从原料到备案:化妆品企业 PLM 一体化实践

简介: 化妆品备案新规持续加码,GMP、完整版安评、24条新政层层前置,合规已从“事后补”转向“事前控”。本文剖析配方管理四大失控点,提出以PLM构建配方、原料法规、备案输出三大数据底座,实现研发与合规同链协同,助力企业“一次做对”。

一个配方的版本,可能同时躺在三位配方工程师的电脑和无数个 Excel 里;换一个原料,合规经理要对着《已使用化妆品原料目录》和禁用、限用清单一条条核对。而备案的门槛还在逐年抬高:GMP、完整版安全评估、24 条深化监管改革新政接连落地。

化妆品 PLM 要解决的不是"管数据",是"管合规"。配方是合规的载体,备案是合规的交付物——只有把配方研发与备案合规放进同一条数据链,企业才能在新规下"一次做对",而不是反复返工。本文从监管时间轴、配方管理痛点、一体化逻辑、公开案例与落地路径五个层面,拆解这条路到底怎么走。


一、备案新规连环加码:合规从"事后补"变成"事前控"

把监管的时间轴拉出来,化妆品备案合规的要求在逐年收紧,近三年三个节点尤其关键:

时间

法规/要求

核心变化

对企业的影响

2022年7月1日

《化妆品生产质量管理规范》(GMP)实施

追溯体系、质量安全负责人成为硬性要求

原料、产品、批次可追溯从"可选"变"必须"

2024年5月1日

化妆品完整版安全评估全面实施

安全评估从简化版切换为完整版

安评数据要求与成本显著上升,备案资料准备门槛陡增

2025年11月18日

《关于深化化妆品监管改革促进产业高质量发展的意见》(24条新政)

原料创新、安全评估、备案便利化

监管体系持续完善,合规要求进一步前置

(据国家药监局/国务院公开文件,各条目出处见文末参考文献)

化妆品已是万亿级市场规模,备案合规压力正向全行业传导。把三个节点连起来看,方向很清晰:合规要求沿着"原料合规 → 安全评估 → 备案资料"这条链路层层前置,靠备案前"临时补材料"越来越行不通。对企业而言,唯一务实的应对方式,是把合规动作从"事后补"挪到"事前控"——在配方研发阶段就把合规做对。

image.png


二、配方管理的四个失控点:配方为什么必须被当作"合规载体"

配方是化妆品企业最核心的资产,也是合规的第一载体——原料是否合规、配比是否在限用范围内、功效宣称是否有依据,最终都落在配方这张表上。但现实中,配方管理往往处于失控状态,常见四个失控点:

第一,版本失控。 配方散落在个人电脑和 Excel 里,靠文件命名区分版本("终版""最终版""真终版"),谁改过、为什么改,没有记录。打样时用错版本,到批量生产才暴露问题。

第二,原料合规靠人工查。 每引入一个新原料,合规经理要人工核对它是否在《已使用化妆品原料目录》(收载近 9000 种已使用原料)内、是否触及禁用或限用要求,一次漏查就可能让备案被驳回。

第三,稳定性与配伍禁忌经验无沉淀。 稳定性实验数据、配伍禁忌的"踩坑经验"散落在老配方师的笔记和脑子里,工程师离职,知识就跟着走,新人重复踩坑。

第四,批次难追溯。 原料批次、配方、生产批次对不上,一旦出现质量问题,无法快速定位和召回,质量安全责任落不到实处。

配方工程师最怕的一句话,是"设计改了,生产还不知道"。这句抱怨背后,是一个原料改动引发的连锁反应:假设要把配方里的一个乳化剂换成新供应商的原料,需要同时回答——这个原料在《已使用化妆品原料目录》里吗?是否触及禁用或限用?换了它,配方的稳定性、防腐体系、配伍禁忌要不要重新验证?涉及这个原料的备案资料要不要更新?包材和内料是否匹配?已生产的批次如何定位?

