从基础设施到创新：集成型产品生命周期管理（PLM）系统如何在企业间制造中实现数字孪生和线程技术

《Technovation》：From infrastructure to innovation: How integrated PLM systems enable digital twin and thread capabilities in business-to-business manufacturing

　　斯瓦潘·戈什 | 希卡·辛格
加利福尼亚州立大学北岭分校，美国加州

**摘要**
工业制造商在产品生命周期管理（PLM）系统、数字孪生技术和数字线程方面投入了大量资金，但许多这些努力仍然存在碎片化现象，导致创新成果不一。关于这些技术在数字基础设施中的相互关系，以及在企业对企业（B2B）制造环境中它们如何促进不同形式的数字创新，仍存在关键缺口。本研究探讨了集成的PLM（iPLM）基础设施如何支持数字孪生和数字线程功能，以及这些功能如何推动流程、产品和服务化的创新。我们将数字孪生和数字线程重新定义为成熟iPLM基础设施的新兴功能，并利用感知、捕获和重构框架将动态能力理论扩展到数字基础设施的背景下。通过对四家资产密集型制造商的定性多案例研究（涉及25次高管访谈、档案分析和Gioia方法），我们建立了从基础设施到创新的路径模型。基础设施的成熟度通过三个反复出现的特征起到关键作用：规范的产品定义和变更控制、稳定的跨系统集成以及一致的数据治理。由此产生了三种不同的创新路径：数字流程创新由检测和诊断操作信号的感知能力驱动；当感知和捕获能力结合数字孪生功能（实现基于模拟的学习和虚拟验证）时，会促成数字产品创新；数字服务化则源于重构能力，数字线程功能在商业模式转变过程中提供端到端的生命周期可追溯性。本研究通过将iPLM视为一种生成性基础设施来为数字创新理论做出贡献，其成熟度决定了可实现的创新形式，并为制造商提供了针对特定创新目标的数字化投资顺序的实际指导。

**引言**
资产密集型工业制造的数字化转型是我们这个时代最复杂的组织挑战之一。与能够快速重组运营的面向消费者的数字企业不同，航空航天、汽车、工业机械和生命科学等领域的B2B制造商面临巨大限制。这些企业在严格监管的环境中运作，管理着大量的资本设备，需要协调复杂的多层次供应商网络，并且必须长期维护产品和流程文档（Nambisan等人，2017）。挑战不仅是采用孤立的数字技术，还要将其系统地整合到现有技术 infrastructure 中，同时转变组织程序和组织间关系（Gradillas和Thomas，2025）。

最近的行业报告显示，尽管许多制造商已投资于物联网、传感器、人工智能分析和云平台等数字技术，但大多数制造商难以将这些投资转化为持续的竞争优势。一个关键瓶颈在于产品相关数据在不同系统之间的分散（Hannila等人，2019）。工程数据存储在计算机辅助设计工具中，制造数据在制造执行系统中，服务数据在客户关系管理平台中，质量数据在单独的质量管理系统中。这种数据碎片化阻碍了企业在数字化密集型环境中建立持续创新所需的闭环反馈机制（Boland Jr等人，2007）。
集成产品生命周期管理（iPLM）系统已成为解决这一整合挑战的潜在方案。iPLM最初在20世纪80年代作为CAD文件的版本控制工程数据管理工具开发，现已演变为涵盖产品从概念到报废整个生命周期的企业级数字基础设施（Stark，2011）。现代iPLM平台与上游系统（需求管理、仿真工具）和下游系统（制造执行、服务管理、可持续性分析）集成，形成了以产品为中心的信息流统一数字骨架（Singh等人，2022；Bruun等人，2015）。尽管在这些系统上进行了大量投资，但大多数企业仍将iPLM视为静态存储库，而非用于创新协调的动态平台（Rahman，2025；Pulkkinen等人，2017）。

**两种新兴数字能力**
加剧这种未充分利用情况的是，数字孪生和数字线程在实践者和学术界都引起了广泛关注。数字孪生是指物理产品或流程的动态虚拟表示，它们将实时操作数据与设计模型相结合，以实现仿真、预测和优化（Grieves和Vickers，2016；Lehner等人，2024）。数字线程则指的是从需求定义到制造、运营、维护和报废整个生命周期的产品信息的端到端可追溯性（Donoghue等人，2019；Margaria和Schieweck，2019；Ghosh等人，2025）。尽管这些概念引起了极大兴趣，但它们通常作为与核心PLM基础设施分离的试点项目来部署，限制了它们的战略影响力（Zhang等人，2024）。我们认为，这种碎片化的观点误解了iPLM系统与这些新兴能力之间的基本关系。我们应该将它们视为从成熟、高度集成的PLM基础设施中涌现出的高级功能，而不是独立技术。就像智能手机通过逐步添加新功能（GPS、摄像头、应用平台）从基本手机进化而来一样，当iPLM系统达到足够的集成成熟度时，也会纳入数字孪生和数字线程功能。这一观点与最近关于数字基础设施作为模块化、分层架构的理论相一致，这类架构通过激活新的功能能力来促进生成性创新（Henfridsson和Bygstad，2013；Lyytinen等人，2016）。

