大数据对企业的影响

“突然的春风来了，成千上万的树木和梨开花. ”中间阶段的概念正如这首诗中所描述的那样炙手可热，并且似乎在IT圈中立即燃烧起来. 似乎没有中间阶段的解决方案. 蚀了. 中间办公室（数据中间办公室，业务中间办公室，技术中间办公室，AI中间办公室...）的概念可以描述为在空中飞舞. 我希望在下一篇文章中结合实际案例，讨论从概念到实践的最重要问题. 在层次上做一些解释.

在阅读“中期”的概念之前，让我们看一下“中期”一词的由来. 中国和台湾很早就从美国的军事战斗系统演变而来. 通过中后台的强大火炮能力，前线团队可以迅速判断并领导整个进攻的完成. 这意味着可以听到炮声的人可以及时呼叫炮兵.

不同的人对“中国是什么”问题有不同的理解. 有人认为是要添加一些业务功能，或者是基于场景的业务微服务聚合中心，也称为API中心大数据esb，例如用户中心，订单中心，产品中心等，也称为“业务中心”. 有人认为中间阶段是各种技术组件的积累，例如Spring Boot，Devops，微服务开发框架，Docker等，也称为“技术中间阶段”.

要确切地知道中间阶段是什么，您必须追根溯源并回到最初的意图. 它必须从“中间阶段”的各种概念中提取. 从更高的角度和角度来看，中间阶段可以为企业带来什么价值？

经过30年的信息建设，制造业积累了无数的企业管理信息系统，例如ERP，MES，PLM，SRM，CRM等. 所有这些信息系统都是基于流程驱动的，解决了各种管理效率企业的问题. 经过多年的开发和建设，这些系统已经变得肿，并且总结起来缓慢且昂贵. 就像下面图片中的大齿轮一样.

随着科学技术的发展，企业面临的不确定性越来越大，产品的复杂性也在逐渐增加，生产过程的复杂性也在逐渐增加，客户定制化的需求也在逐渐增加，供应链协作正在逐步增加. 企业的竞争从本质上演变为优化资源分配效率的竞争，或者被理解为通过数据服务的商业化对快速变化的市场变化做出响应. 就像下面图片中的小型设备一样，前台应运而生，专注于小巧美观，快速创新和迭代以及对用户需求的快速响应. 内部用户必须访问多个系统才能获取产品图纸，供应商信息，库存等数据，从而导致他们无法快速更改，无法直接用于支持前台的快速创新需求. 管理层也难以基于大数据在营销，研发，制造和服务等各种系统之间的集成来进行实时分析和决策洞察.

驱动这两个不同的速度齿轮需要一个耦合齿轮: 中间级. 它可以在后台快速聚合数据和功能，并通过平台的快速开发，分析，服务编排和其他功能，在前台提供更多的创新和反复试验功能.

一个例子: 一个非常小的场景，例如购买图纸并将其发送给供应商. 购买时，您必须首先学习PLM搜索图纸，同时必须学习ERP以查看图纸对应的原材料库存，甚至学会使用SRM系统查看给定的购买价格由供应商. 在一个简单的场景中，由于后端系统的复杂性和部门的局限性，数据无法及时和最终用户协作，也就是说，它不能真正以用户为中心.

如果您必须给出一个定义，我想将其概括为: “中间阶段是一种思考，一种系统”. 这个想法主要是为了加速数据驱动的价值过程.

过去我们在构建信息系统的过程中经常提到的中间办公室的概念与SOA / ESB有什么区别？

SOA更像是一种软件体系结构设计模型和方法论. 它的主要功能是面向服务的分布式计算，服务重用，服务之间的松散耦合，对服务封装的支持，服务注册和自动发现. 以服务合同的形式定义服务交互.

ESB更容易理解. 集中式SOA的具体实现，主要是解决异构系统之间集成的常见问题，如服务连通性，路由，消息丰富，服务注册/查找/发布等. 管理，服务监控和质量保证.

回头看看夹层. 夹层楼是由于前台的敏捷性而诞生的. 它通过模型聚合将后台系统中前台需要调用的业务功能和数据链接到中间台. 为了响应前台的迅速创新和变化，可以在前台快速打电话，为前台提供更强大的火炮支持.

与众泰相比，SOA / ESB主要面向系统集成，并且项目实施的平均成本很高. 它涉及许多协作开发，没有数据分析功能，并且面临性能和可伸缩性风险. 从成本和效率角度来看，这都反映了传统项目构建方法所缺乏的业务迭代功能.

