基于国际标准及规范的PMI自动检查、修复与管理解决方案

摘 要

随着智能制造的深入发展，结构化、机器可读的MBD（基于模型的定义）/PMI（产品制造信息）数据已成为连接数字化设计与制造的核心纽带。本报告系统阐述了PMI数据在智能制造体系中的战略价值与面临的挑战，深度解析MBDVidia软件如何通过遵循QIF、STEP AP242等国际标准，构建自动化的检查、修复与管理闭环。

MBDVidia作为PMI数据的"守门员"与"价值放大器"，通过其核心功能MBD Ready Check实现PMI语义完整性的自动验证，通过特征自动识别（Auto-Features）和特性清单（BoC）生成实现数据的结构化管理，通过FAI报告自动生成实现检测流程的数字化闭环。本报告的核心发现包括：

（1）MBD Ready Check通过基于规则的语义验证引擎，可自动检测"辅助几何体引用"、"特征缺失"、"非语义标注"等典型PMI问题，并提供递进式修复方案；

（2）BoC作为PMI数据的结构化"仪表盘"，是连接设计意图与检测执行的关键桥梁；

（3）基于QIF和STEP AP242标准的数据交换能力，确保了PMI信息在CAD、CAM、CMM等系统间的无损传递。

第一章 绪论——智能制造时代的核心驱动数据：PMI

1.1 研究背景与意义

智能制造（Intelligent Manufacturing，IM）是基于新一代信息通信技术与先进制造技术深度融合的新型生产方式，具有自感知、自学习、自决策、自执行、自适应等功能[16]。在全球范围内，各主要工业国家纷纷布局智能制造战略：德国提出"工业4.0"，美国推进"先进制造业国家战略计划"，中国实施"制造2025"战略，日本发布"社会5.0战略"[16]。

在此背景下，制造业正经历从2D图纸到3D MBD模型的范式转移。根据ASME Y14.47标准的定义，MBD（Model-Based Definition）是"一种带有标注的模型及其关联数据，以无需图纸图形页即可有效使用的方式定义产品"[2]。这一转变不仅代表了技术手段的革新，更是制造业数字化转型的核心驱动力。

据工业和信息化部2024年数据，我国智能制造装备产业规模已达到3.2万亿元以上，目前已培育421家国家级智能制造示范工厂、万余家省级数字化车间和智能工厂[1]。智能制造产值规模由2017年的1.27万亿元增长至2023年的超过3.2万亿元，年均复合增长率超过16%，预计2026年产值将达6.1万亿元，2029年市场规模将突破7.6万亿元[14]。

"十五五"时期（2026-2030年）是我国智能制造从"单点突破"向"系统跃迁"的关键五年。2025年12月召开的全国工业和信息化工作会议部署了2026年十方面重点工作，将推进"人工智能+制造"专项行动，培育一批重点行业智能体、智能原生企业。2026年具体目标包括：启动首批5个国家创新中心建设，发布重点行业实施指南，完成300家示范工厂培育[15]。

1.2 PMI数据：连接设计与制造的数字纽带

PMI（Product Manufacturing Information，产品制造信息）是构建和检验物理零件和产品所必需的详细信息集合，确保其满足设计要求。PMI包括但不限于[2]：

• 尺寸（Dimensions）

• 几何公差（Geometric Tolerances）

• 基准特征符号（Datum Feature Symbols）

• 基准目标（Datum Targets）

• 注释（Notes）

• 符号（Symbols）

• 表面粗糙度（Surface Finishes）

• 材料信息（Materials）

• 表格（Tables）

与传统2D图纸相比，MBD模型中的PMI信息是数字化的、机器可读的，能够被制造、质量检测及下游供应商直接使用。正如PTC产品经理Michael Fridman所指出的："MBD信息是数字化的，人机均可访问，因此可以轻松被制造、质量检测等下游环节使用。这有助于实现流程自动化、节省时间、降低成本并消除人为错误"[2]。

1.3 当前PMI数据管理面临的普遍挑战

尽管MBD技术的优势已被广泛认可，但在实际应用中，PMI数据管理仍面临多重挑战：

【数据质量挑战】

非语义化标注是MBD实施的主要障碍之一，非语义标注意味着PMI不可机器读取，这导致数据无法在下游环节被重用[3]。常见的数据质量问题包括：标注引用辅助几何体（Auxiliary Face/Edge/Vertex）、特征缺失（Missing Feature）、错误特征引用（Wrong Feature）等。