在 Excel + 人工核对的工作方式下,这些环节要靠发邮件、打电话、翻文档一件件串联。改一个原料,牵动配方、稳定性、配伍、备案、包材、生产批次六个环节,任何一个漏掉,都可能在后面的备案或生产中"爆雷"。配方管理失控,后面的合规动作都会失效——这就是为什么配方必须被当作"合规载体"来管理,而不是当作几行数据来存放。

image.png


三、为什么是 PLM:把"研发"和"合规"放进同一条数据链

一体化,不是把研发和合规两套系统简单打通,而是让它们共用同一条数据链。这条数据链需要三个底座:

一是配方数据底座。 配方作为核心资产,需要版本管理、权限控制、操作审计和完整追溯——谁在什么时候改了什么、为什么改,都有记录,配方不再是散落各处的 Excel。

二是原料法规底座。 把禁用原料、限用原料、《已使用化妆品原料目录》、安全评估要求沉淀为结构化法规库,成为配方设计时可直接调用的"合规标尺",不再靠人工一条条翻。

三是备案输出底座。 在配方与原料数据完整的前提下,把合规核查结果与备案资料自动生成——配方、工艺、原料、法规数据一致,备案资料一次输出,而不是人工拼接。

三个底座共同回答一个问题:配方研发与备案合规,能否共用一份"可信数据",而不是各做各的。

值得注意的是,"合规内建于 PLM"已不是某家厂商的主张,而是国家标准层面的共识。2026 年 5 月发布的国家标准 GB/T 47688-2026《产品生命周期管理(PLM)系统通用要求》,明确把"规则引擎合规检查""人工智能引擎"列为 PLM 系统应具备的能力(据全国标准信息公共服务平台)。这意味着:企业在选型 PLM 时,把合规校验能力作为基本要求,是有标准依据的。此外,云原生及AI在当下已经广泛应用,对PLM赋能也起到非常大的作用,因此,企业也要适当考虑。

三大底座之上,一体化的关键动作是把合规校验前置到配方设计阶段。配方工程师在设计时,系统就能自动校验原料是否在《已使用化妆品原料目录》内、是否触及禁用或限用要求——不合规的原料在"进入配方"的那一刻就被拦截,而不是等备案时才被驳回。配合变更影响分析,改一个原料时系统还能自动提示它会影响哪些配方、SKU、备案和包材,把"改一个原料牵动六个环节"的连锁关系变得可见、可管理。

不少人会问:化妆品企业已经有 ERP 了,为什么还需要 PLM?一句话讲清边界:PLM 管配方、原料、研发流程与备案合规数据;ERP 管订单、物料、库存和财务。PLM 是 ERP 的研发数据源头——配方在 PLM 里定稿,再通过物料主数据流转到 ERP 组织生产。一个管"研发和合规怎么做对",一个管"生产和交付怎么流转",两者衔接而非替代。

image.png


四、案例实证:备案资料准备时间缩短 60% 是怎么做到的

据深圳蜂巢互联科技股份有限公司公开客户案例(2025)中,芭薇股份(广东芭薇生物科技,广州白云区化妆品 OBM/ODM 代工企业)的实践最能说明问题。芭薇接入一体化蜂巢互联PLM 后,备案资料准备时间缩短 60%、研发效率提升 22%、报价速度提升 20%、部门协同效率提升 10%。

这组数字里,最值得拆解的是那个 60%。它的机制不是"更快",而是"更准":芭薇把配方、工艺、原料、法规建为基础数据库,法规核查与备案资料自动输出,让备案所依赖的合规数据一次做对。对代工企业来说,报价快一点、供样快一点、备案快一点,是抢订单的直接竞争力;而这一切的前提,是配方和合规数据不再靠人工反复核对——这正是上一节"三个底座"在真实业务里的落地形态。

品牌企业的路径更侧重"把合规核查嵌进研发流程"。自然堂集团建立了配方合规核查系统,以及原料、配方、工艺、法规基础数据库,并配套包材管理系统。合规核查不是研发完成后再补,而是作为配方研发流程中的一个必经节点——配方在推进的同时,合规性就被持续校验,法规核查与备案时间因此缩短,研发效率也有明显提升(定性表述,无具体百分比)。"配方+包材"双线并管,也提醒品牌企业:化妆品的合规不只关乎内容物,包材同样在备案与宣称管理范围内。

跨行业看,医药企业马应龙药业(30 多种剂型的流程型研发)提供了另一个印证:同样需要把研发数据规范化,建立基础数据库、包材系统与内部检测流程和检测指标库,带来研发数据规范化、研发效率与协同的提升。这说明"配方型 PLM"的通用逻辑——把配方、原料、法规、检测数据放进同一底座——在医药与美妆的流程型研发中是相通的。

需要说明的是,以上案例数据来自企业公开案例页披露,属于厂商自述口径,具体数字以客户官方发布为准。


五、实操路径:从"Excel+ERP"到一体化 PLM 的四步走

一体化不是一次性上线的工程,可以分四步落地,每步都有明确的动作和可验证的效果。

第一步:配方与原料法规库入库。 把散落的配方、工艺、原料、法规数据归集为单一数据源。配方从个人电脑和 Excel 收进系统,建立版本与权限;禁用、限用、已使用原料目录与安全评估要求沉淀为结构化法规库。验证标准:任何一个配方、任何一个原料,都能在系统里查到唯一、最新的版本和合规状态。