**理论空白**
尽管学术界对工业背景下的数字创新兴趣日益浓厚，但仍存在显著的理论空白。首先，以往的研究主要从工程协调或合规性的角度审视iPLM（Pulkkinen等人，2017；Barrios等人，2022），忽略了其作为生态系统范围内创新协调平台的潜力。其次，尽管数字孪生和数字线程在工程和技术背景下已被广泛研究（Bleisinger等人，2025；Lehner等人，2024），但它们在推动产品、流程和商业模式创新中的战略作用尚未得到充分理论化。具体而言，这些能力影响不同创新结果的因果机制尚不明确：它们是作为将基础设施能力转化为创新结果的偶然因素，还是影响能力与结果之间关系的强度？第三，将动态能力理论（Teece等人，1997；Teece，2007）应用于数字基础设施背景下的研究仍不成熟，对于基于基础设施的能力与传统组织能力的差异及它们如何促进创新流程重构的理解也非常有限。

**研究问题**
为解决这些空白，本研究探讨了两个相互关联的研究问题：
**RQ1：** 集成的PLM基础设施能力如何支持资产密集型B2B制造企业中数字孪生和数字线程功能的发展？
**RQ2：** 数字孪生和数字线程功能通过哪些因果机制影响iPLM基础设施能力与不同形式的数字创新（流程、产品和服务化）之间的关系？

**研究方法**
为了回答这些问题，我们对四个工业领域的25位高管进行了定性多案例研究。受访者担任工程副总裁、首席信息官、数字化转型总监和产品开发总监等职位，累计拥有超过300年的大规模产品生命周期管理经验。这种精英 informant策略使我们能够深入了解企业如何逐步构建和部署基于iPLM的创新能力。

**研究贡献**
本研究有三个主要贡献：
1. 将iPLM重新定义为分层数字基础设施，而非静态企业系统。
2. 展示了基础设施成熟度如何塑造更高层次的数字孪生和数字线程功能的发展，进而影响不同的数字创新结果。
3. 提供了基于实证的过程解释，说明为什么具有相似数字投资的企业可能会获得截然不同的创新成果。

**后续章节**
在后续章节中，我们将回顾有关iPLM、数字创新及相关支撑技术的现有研究，然后解释研究设计和基于案例的分析方法。接下来，我们将根据数据分析结果提出过程模型，并讨论其在资产密集型工业环境中的意义。

**工业背景下的数字创新**
数字创新与传统的产品或流程创新有所不同，因为它涉及多个属性，这些属性决定了企业如何结合技术和组织开发工作（Nambisan等人，2017）。数字技术具有可重新编程性（部署后修改功能的能力）、数据同质化（将多样现象转化为标准化数字表示）和自指性（用数字工具设计其他数字工具）。

**研究设计**
本研究采用定性多案例设计，构建了一个过程模型，解释了集成产品生命周期管理（iPLM）作为数字基础设施的功能，以及这种基础设施如何与能力发展和数字创新结果相关联。我们采用了一种理论构建方法，侧重于通过案例之间的复制逻辑来进行分析概括（Eisenhardt和Graebner，2007）。

**研究概述和分析单位**
本节报告了对四家资产密集型B2B制造组织的定性多案例研究结果。这四家组织构成了案例研究对象。25次高管访谈提供了跨职能和生命周期阶段的内部三角验证。在所有案例中，我们观察到iPLM基础设施成熟度、能力发展（感知、捕获、重构）与三种创新结果（数字流程创新、数字产品创新和服务化）之间的关联模式。

**我们的发现对现有文献的贡献**
我们的发现修正了现有文献中对iPLM、数字孪生和数字线程的定位。以往的研究通常将它们视为企业可以独立获取和部署的独立系统，或视为其组织嵌入仍不明确的一般性支撑技术（Donoghue等人，2019；Bleisinger等人，2025）。我们不否认这些研究在解释架构和技术实现挑战方面的价值，但这些案例表明，类似数字投资的企业可能会产生截然不同的创新结果。

**结论**
本研究解释了集成产品生命周期管理（iPLM）如何在产品密集型行业中作为数字基础设施发挥作用，以及为什么企业在PLM、数字孪生和数字线程方面的投资会带来不同的结果。基于对四个工业领域25位高管的多案例定性数据集，我们建立了一个过程模型，将iPLM基础设施成熟度与数字化支持的感知、捕获和重构能力联系起来。

**生成式AI的使用声明**
我们使用了生成式AI工具进行语言编辑，以提高清晰度、语法和可读性。作者审查、编辑并验证了所有内容，对论文的准确性、原创性和完整性负全责。

**作者贡献**
斯瓦潘·戈什：概念化、数据整理、正式分析、调查、方法论、软件开发、监督、验证、初稿撰写及审校编辑。
希卡·辛格：概念化、正式分析、方法论、验证、初稿撰写及审校编辑。

**利益冲突声明**
我们声明在本文中不存在任何利益冲突。