【流程断点挑战】

数据格式不兼容导致上下游系统无法直接利用PMI信息。SMS ThinkTank的研究报告指出，"基于模型的互操作性研究表明，标准互操作性是基于模型实施中最大的差距"[4]。数字主线的断裂导致大量人工转录和解读工作，不仅降低效率，还引入人为错误风险。

【标准遵循挑战】

确保PMI数据符合ASME Y14.5、ISO GPS（ISO 1101、ISO 14405、ISO 5459）等标准要求是一项复杂任务。ISO 16792:2021《技术产品文档——数字产品定义数据实践》对数字产品定义数据提出了系统性要求[5]。

第二章 MBDVidia的核心技术基石：国际标准与规范的内化

2.1 支持的底层数据格式

MBDVidia支持全系列原生CAD格式（CATIA、NX、Creo、SolidWorks、Inventor、SolidEdge等）和中性格式（QIF、STEP 203/214/242、IGES、ACIS、Parasolid、JT、3D PDF等）[3]，为数据无损交换奠定基础。

【QIF标准】

质量信息框架（Quality Information Framework，QIF）是由DMSC（尺寸计量标准联盟）开发的制造质量数据互操作性新标准。根据Lyle Fischer在GPDIS 2015会议上的报告[6]，QIF标准包含8个部分：

• Part 1：概述与基本原则

• Part 2：QIF库信息模型与XML Schema文件

• Part 3：QIF MBD信息模型与XML Schema文件

• Part 4：QIF计划信息模型与XML Schema文件

• Part 5：QIF资源信息模型与XML Schema文件

• Part 6：QIF规则信息模型与XML Schema文件

• Part 7：QIF结果信息模型与XML Schema文件

• Part 8：QIF统计信息模型与XML Schema文件

QIF标准解决了"制造质量数字信息不兼容性"这一长期困扰行业的问题，使制造质量能够加入基于模型的企业（MBE）生态系统[6]。

【STEP AP242标准】

ISO 10303 STEP系列标准中的AP 242（基于模型的产品制造信息管理）是MBD数据交换的核心标准。它支持在3D模型中嵌入语义化的PMI信息，实现设计制造信息的无损传递。

2.2 语义化PMI的核心理念

语义化PMI是智能制造的前提条件。根据MBDVidia技术文档[3]，"非语义标注的问题可能成为成功实施MBD的巨大障碍。非语义标注意味着您的PMI不可机器读取，这意味着您无法在下游重用您的数据。"语义化PMI的关键特征包括：

• 标注与几何实体的正确关联：确保每个公差或尺寸都正确引用其对应的几何特征

• 机器可读性：PMI信息以结构化数据形式存储，可被下游系统直接解析

• 标准符合性：遵循ASME Y14.5、ISO GPS等标准的语法和语义要求

2.3 对标准规范的内嵌支持

MBDVidia内嵌了对多项国际标准的支持，主要体现在：

【GD&T标准支持】

软件的MBD Ready Check功能基于ASME Y14.5和ISO 1101等GD&T标准，对几何公差标注进行语义验证。根据GDT讲义资料[7]，GD&T（几何尺寸与公差）是一种描述零件几何特征及其允许变差的系统化方法，包括14种几何公差类型。

【ISO GPS体系支持】

ISO GPS（几何产品规范）系列标准是国际通用的几何公差标准体系。ISO 1101:2017定义了几何公差的基本符号和规则[8]，ISO 5459:2024规定了基准系统[9]。MBDVidia的验证引擎根据这些标准检查基准引用的正确性和公差符号的合规性。

第三章 守护数据质量：PMI的自动化检查与智能修复

3.1 MBD Ready Check深度解析

MBD Ready Check是MBDVidia的核心功能，用于验证PMI语义完整性并提供智能修复建议[3]。

【工作原理】

MBD Ready Check采用基于规则的语义完整性验证引擎。当用户加载CAD模型后，系统自动扫描所有PMI标注，检测其与几何实体的关联关系，识别潜在的语义问题，并按类别进行分类展示。