第二步:合规校验前置到配方设计。 把原料合规校验嵌入配方设计环节。工程师选原料、改配比时,系统自动校验是否在《已使用化妆品原料目录》内、是否触及禁用或限用,并提示变更影响范围。目标是让不合规的配方在设计阶段就被拦截,而不是备案时被驳回。

第三步:备案资料自动输出。 在配方与原料数据完整、合规校验通过的基础上,让备案资料自动生成——配方、工艺、原料、法规数据保持一致,申报资料一次输出,把合规经理从人工拼接资料中解放出来。

第四步:上市后批次追溯闭环。 打通原料→配方→工艺→批次→备案的追溯链,形成全生命周期闭环。GMP 对追溯体系有明确要求(据国家药监局《化妆品生产质量管理规范》,2022年7月1日实施),一旦出现质量问题,能快速定位到具体批次并完成召回。


六、FAQ

Q1:化妆品企业需要 PLM 吗?它和 ERP 有什么区别?
A:需要。PLM 管配方、原料、研发流程与备案合规数据;ERP 管订单、物料、库存。PLM 是 ERP 的研发数据源头,两者通过物料主数据衔接——配方在 PLM 里定稿,再流转到 ERP 组织生产,分工不同、衔接而非替代。

Q2:化妆品备案新规下,PLM 能帮企业做什么?
A:把配方合规校验前置到研发环节,自动核查原料是否在《已使用化妆品原料目录》内、是否触及禁用或限用,并自动输出备案资料,减少申报返工——对应"事前控"而非"事后补"。

Q3:配方管理用 Excel 有什么问题?
A:版本失控、原料合规靠人工查、稳定性数据无沉淀、批次难追溯、知识随工程师离职流失。配方作为核心资产,需要版本、权限、审计与追溯的专职管理。


结尾

化妆品配方管理,本质是管合规。配方是合规的载体,备案是合规的交付物;只有把配方研发与备案合规放进同一条数据链,企业才能在新规下"一次做对"。前文案例中把备案资料准备时间大幅压缩的核心,正是"合规数据一次做对",而不是把流程做得更快。

给决策者和工程师三个可执行的动作:先盘点——把散落的配方、工艺、原料、法规数据归为单一数据源;再前置——把原料合规校验嵌入配方设计,而不是备案前才补;后闭环——备案资料自动输出 + 上市后批次追溯。

不妨从最朴素的问题开始自查:你的配方,现在还在 Excel 里吗?



 

参考文献

[1] 国务院《化妆品监督管理条例》(国务院令第727号,2021年1月1日施行)

[2] 国家市场监督管理总局《化妆品注册备案管理办法》(国家市场监督管理总局令第35号,2021年5月1日施行)

[3] 国家药监局《化妆品注册备案资料管理规定》(2021年)

[4] 国家药监局《化妆品安全评估技术导则(2021年版)》(2022年1月1日起执行

[5] 国家药监局《已使用化妆品原料目录(2021年版)》(2021年第62号公告)

[6] 国家药监局《化妆品生产质量管理规范》(GMP,2022年7月1日实施)

[7] 国家药监局完整版安全评估实施要求(2024年5月1日起全面实施)

[8] 国家药监局《关于深化化妆品监管改革促进产业高质量发展的意见》(24条新政,2025年11月18日发布)

[9] 国家市场监督管理总局、国家标准化管理委员会 GB/T 47688-2026《产品生命周期管理(PLM)系统通用要求》(2026年5月25日发布)

[10] 前瞻产业研究院《中国化妆品市场规模报告》(2026年3月;本文仅作"万亿级市场"模糊表述,未引用具体数值)

深圳蜂巢互联科技股份有限公司官网·公开客户案例(2025年)

