכה) תומך מהר יותר, החלטות מושכלות יותר.
פיצוי אוטומטי ודיווח
תעשיות כגון אווירול, רכב, ומכשירים רפואיים חייבים לציית לסטנדרטים מחמירים (ASME, ISO 9001, ה- FDA 21 CFR חלק 11) מודל נתונים התואם לסטנדרטים אלה מבטיח כי נדרש metadata (חומריות, הערכות סיכון, זמני אישור) נתפס מן ההתחלה.
לדוגמה, Directus - קוד פתוח ללא ראש CMS ופלטפורמת ניהול נתונים - מארגן schema גמיש שניתן להשתמש בו כדי מודל מבני נתונים הנדסיים.על ידי הגדרת אוספים, שדות ומערכות יחסים מותאמים אישית, צוותי הנדסה יכולים ליצור EDMS המשקפים את התחום הספציפי שלהם.FLT:0DirectusFLT:1 מספק ממשק אינטואיטיבי למשתמשים לא טכניים תוך חשיפת ממשק חזק עבור אוטומציה ואוטומציה.
יישום נתונים מודל מערכת ניהול נתונים הנדסית
הגדלת נתונים מודלים עם EDMS אינה פרויקט IT חד פעמי אלא תרגול מתמשך. להלן הם השלבים העיקריים של יישום מוצלח, כל אחד עם צעדים ניתנים פעולה.
דרישות נתונים Define ו-Stake Animal Input
התחל על ידי עיסוק בכל בעלי העניין היוצרים, לצרוך או לנהל נתונים הנדסיים: מהנדסי עיצוב, מהנדסי מערכות, מומחי תיעוד, מנהלי פרויקטים, אבטחת איכות וספקים. לנהל סדנאות כדי לזהות ישויות נתונים (חלקים, מסמכים, שינוי הזמנות, תוצאות הבדיקה), התכונות שלהם, ואת היחסים ביניהם.לעד את זרימת הנתונים הקריטיים ביותר - למשל, הדרך מדרישות הלקוח באמצעות סקירה כדי לשחרר שלב זה צריך להיות מתווך (עדכון נתונים).
עיצוב מודל הנתונים Preliminary Data Model
באמצעות הדרישות, ליצור מודל נתונים הגיוני באמצעות כלי ERD או בתוך עורך הschema של EDMS עצמו. Define ראשוני מפתחות, מפתחות זרים, סוגי נתונים (ממריצים, מספרים, תאריכים, העלאת קבצים), ומגבלות אופציונליות (לא ייחודי, לא אפס, ערכים מותרים) בהקשרים הנדסיים, לשים לב מיוחד להיררכיה (מבנים של התמוטטות מוצרים), מספר סידורי או מעקב, גרסה אופציונלית של רכיב רגיל לשימושים של נתונים.
בחר את פלטפורמת EDMS הנכונה
ה- EDMS חייב לתמוך בשינויים דינמיים, ניהול מערכת יחסים חזק, ושילוב עם כלים קיימים (CAD, PLM, ERP) לחפש יכולות כמו עיצוב ראשון API, ממשקי משתמש מותאמים אישית, בקרת גישה מבוססת תפקידים, ו- ביקורת על מיקום: 3 על-premises לעומת פריסת ענן צריך להתאים עם אבטחה ו- IT פלטפורמות מתאימים היטב: FLT:0CIM ניהול נתונים של Microsoft; כמעט LT2, כולל פתרונות נתונים אוטומטיים;
4. בנה והגדרת מודל הנתונים ב- EDMS
לתרגם את המודל ההגיוני לתוך הschema הפיזית של EDMS הנבחר.זה כרוך ביצירת אוספים (לוחות), הגדרת שדות עם מגבלות מתאימות, הגדרת קישורים יחסים (אחד לאחד, אחד-ל-מן, רבים-ל-מנדי), וקביעת חוקי אימות הגדרה.אם ה- EDMS תומך ממשקים מותאמים אישית (למשל, טפסים, פריסות), לארגן אותם להתאים את הדרך שבה מהנדסים באופן טבעי להיכנס לצורה, לדוגמה, לתצוגה של נתונים, ".