【检查类别详解】

根据MBDVidia Help文档 [3]，MBD Ready Check将检测到的问题分为以下类别：

（1）辅助面标注（Auxiliary Face）

标注指向辅助面。辅助面不参与实体形成，将标注与其关联是不正确的。

（2）辅助边标注（Auxiliary Edge）

标注指向辅助边。辅助边不参与实体形成，将标注与其关联是不正确的。

（3）辅助顶点标注（Auxiliary Vertex）

标注指向辅助顶点。辅助顶点不参与实体形成，将标注与其关联是不正确的。

（4）模型边引用（Model Edge）

标注引用模型边。模型边与辅助边的区别在于它们是实体模型几何的一部分，但通常仍不是标注的正确引用对象。唯一的例外是构造特征类型可以附着到模型边。

（5）特征缺失（Missing Feature）

标注引用的特征数量少于应有数量。适用于距离、角度等需要关联两个特征的尺寸公差。

（6）错误特征（Wrong Feature）

标注引用了不正确的几何特征。系统会提供正确特征的建议选项。

（7）非语义标注（Non-Semantic Annotation）

标注缺乏与几何实体的语义关联，仅作为"图形"存在于模型中。

【AI辅助的修复建议】

MBD Ready Check提供三级递进式修复流程：

（1）自动修复（Auto-Fix）：对于明确的问题（如单一正确选项），系统可一键完成修复

（2）多选修复（Multiple Choice）：当存在多个可能的正确关联时，系统展示所有选项供用户选择

（3）手动重连（Manual Reconnect）：对于复杂情况，用户可手动指定正确的几何引用

MBD Ready Check工具栏提供以下可视化辅助功能[3]：

• Problems Only：仅显示问题区域，隐藏其他几何

• Fewer/More Neighbors：调整问题区域周边显示层级

• Decolorize Model：将模型显示为灰色，仅着色选中实体

• Transparentize Model：将未选中实体显示为半透明

3.2 模型验证与修复功能

除PMI语义检查外，MBDVidia还提供模型对齐（Alignment）功能，确保几何模型与PMI数据的逻辑一致性[3]。该功能支持多种对齐模式：

• 三点对齐（Three Points）

• 点和线对齐（Point and Line）

• 点和面对齐（Points and Surfaces）

• 自动对齐（Automatic）

3.3 本章小结

MBD Ready Check将传统的人工、事后的"质检"转变为自动的、事前的"预防"。通过在设计阶段捕获并修复PMI问题，可显著降低下游环节的返工风险和质量成本。正如SMS ThinkTank报告所述，"利用成熟的MBD/QIF解决方案，可以实现OEM与供应商之间真正的数字主线，革新其协作方式，建立真正的基于模型的生态系统"[4]。

目前至北京乔泽科技官网可申请MBDVidia软件免费试用！

第四章 释放数据价值：PMI的智能管理与下游应用

4.1 特征自动识别与BoC生成

【特征自动识别（Auto-Features）】

MBDVidia能够自动识别3D模型中的几何特征和GD&T特征，包括[3]：

• 基准特征（Datum Features）

• 几何公差控制的特征

• 尺寸标注的特征

• 表面粗糙度特征

这一功能将几何信息转化为具有语义含义的特征信息，为后续的检测规划和报告生成奠定基础。

【特性清单（Bill of Characteristics, BoC）】

BoC是MBDVidia的核心数据结构，是模型特性和特征的综合清单，以及相应的测量结果[3]。根据MBDVidia Help文档（P62-P69）：

"特性清单（BoC）是模型特性和特征的综合清单，以及相应的测量结果。它是分析已加载零件/装配件MBD性质、将名义数据与实际（测量）数据关联、进行统计分析以及准备Excel/HTML/PDF/Web首件检验（FAI）报告的入口点。"