目录
相关文章
|
21天前
|
人工智能 云计算 异构计算
LTX-2.5:一句话生成带声音的视频,几分钟拥有 AI 影音创作工作站
LTX-2.5是Lightricks推出的220亿参数开源音视频大模型,支持文生视频、图生视频及首尾帧生成,音画天然同步。依托阿里云计算巢+ComfyUI,一键部署即用,4K HDR输出,开箱实现AI影音创作。
LTX-2.5:一句话生成带声音的视频,几分钟拥有 AI 影音创作工作站
|
21天前
|
人工智能 自然语言处理 安全
阿里云Qoder CN产品简介:AI智能体产品,基于千问大模型等,支持代码智能生成、研发智能问答
本文介绍了阿里云Qoder CN(原灵码)这款面向AI原生时代的全栈智能开发与生产力提效产品。其深度集成通义千问等主流大模型,以代码智能生成、研发智能问答、工程级智能体交互为核心能力,覆盖从个人开发者到企业研发团队的全场景需求。产品矩阵包含Qoder Desktop、QoderWork、QoderWake等多元形态,支持端到端工程级交付、企业级知识增强与数据安全。文章详细梳理了从免费社区版到企业专属版的分层订阅方案,并重点解析了当前一周年庆限时福利。
|
21天前
|
安全 JavaScript Shell
DeepSeek Harness 设计解析:从 Agent Harness 的六个关键决策讲起
DeepSeek Harness 是一款“一切皆插件”的开源Agent执行框架,聚焦长任务可靠运行:通过可替换的Loop机制、按需暴露的工具Schema、动态管理的上下文、事件驱动的持久状态、分层权限控制及多维验证体系,解决任务中断、约束丢失、上下文污染与验收失真等核心痛点。
372 0
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
GB/T 47688-2026 解读:PLM 规则引擎与 AI 引擎 10 项要求落地指南
GB/T 47688-2026《产品生命周期管理(PLM)系统通用要求》是国内首部面向 PLM 的"通用要求"类推荐性国家标准,由中国机械工业联合会提出、SAC/TC 159 归口,31 家起草单位涵盖装备制造、能源、轨交等领域央企与国产 PLM/工业软件厂商及高校。其关键变化之一是将规则引擎与人工智能引擎从厂商可选增值能力,正式纳入 PLM 平台层的基础支撑能力序列,与流程引擎、事务管理、集成接口等核心组件并列。
100 0
|
22天前
|
存储 人工智能 JavaScript
AI重塑PLM:当国际巨头All in AI,PLM智能化进入国家标准时代
AI正在重塑PLM:国际巨头All in AI,国家标准GB/T 47688-2026明确要求PLM具备AI能力。本文拆解AI重塑PLM的五大场景,结合公开案例与标准要求,探讨国产PLM的智能化路径。
191 0
|
存储 人工智能 运维
五类玩家格局分化,爱分析测算AI记忆市场规模2030年将达到642.5亿
爱分析测算显示,中国记忆市场2030年将达642.5亿元,五年复合增速超过110%。与此同时,市场已吸引云大厂、模型厂商、独立记忆平台、企业记忆应用厂商、消费记忆产品五类玩家同台,竞争力分化本质上由资源禀赋决定。
|
人工智能 自然语言处理
AI 搜索优化(GEO)架构选型:AI Native SaaS 独立使用还是协同交付?
做 AI 搜索优化的服务商越来越多,但「怎么选」「有没有好的推荐」之前,先要分清一个更前置的问题——是独立订阅 AI Native SaaS,还是叠加专业服务协同交付。本文拆解一套 AI Native GEO 系统的五层架构,厘清两种交付方式的协作分界,并给出决策规则、成本视角与小规模验证方法,帮你先选对交付方式、再看具体服务商。
|
22天前
|
存储 弹性计算 运维
阿里云无影云电脑企业版介绍:适用场景、核心能力、产品对比、计费组成与常见问题
本文解析了阿里云无影云电脑企业版这一桌面即服务(DaaS)产品。它基于自研ASP自适应流协议,将算力、存储与管理全部上云,构建起数据不落地、全链路加密的安全合规体系,适配远程安全办公、多分支机构统一运维、弹性用工、高性能图形处理等核心场景。文章详细对比了其与传统PC、自建VDI、ECS及无影个人版的定位差异,梳理了通用办公、GPU图形工作站等全系列实例规格与清晰的计费组成,并同步展示了当前4核8G、8核16G等主力规格的高性价比活动价格。
|
21天前
|
数据采集 存储 人工智能
通义千问GEO优化实践 基于阿里云PAI与百炼平台的RAG架构解析
本文为阿里云开发者提供通义千问GEO内容优化技术指南(2026年8月版),涵盖RAG架构解析、PAI-EAS部署、向量知识库构建、结构化内容策略、AI引用监测及llms.txt/Schema落地实践,助力电商与本地服务商提升AI搜索可见性与转化率。
|
21天前
|
SQL JSON 自然语言处理
从对话到行动:构建可审计、可回滚的 API 智能体执行链路
本文探讨大模型如何安全落地业务系统:强调智能体需构建“意图→工具调用→校验→执行→反馈”闭环,通过工具契约、权限白名单、参数校验与人工确认等机制,在可控边界内实现从对话到行动的可靠转化。(239字)
78 0