Costruire una Fondazione per la Governance dei dati per i dati di prodotto

I sistemi di gestione dei dati del prodotto (PDM) sono la fonte definitiva della verità per le operazioni di ingegneria, approvvigionamento e produzione. Conservano il record storico completo delle definizioni dei pezzi, Bills of Materials (BOM), i cambiamenti di ingegneria e i manufatti di conformità. Nel tempo, il volume dei record cresce esponenzialmente con ogni revisione del prodotto, il cambiamento dei fornitori e l'aggiornamento normativo.

Un moderno sistema PDM, come una piattaforma costruita su Directus, fornisce la flessibilità tecnica per gestire relazioni di dati complesse. Tuttavia, la capacità tecnica deve essere abbinata a politiche di dati rigorose per evitare che il repository bloat. Il primo passo in qualsiasi iniziativa di pulizia dei dati è la classificazione. Le organizzazioni devono chiaramente distinguere tra obsolete], legacy[FLT:3FLT]

Definizione di Obsoleto, Legacy e Dati Ridicoli

La confusione tra queste categorie è la causa principale di purghe eccessivamente aggressive o di ritenzione indefinita.

Obsolete i dati

Dati che non hanno valore operativo, legale o ingegneristico residuo. Un numero di parte annullato da un Ordine Cambia, un fornitore dequalificato un decennio fa, o una versione prototipo di un prodotto che non ha mai raggiunto la produzione. I dati obsoleti sono una responsabilità. I risultati di ricerca ingombra, gonfiano i BOM con opzioni irrilevanti e possono innescare falsi positivi nei sistemi di pianificazione della supply chain.

Dati sulla Legacy

Dati inattivi ma che conservano il potenziale valore di riferimento, analisi storica o difesa legale. I dati sono migrati da un sistema PDM legacy trent'anni fa, registra da una controllata unita, o specifiche per prodotti con obblighi di servizio a lungo termine. I dati legati sono spesso scarsamente strutturati da standard moderni, che richiedono un significativo sforzo di ingegneria da interpretare.

Dati ridondanti

Dati che esistono in più luoghi con diversi gradi di accuratezza. Si tratta di un sottoprodotto comune delle migrazioni di sistema in cui un campo è mappato a più destinazioni o di errori di inserimento manuale dei dati. I dati ridondanti sono distinti dai dati duplicati. Spesso comporta sottili variazioni semantiche in come le stesse informazioni sono rappresentate. Questo è particolarmente pericoloso in PDM, dove un "PN-12345" in un campo potrebbe essere tagliato a "12345 dati di riferimento di qualità.

I rischi sistemici di negligenza dei dati in PDM

In mancanza di gestire attivamente il ciclo di vita dei dati espone un'organizzazione a comprimere rischi che influiscono su ogni reparto a valle del PDM.

Esposizione di conformità e Audit

I quadri normativi come GDPR, 21 CFR della FDA 11, e il Sarbanes-Oxley Act impone requisiti rigorosi sulla conservazione e la distruzione dei dati.

Performance operativa e Bloat indice

I database PDM sono fortemente indicizzati per supportare le ricerche rapide per parti, documenti e BOM. Quando milioni di record obsoleti rimangono nelle tabelle primarie, questi indici si gonfiano. Le prestazioni di coda degradano, le finestre di backup aumentano e i timeout delle applicazioni diventano comuni. In Directus, le collezioni che contengono milioni di oggetti soffice-deleted ancora influenzano le prestazioni. Il sistema deve eseguire la scansione attraverso questi record durante le ricerche relazionali.

Integrità dei dati per l'AI e l'automazione

Le organizzazioni si affidano sempre più ai dati PDM per formare modelli di apprendimento automatico per la previsione della domanda, l'analisi del rischio della supply chain e la validazione automatizzata di BOM. La formazione di un modello su dati stanti o obsoleti produce previsioni skewed. Le specifiche del prodotto obsolete possono portare a requisiti materiali errati. Mantenere un set di dati pulito e ben definito è essenziale per qualsiasi organizzazione che persegue una strategia di ciclo di vita del prodotto data-driven.

Migliori Pratiche per la gestione dei dati obsoleti

La gestione dei dati obsoleti richiede un passaggio da borse manuali, periodiche a gestione automatizzata del ciclo di vita, guidata da eventi, che si prefigge di minimizzare la finestra durante la quale i dati obsoleti esistono nel sistema attivo.

Condurre audit dati sistemici

I dati di riferimento per i dati di riferimento sono i primi passi. Questo comporta l'interrogazione del database per identificare i record che soddisfano i criteri di obsolescenza. I campi chiave da esaminare includono , ] (ad esempio, cancellate, sorpassate, inattive), e registri di accesso agli oggetti. Una parte che non è stata fatta riferimento in una revisione BOM più alta nei quarti anni e non ha nessun registro di dati di riferimento attivo di dati di inventario.

Attuazione delle politiche automatizzate del ciclo di vita

Le organizzazioni devono definire politiche esplicite del ciclo di vita dei dati codificate direttamente nel sistema PDM.Le piattaforme CMS e PDM moderne senza testa come Directus consentono azioni granulari con un sistema di gestione degli eventi. Utilizzando Directus Flows, è possibile automatizzare il processo di archiviazione. Ad esempio, un flusso può essere attivato in modo notturno che controlli tutti gli elementi in una raccolta "Parts" dove l'archivio è "

Archiviazione vs. Purging

Il sistema di archiviazione è un'opzione che consente di eliminare i dati di archiviazione, mentre l'analisi di archiviazione è più sicura.

