按订单设计公司中识别正确的物料清单设置：一种聚焦识别模型

《Proceedings of the Design Society》：Identifying the right BOM setup in engineer-to-order companies: a focus identification model

　　

按订单设计（ETO）公司通常围绕特定的专业知识发展，当它们扩大规模时，通常必须标准化并选择一种物料清单（BOM）设置，然而现有文献提供了多种选项，但关于如何决策的指导却很少。研究人员提出了一种聚焦识别模型（FIM），这是一种轻量级、与工具无关的方法，该方法剖析情境驱动因素，提出加权的决策问题，并将答案与具有明确治理规则的推荐设置联系起来。该模型在两个工业案例上进行了校准，可生成驱动因素热图、决策矩阵和治理卡片，以建立共同语言，并以更少的摩擦识别出适合的BOM。

### 论文解读：按订单设计公司中识别正确的物料清单设置：一种聚焦识别模型

#### 研究背景与问题
在按订单设计（ETO）的制造环境中，产品定义高度定制化，设计冻结晚，工程变更频繁。物料清单（Bill Of Materials， BOM）作为连接工程设计、制造、采购和服务等领域的核心产品定义载体，其设置选择至关重要。随着ETO公司规模扩大，标准化产品定义的需求日益迫切。然而，现有文献虽然描述了多种BOM结构（如分离的工程BOM^EBOM与制造BOM^MBOM、集成的企业BOM、动态BOM等），并将其归纳为两类实用选择：具有可执行视图的单源/企业BOM，以及具有明确转换和同步的传统分离式EBOM-MBOM设置，但缺乏关于如何根据具体ETO情境决定哪种设置最合适的指导。不恰当的BOM设置会导致物料项不清晰、数量/层级错误、车间返工、可追溯性缺口，以及繁重的产品生命周期管理（PLM）与企业资源规划（ERP）系统协调工作。尽管存在针对产品平台/配置器选择的决策框架，但它们并未将BOM设置选择操作化以应对不同产品组合情境和治理约束。因此，如何为特定ETO情境选择最合适的BOM设置，并明确其治理规则，成为一个亟待解决的研究空白。

#### 研究目的与方法
本研究旨在填补上述空白，提出了一种聚焦识别模型（FIM），以帮助ETO公司在两种BOM设置类别（基于视图的单源BOM vs. 具有明确转换和同步的分离式EBOM-MBOM）之间做出选择。该研究采用建设性的、面向设计的研究方法，目标是构建一个实用的决策支持工具。研究过程包括：界定决策问题与需求、构建模型（驱动因素、问题库、评分逻辑和产出物），并利用两个工业情境的材料进行评估。模型本身是一种方法，而非软件工具，因此评估重点在于决策的有用性、透明度和治理匹配度。

为校准模型并确保其在不同条件下的相关性，研究选取了两个对比鲜明的公司情境作为校准参考点和数据来源：一家结合标准化平台与现场适应性改造的资本货物制造商，以及一家交付具有合规关键项（如标签/固件）的可配置模块的定制激光制造商。数据收集来源于文献综述、两家公司的文档审查（如物料/BOM政策、发布工作流、PLM-ERP接口说明）以及与利益相关者的针对性访谈。

#### 关键技术方法概述
研究人员基于文献综述和工业案例，开发了聚焦识别模型（FIM）。该方法的核心步骤包括：（1）明确产品组合的相关选项集；（2）剖析情境驱动因素，如变体广度、非标准件比例、多站点、本地化强度、供应商多样性与替代件、可追溯性、合规深度、BOM转换错误面、生命周期波动性（变更率）、数据治理和IT能力；（3）应用加权的决策问题库，使权衡显性化；（4）收敛于一个推荐设置并配以操作规则。模型输出三个关键产出物：驱动因素热图、决策矩阵和治理卡片。决策逻辑采用先评估约束性“关卡问题”排除不可行选项，再通过加权偏好问题评分聚合的固定序列，最终根据总分和治理就绪度（如数据治理与IT能力）推荐BOM设置类别。

#### 研究结果
**4.1 驱动因素的推导**
研究基于生命周期BOM管理需求和文献综合，将初始的十三项因素整合为七个直接影响两种BOM设置类别选择的驱动因素，这些因素可以在研讨会中进行评估。

**4.2 边界条件与扩展**
模型明确聚焦于两种BOM设置类别的选择，并未试图穷举所有生命周期领域。软件和固件被视为配置领域；服务BOM和“按维护状态”结构因未作为本研究工业情境的主要输入，构成模型的局限性，但其要求可通过增强可追溯性和治理驱动因素的重要性来纳入。

**4.3 问题集设计**
为每个驱动因素设计了两层问题集：封闭的关卡问题（硬约束）和偏好问题（加权评分）。问题设计遵循具体、可观察、基于文献并与公司词汇匹配的原则。

**4.4 从问题到BOM设置推荐**
通过固定的映射关系将观察到的条件与每类设置的合意度联系起来。关卡问题的答案作为硬约束，可排除不可行的设置类别。偏好问题的答案被映射到序数级别，并进一步转化为每类设置的合意度向量。通过加权聚合计算每个驱动因素对两类设置的得分，再汇总得到每类设置的总分。决策过程遵循固定序列，若两类均可行且得分接近，则依据数据治理与IT能力驱动因素来打破平局。推荐设置是总分较高的可行类别。

**4.5 产出物**
FIM通过三个在跨职能研讨会中创建的产出物实现：驱动因素热图（提供BOM设置压力的单页概览）、决策矩阵（透明展示问题、答案、权重、每类得分及汇总结果）和治理卡片（将推荐转化为简明、可沟通的操作模式，包括所有权、变更规则、PLM-ERP集成决策等）。

**5. 测试案例**
模型在定制激光制造公司的两个完全不同产品线中进行了验证性应用。尽管出于保密原因无法展示详细结果，但应用表明，该方法只需适度努力即可实施，产生的推荐被从业者认为是可信的，并有助于使关于BOM使用、治理和IT能力的假设显性化。在第一个产品线中，模型指向了具有工厂特定MBOM的分离式EBOM-MBOM设置，这与现有的多站点复杂性和本地化需求一致。在第二个产品线中，模型倾向于更集成的、具有特定视图的单源BOM设置，反映了站点相对较少但产品配置复杂的特点。模型提供了一种结构化的方式来挑战或确认当前方向，而非强制“对/错”的二元判决。

#### 讨论与结论
本研究引入的聚焦识别模型（FIM），旨在支持ETO/按订单配置（CTO）公司在两种根本不同的BOM设置之间进行选择：基于角色的单源BOM，以及具有明确转换和同步的分离式EBOM-MBOM结构。模型基于生命周期BOM需求，整合为七个实用驱动因素，并通过一个小型问题集和三个产出物（驱动因素热图、决策矩阵和治理卡片）将决策操作化。在工业情境中的应用表明，该方法实施工作量适中，产生的建议被实践者认为可信，并有助于明确关于BOM使用、治理和IT能力的假设。模型并非规定一个通用的“最佳”BOM结构，而是提供了一种透明的方式来解释为何某种设置适用于特定情境，以及随之而来的治理影响。

**研究结论**：本文的工作受限于案例数量较少和定性评估；未来的研究应将模型应用于更多公司，完善评分方案，并调查设置选择如何随时间影响BOM质量、变更处理以及下游工程和制造绩效。