5.התנדב עם כלי הנדסה קיימים
EDMS לעתים רחוקות קיים בבידוד.זה חייב להחליף נתונים עם מערכות CAD, תוכנת סימולציה, ERP ופלטפורמות ניהול פרויקטים. השתמש ב- API, Webhooks, או אמצעי זהירות כדי לדחוף ומשוך נתונים באופן סינכרוני או מסונכרן.לוודא כי מודל הנתונים בשני הצדדים מפות כראוי.לדוגמה, חלק שנוצר ב- EDMS עשוי להיות צורך לשכפל באופן אוטומטי ב- ERP עם שדות (מספר, עלות, בדיקות).
6.מבחן, אימות וסירוב
לפני גלגול לארגון כולו, לערוך בדיקות טייס עם צוות או פרויקט אחד.יש מהנדסים אמיתיים להשתמש במערכת, הזן נתונים, ולדווח על כל אי-הסכמות או שדות חסרים. השוו את מודל הנתונים נגד מסמכי פרויקט בפועל וזרימות עבודה. השתמש משוב זה כדי להתאים את החוקים של סכימה, אימות, וממשק המשתמש.זהר עד שהמודל מרגיש טבעי ומייצר נתונים באיכות גבוהה.
7.משתמשי רכבת ואימוץ פוסטר
אפילו מודל הנתונים הטוב ביותר נכשל אם אף אחד לא עוקב אחריו.ספק הכשרה ספציפית: מהנדסי עיצוב צריכים להבין כיצד לקשר רכיבים; מנהלי פרויקטים צריכים לראות כיצד להוסיף metadata כדי לשנות בקשות.מצמצמים את "למה" מאחורי המודל - צמצום שגיאות, להאיץ ביקורת, להקל על העבודה.חשב בדמיון או להראות סיפורי הצלחה מהצוות.
אתגרים משותפים ופתרונות מעשיים
הגדלת הנתונים עם EDMS אינה ללא תקלות.התמכים עליהם יכולים למנוע עבודות חוזרות יקרות.
מערכות מידע של Silos ו- Legacy Systems
(ב) לארגונים הנדסיים רבים יש עשרות שנים של נתונים נעולים במערכות PDM מורשת, גליונות, ואפילו ארכיונים נייר.מיצוי ומיפוי נתונים אלה למודל חדש הוא כוח עבודה-עוצמה.FLT:0lution:FLT:1 מינוף נתונים קריטיים או גבוהים ביותר עבור הגירה.
התנגדות לשינוי
מהנדסים מעדיפים לעתים קרובות את יצירותיהם (גליונות, הודעות דוא"ל, קבצים מקומיים) על מערכת מרכזית עם כללים מאוישים.התנגדות זו יכולה לערער את מודל הנתונים.FLT:0Solution: FigFLT:1 מעורב משפיענים מרכזיים מההתחלה.כאשר מהנדסים רואים כי המודל מקטין את העבודה ידנית שלהם (למשל, לא יותר מהזין תכונות חלק מחדש לתוך מערכות מרובות), הם הופכים עורכי דין מהיר, כי הם מספקים שעות הפעלה אוטומטית של לוח זמנים של עיגול.
מגבלות טכניות של EDMS
לא כל EDMS תומך במערכות יחסים מורכבות, שדות מוגדרים למשתמש, או שאילתה ביצועים גבוהים. להימנע ממנתק מודל שהפלטפורמה אינה יכולה לעלות בקנה מידה.FLT:0Solution: FigFLT:1 בחר פלטפורמה ידועה גמישות סכימה.
שמירה על מודל מטבע
ככל שהפרויקטים מתפתחים, סוגי נתונים חדשים ומערכות יחסים חדשים מופיעים.מודל סטטי הופך מיושן בקרוב.(FLT:0Solution: FLT:1 לטפל במודל הנתונים כחפץ חי.A. Assign a Data Guarder אשר סוקר בקשות לשינוי חודשי. השתמש בגירסת גרסאות (Git) להגדרות הschema כך ששינויים מתועדים וניתנותנותנותנותנותנותנות.
מגמות עתידיות במודל נתונים עבור הנדסה ניהול נתונים
שילוב של מודלים נתונים ו- EDMS מתפתח במהירות, מונע על ידי מספר שינויים טכנולוגיים.