BoC的主要功能包括：

• 所有特性自动识别并分配逻辑标签号（气球标注）

• 支持GD&T、基本尺寸、参考尺寸、表面粗糙度、材料、自定义符号等多类型数据

• 提供可报告/不可报告属性的灵活管理

• 支持按MBD数据类型、关键等级等条件筛选导出

BoC作为PMI数据的结构化"仪表盘"，是管理、筛选、报告的基础，连接了设计意图与检测执行。

4.2 FAI报告的自动化革命

【从BoC到标准格式报告的一键生成】

MBDVidia支持自动生成多种首件检验标准文档[3]：

• ISIR（Initial Sample Inspection Report，初始样件检验报告）

• ISIR+（增强版ISIR）

• AS9102（航空航天行业FAI标准）

根据MBDVidia官网信息[10]，该软件"自动从2D图纸或3D模型生成特性清单（BoC）"，并"单击即可创建检验报告（FAI、PPAP、AS9102）"。

【PMI自动气球标注（Ballooning）】

气球标注格式可通过Tag Style选项配置[3]：

• Annotation only：仅显示标注气球号

• Annotation and Features：显示标注气球号和特征子气球号

• Annotation and Sequence Number：显示标注气球号和序列号

BoC中的特性与3D模型中的气球标注保持双向关联，点击BoC中的任意行，相应的标注和特征会在3D视图中高亮显示。

4.3 2D图纸与3D PMI的关联与追溯

【2D PDF的OCR识别与3D PMI智能关联】

MBDVidia支持从2D PDF图纸中通过OCR技术提取标注信息，并与3D模型的PMI建立关联。这一功能对于需要同时维护2D图纸和3D模型的企业具有重要价值。

（注：据实操作过此软件的工程师反馈，此功能只有MBDConnect for Creo 可用）

【跨版本图纸的智能比对与更新】

Update by Revision功能支持跨版本图纸的智能比对，自动识别PMI变更并更新关联关系，确保设计变更的可追溯性。

4.4 测量结果集成与统计分析

MBDVidia支持将实际测量数据导入系统，与PMI理论值关联，实现闭环验证[3]：

• 通过Import功能从Excel报告导入测量结果

• 测量结果在3D模型视图中可视化显示

• 支持统计分析，评估过程能力

• 测量数据可导出为标准格式报告

根据CAPVIDIA官网描述[10]，这一功能实现了"数据收获"——将测量结果导入MBD模型，创建闭环数字主线。

目前至北京乔泽科技官网可申请MBDVidia软件免费试用！

第五章 MBDVidia在智能制造工作流中的整合应用

5.1 典型应用场景分析

【场景一：设计发布前——工程师使用MBDVidia进行PMI自检与优化】

在设计发布前，工程师可使用MBDVidia的MBD Ready Check功能验证PMI语义完整性。这一前置检查可以：

• 确保所有GD&T标注正确引用几何特征

• 识别并修复非语义标注问题

• 验证数据符合ASME/ISO标准要求

• 生成PMI质量报告供设计评审

在PTC的电子书中有提到[2]："传统图纸还必须检查以确保符合ANSI和ISO标准的众多要求。此外，企业还需要承担大量2D图纸管理开销，包括维护图纸格式和管理额外数据集。"MBDVidia的自动化检查功能可显著降低这一负担。

【场景二：工艺规划——CAPP/工艺部门直接基于语义化PMI和BoC规划检测工艺】

工艺规划人员可直接利用MBDVidia生成的BoC进行检测工艺规划：

• BoC提供完整的特性清单和关键等级分类

• 特征信息可直接用于CMM检测程序开发

• 减少从2D图纸手动转录信息的工作量

SMS ThinkTank报告引用洛克希德·马丁公司的数据称[4]："据估计，MBE实践可使设计和工程工作速度提高2-3倍，而在整个供应链中使用模型所带来的自动化机会已显示可将某些机床和检测编程跨度缩短高达90%。"

【场景三：质量检测——检测部门直接导入模型生成检测程序并关联FAI报告】

质量检测部门可以：

• 直接导入带有语义PMI的3D模型到CMM软件

• 自动生成检测路径和测量点

• 将测量结果导回MBDVidia进行统计分析

• 一键生成AS9102等标准格式FAI报告

Journal of Remanufacturing期刊2026年发表的研究论文指出[11]，语义化3D产品建模方法"使得可以在几何产品模型上对需要详细检测的特定物体表面进行编码……这种语义3D产品模型随后可以作为信息基础，用于对这些缺陷进行个别检测"。

5.2 投资回报（ROI）分析维度

实施MBDVidia可从以下维度获得投资回报：

【减少图纸错误】

通过自动化语义检查，在设计阶段捕获PMI问题，避免错误流入下游环节。

【缩短工艺准备时间】

根据PTC电子书[2]，"由于模型已包含产品的预期几何，MBD团队还可以选择采用最小尺寸标注实践，而非完全尺寸标注的图纸。"这可显著减少标注工作量。

【降低首件检验成本】

FAI报告的自动生成功能可大幅降低人工编制报告的时间和成本，同时提高报告准确性。

【避免因理解错误导致的报废】

语义化PMI确保设计意图的准确传递，减少因图纸解读错误导致的加工报废。PTC电子书强调[2]："语义引用是MBD效率的关键之一。许多类型的PMI特定于零件几何的定义区域，如表面、边缘和孔。"

第六章 结论与展望

6.1 主要结论

本报告系统分析了MBDVidia软件在智能制造PMI数据管理中的核心价值。主要结论如下：

（1）MBDVidia通过构建基于标准的PMI数据质量与管理闭环，是保障智能制造数据流畅通的关键使能技术。其MBD Ready Check功能实现了PMI语义完整性的自动验证，将传统的人工质检转变为自动化预防。