Strategie per la gestione dei dati legati

I dati legati alla Legacy presentano una sfida diversa: non sono necessariamente dati cattivi, ma spesso sono bloccati in schemi o sistemi obsoleti, ma l'obiettivo è di preservare il suo valore senza trascinarne il bagaglio nel nuovo ambiente.

Mapping dati e schema Evoluzione

I dati legati al sistema di gestione delle risorse proprie sono raramente mappati in modo pulito ai modelli di dati moderni. Un numero di parte in un vecchio PDM potrebbe essere stato memorizzato come un unico campo di testo libero, mentre lo schema moderno Directus potrebbe avere campi separati per il numero di base, il numero di disegno e la revisione.

ETL ed Emigrazione Pipeline

Un'organizzazione ETL (Extract, Transform, Load) dovrebbe estrarre i dati dal sistema sorgente, applicare le trasformazioni definite nella fase di mappatura e caricare nel nuovo PDM. L'approccio più affidabile per le migrazioni complesse è il Evolutionary Database[F.1]

Programma di conservazione per i dati legati alla Legacy

I dati relativi alla proprietà non devono essere conservati indefinitamente. Richiede un programma di conservazione come i dati attivi. Definire i requisiti legali, fiscali e ingegneristici per quanto tempo i record di eredità devono essere conservati. Ad esempio, le normative FDA richiedono record di dispositivi medici per la vita del dispositivo più un numero specifico di anni. Una volta che tali requisiti sono soddisfatti, i dati devono essere distrutti in modo sicuro. I dati più lunghi di eredità sono conservati, più costosi diventa di immagazzinare e maggiore il rischio che i dati di futuro.

Sfruttando strumenti moderni e architetture di storage

La gestione efficace del ciclo di vita dei dati richiede uno stack tecnologico che supporta sia operazioni ad alte prestazioni che archivistiche convenienti.Le piattaforme PDM senza testa come Directus offrono la flessibilità di implementare queste architetture in modo pulito.

Utilizzo di Directus per la gestione del ciclo di vita dei dati

Directus fornisce diversi meccanismi per la gestione dei dati obsoleti e legacy dal box. Il sistema di gestione dei dati personali status] può essere esteso a tutti gli stati di flusso complessi come "Archived" o "Legacy".

Archival economico con stoccaggio oggetti

Lo storage a caldo, come SSD o server di database ad alte prestazioni, è ottimizzato per leggere e scrivere velocemente. Lo storage a base di dati a basso costo, come ad esempio il database di AWS S3 Glacier Deep Archive] o Azure Cool Blob Storage, è ottimizzato per i tempi di ripristino a basso costo, con la raccolta di dati a basso costo.

Laghi dati per l'analisi della eredità di sistema trasversale

Per le organizzazioni con volumi di dati legacy di più sistemi decommissionati, un Data Lake offre un modo per centralizzare l'accesso senza migrare nel PDM operativo. I dati grezzi dei sistemi PDM, ERP e PLM legacy possono essere ingeriti in un Data Lake nel suo formato nativo. Un approccio schema-on-read permette analisti e scienziati di dati di interrogare i dati utilizzando strumenti come Presto preservare Athena senza inquinare i dati archivistici.

Sostenere la salute dei dati con i Metric e la governance

La gestione dei dati non è un progetto a tempo unico; è una disciplina operativa continua, per garantire il successo a lungo termine, le organizzazioni devono stabilire metriche e assegnare la responsabilità.

Indicatori di prestazioni chiave

Ciò che viene misurato viene gestito. Traccia questi KPI per monitorare la salute dei dati PDM:

  • Data Freschezza:[] Percentuale di record aggiornati negli ultimi 12 mesi.
  • Tasso di avanzamento:[ Volume di dati spostati da un archivio attivo a un quarto, che dimostra che l'automazione funziona.
  • Responsabilità:[] Latenza media per ricerche standard. Un aumento del tempo di query spesso si correla direttamente con l'indice bloat da record inattivi.
  • Costo distorsione per TB:[] Il monitoraggio del costo unitario di stoccaggio aiuta a giustificare gli investimenti in infrastrutture di archiviazione.

Assegnazione di dati Stewardship

Assegnare un amministratore di dati per ogni importante raccolta di dati PDM (ad esempio, Parti, BOM, Documenti) e l'amministratore è responsabile dell'approvazione della classificazione dei dati come obsoleto o legacy e della firma dell'audit annuale dei dati. Questo ruolo colma il divario tra IT (che gestisce lo storage) e l'azienda di ingegneria (che genera i dati).

Conclusione: Dalla responsabilità al patrimonio strategico

La gestione dei dati obsoleti e legacy nei sistemi PDM è una competenza fondamentale per le organizzazioni orientate al prodotto. La disciplina di separazione del segnale dal rumore si traduce direttamente in decisioni di ingegneria più rapide, costi di infrastruttura più bassi e rischio di conformità ridotto.