AI-Assised Schema Discovery and Automation
אלגוריתמי למידת מכונות יכולים לנתח כעת מסמכים הנדסיים לא ממובנים (specs, דוא"ל, CAD metadata) כדי להציע מערכות יחסים ומגבלות באופן אוטומטי.לדוגמה, כלי בינה מלאכותית עשוי לזהות כי "מדיום" מופיע במספר גליונות להפיץ ולהציע הגדרה שדה מאוחדת.זה מאיץ את שלב הדוגמנות הראשוני ומסייע לחשוף דפוסים נסתרים.
מודלים מבוססי נתונים עבור מערכות יחסים מורכבות
מסדי נתונים מסורתיים הקשורים לעשרות אסיפות, בדיקות וספקים (Neo4j, אמזון נפטון) הם צוברים מתחנן כי הם מייצגים יחסים כמו ישויות מחלקה ראשונה. EDMS משולב יכול לשלב הליבה היחסית של נתונים עסקאות עם שכבת גרף עבור שאילתות גמישות.
שילוב נתונים בזמן אמת עם IoT ו- Digital Twins
ניהול נתונים הנדסי מתרחב לכלול קוראי חיישן חיים, תאומים דיגיטליים, ותוצאות סימולציה.מודלים נתונים חייבים להתאים את הנתונים של זמן-סדרה, קואורדינטים מרחביים, וזרמים אירועים.לדוגמה, תאום דיגיטלי של טורבינת רוח מעדכן את מודל הנתונים שלה עם קוראי רטט בזמן אמת; אם סף הוא עודף, EDMS באופן אוטומטי גורם לתחזוקה.
קוד נמוך ו- No-code Data Modeling
מבחינה היסטורית, מודלים של נתונים הנדרשים מנהלי מסד נתונים מיוחדים ומפתחי תוכנה. פלטפורמות קוד נמוך - כולל Directus - הם דמוקרטיזציה עיצוב סכימה. מהנדסים עם ידע דומיין יכולים כעת ליצור מודלים נתונים באמצעות ממשקי גרור חזותי ו-drop, להגדיר מערכות יחסים עם נקודה ולחיצה, ולהפיץ API ללא קוד.זה מאיץ מחזורי יישום ומפחית את הבקבוק של משאבי IT.
Blockchain עבור Data Lineage and Integrity
בתעשיות מוסדרות (אווירה, הגנה), הוכחת הוכחת הוכחת הוכחת וחוסר יכולת של נתונים הנדסיים היא קריטית. Blockchain או טכנולוגיה מבוזרת יכול להקליט כל שינוי במודל הנתונים וכל כניסה לנתונים כ-Imutable hash. זה מספק שרשרת ביקורתית של משמורת עבור הסמכה וחקירה לא עקבית.
מסקנה
הגדלת נתונים מודלים עם מערכות ניהול נתונים הנדסיים היא כבר לא מותרות - זה הכרחי תחרותי. על ידי החלפת גליונות להפיץ אד-הוק ומסד נתונים מפורקים עם מודל נתונים קבוע, מאויש, ארגונים להשיג איכות נתונים גבוהה יותר, שיתוף פעולה טוב יותר, צוותים מהירים יותר מחזורי החלטות.היישום דורש מעורבות זהה של בעלי מניות, בחירת ED, וזיכוך, אבל לשלם בשגיאות מופחתת ופעולות משמעותיות יותר כמו סימולציה גבוהה יותר כמו גרפים חזקים יותר, כמו סימולציה גבוהה יותר, כמו סימולציה גבוהה יותר, כמו סימולציה גבוהה יותר, כמו סימולציה גבוהה יותר, כמו גרף מודלים חזקים יותר, כמו גרף מודלים מתקדמים מודלים מתקדמים יותר, כמו סימולציה גבוהה יותר, סימולציה, סימולציה, סימולציה גבוהה יותר, סימולציה, סימולציה גבוהה יותר סימולציה של מודלים חזקים יותר סימולציה של מודלים מתקדמים יותר סימולציה, סימולציה, פיתחו טכנולוגיות פיתחו מודלים מתקדמים יותר פיתחו מודלים מתקדמים יותר סימולציה גבוהה יותר פיתחו מודלים חזקים יותר פיתחו טכנולוגיות סימולציה גבוהה יותר סימולציה, סימולציה גבוהה יותר סימולציה, כמו פיתחו מודלים מתקדמים יותר סימולציה, סימולציה, כמו גרפים.