（2）BoC（特性清单）作为PMI数据的结构化管理中枢，有效连接了设计意图与检测执行，支持FAI报告的自动生成，显著提升了质量管理效率。

（3）对QIF、STEP AP242等国际标准的深度支持，确保了PMI数据在异构系统间的无损交换，是实现数字主线的关键保障。

（4）MBDVidia在设计验证、工艺规划、质量检测等典型场景中均展现出显著的应用价值，可有效降低错误率、缩短周期、控制成本。

6.2 未来展望

【与PLM/MES/QMS系统更深度集成】

随着企业数字化转型的深入，MBDVidia有望与PLM（产品生命周期管理）、MES（制造执行系统）、QMS（质量管理系统）实现更紧密的集成。根据工业数字化2030白皮书[16]，"向空间维延展，工业企业的数据从局限于自身内部转变为企业间数据协同、流通与共享"。

【基于云的数据协同】

工业软件的上云是大势所趋。白皮书预测[16]，需要"重新定义工业软件的开发模式和商业模式，并进一步赋能工业新范式（例如云工厂）的形成，培育全新的数字工业生态。"MBDVidia的云化部署将支持跨组织、跨地域的PMI数据协同。

【AI在标准符合性检查与优化中的进一步应用】

人工智能技术的发展为PMI数据管理带来新的可能。Journal of Remanufacturing论文展示了基于深度学习的语义分割方法在3D产品建模中的应用[11]。未来，AI有望在以下方面发挥更大作用：

• 自动识别PMI标注最佳实践

• 智能推荐修复方案

• 预测性质量分析

---

参考文献

[1] 工业和信息化部. 我国智能制造装备产业规模达3.2万亿元以上[EB/OL]. 国务院新闻办发布会, 2024-04.

来源: https://www.stcn.com/article/detail/1443736.html

[2] PTC. Model-Based Definition (MBD): Embrace More Efficient Processes for a Competitive Advantage[EB/OL]. PTC eBook.

来源: ebook-model-based-definition-efficient-processes-en.pdf

[3] Capvidia. MBDVidia Help Documentation[EB/OL]. Capvidia Inc.

来源: MBDVidia -HELP文件.pdf

[4] SMS ThinkTank. The Importance of Model-Based Definition as Part of any Digital Transformation Initiative: The Role of the QIF Standard enabling Interoperability[R]. 2025.

来源: SMSTT_MBD_Story_February-2025-2cf81bbe.pdf

[5] ISO. ISO 16792:2021 Technical product documentation — Digital product definition data practices[S]. Geneva: ISO, 2021.

来源: ISO-16792-2021.pdf

[6] Fischer L. The New QIF Standard: What Is It, and Why is it Important to my Organization?[C]// Global Product Data Interoperability Summit 2015. DMSC/Capvidia.

来源: DMSC_LyleFischer_The-New-QIF-Standard_CAD_Open.pdf

[7] Naik B D. GDT Lecture Notes[M]. 教学资料.

来源: GDT_Lecture_Notes-BND.pdf

[8] ISO. ISO 1101:2017 Geometrical product specifications (GPS) — Geometrical tolerancing — Tolerances of form, orientation, location and run-out[S]. Geneva: ISO, 2017.

来源: ISO-1101-2017.pdf

[9] ISO. ISO 5459:2024 Geometrical product specifications (GPS) — Geometrical tolerancing — Datums and datum systems[S]. Geneva: ISO, 2024.

来源: ISO-5459-2024.pdf

[10] Capvidia. MBDVidia Product Page[EB/OL]. https://www.capvidia.com/products/mbdvidia.

来源: CAPVIDIA官网

[11] Kaiser J P, Koch D, Stamer F, et al. Semantic 3D product modelling for automated inspection in remanufacturing processes[J]. Journal of Remanufacturing, 2026, 16:1.

来源: Semantic_3D_product_modelling_for_automated_inspec.pdf

[12] Action Engineering. Connecting the Dots: Digital Thread[R].

来源: Hess-Action-Engineering-ConnectingTheDots-DT3.pdf

[13] NIST. Recommendations for Planning, Designing, and Implementing MBE for MBD-MBM White Paper[R].

来源: Recommentations_for_Planning_Designing_and_Implementing_MBE_for_MBD-MBM_White_Paper-1.pdf

[14] 前瞻产业研究院. 预见2025：《2025年中国智能制造行业全景图谱》[R]. 2025.

来源: https://www.qianzhan.com/analyst/detail/220/250429-4a880406.html

[15] 工业和信息化部. 全国工业和信息化工作会议部署2026年重点工作[EB/OL]. 2025-12.

来源: https://stcn.com/article/detail/3563780.html

[16] 华为, 中国信通院, 罗兰贝格. 工业数字化/智能化2030白皮书[R]. 2024.

来源: Industrial_Digitalization_2030.pdf, intelligent-manufacturing-research-scenario-analysisv2.pdf