因此，中间阶段不等于SOA或ESB. 尽管它在概念上与SOA一致，但从技术角度来看，它也可以用作SOA中集成模型开发的演化变形，但是从战略的角度来看，中期显然是高级的.

1）启用平台功能简介:

PTC的ThingWorx平台是使中型制造公司能够使用的最合适的平台，包括端对端支持技术，例如数据连接，模型聚合，服务注册和编排，数据分析以及前端应用程序构建. 以下是简要介绍.

连接器方法用于将不同系统中的3D数据，工程图，库存，供应商和其他数据连接到ThingWorx平台. 内置的Kepware组件可将符合OPC协议的工厂设备，机器人，AGV等连接到平台，同时，它支持多种方法（例如SDK）将产品的实时操作数据连接到平台. 平台.

图形模型聚合

基于关联数据，我们认为中泰的核心思想是使用ThingModel机制来汇总模型项与模型项之间的管理关系，以建立完整的产品全数据模型. 如下图所示，我们构建了一个模型的完整逻辑显示A洗衣机的完整数据模型（属性，服务，时间，订阅）.

并且该过程可以完全通过ThingWorx的图形方式完成，而无需编写代码.

可以直接在平台上查询模型项之间管理关系的可追溯性. 下图完全显示了ECN，零件和需求之间的可追溯性和关联.

先生. PTC全球高级副总裁兼区总裁刘强说: “基于ThingModel机制的图形方法构建产品的完整数据模型是PTC ThingWorx平台的核心，这使我们能够启用用户快速聚合背景. 缓慢而昂贵的系统业务和数据，提高了与前端用户的数据的及时性，一致性和协作性，并加速了数据转化为价值的过程. ”

服务编写，注册和安排

客户IT或SI可以使用Java并编写复杂的业务逻辑聚合服务，使用ThingWorx快速开发和部署功能，修改和验证服务，以及注册和发布API Center，API Center中的所有Service API，其他前台应用程序，系统甚至微信小程序都可以访问.

同时，如下图所示，它支持已注册服务的傻瓜式和拖放式布置.

数据分析

同时，平台自身的分析组件，包括7种经典的机器学习算法，例如线性回归，逻辑回归和决策树，可以帮助用户快速建立机器学习算法模型，以预测设备故障概率并提高工艺水平. 查找产品故障模式等，以便最终用户可以根据后台系统数据真正做出快速决策.

前景应用程序构建

ThingWorx平台的拖放式开发经验可以使前台开发速度提高十倍以上. 通过开箱即用的控件和历史悠久的控件市场（MarketPlace），所见即所得的布局，数据绑定的服务，调用并开发一个可聚合不同数据和服务的混搭页面. 这些页面可以嵌入到原始首页中，也可以通过单独的Web浏览器甚至移动终端进行访问.

与此同时，ThingWorx平台的AR开发组件可以结合聚合的3D数据，实时数据等，为用户提供不同的数据体验方法.

2）场景和案例:

让我们看一些常见的制造场景和案例，以了解PTC ThingWorx如何用作中间阶段，以加速数据转化为价值的过程.

发给供应商的采购图纸:

PTC Navigate是基于ThingWorx开发的应用程序框架，该框架完全基于APP风格的用户角色体验. APP和庞大的前端接口或后端系统之间的最大区别是，APP不需要培训，并且是一个“小程序”，可以解决特定角色的特定情况.

采购人员只需选择查看图纸APP大数据esb，输入图纸编号，即可在APP中显示图纸. 甚至可以在一个APP中显示ERP中与图纸相对应的零件的库存和零件，PLM中的状态和版本，从而大大提高了跨系统数据业务的及时性和一致性.

数字质量可追溯性:

众所周知，质量是制造公司中企业的生命线. 但是，与质量相关的数据存储在各种相关的后端系统中. 通常通过检查来改进. 我们的一位欧洲客户在所有相关后端系统（记录系统）的基础上构建了ThingWorx层，并基于ThingWorx开发了一系列互联质量应用程序（创新系统）.

核心思想是通过ThingModel机制以及模型项之间的关系来建立所有质量数据的模型项，例如需求，验证，FMEA，变更，过程路线，客户反馈，NC和CAPA. 这样可以进行基于场景的活动，例如前端质量计划，关键控制参数和可预测的过程质量.

结论

先生. PTC全球高级副总裁兼区总裁刘强说: “随着中国大陆和台湾的崛起，公​​司确实带来了新的数据服务和业务创新支持解决方案，并且公司已经根据自己的业务构建了自己的平台. 在发展方向上无疑是正确的，但应根据行业的最佳实践进行调整，根据其当前的业务成熟度，技术成熟度和理论成熟度，引入技术领导，案例领导，架构领导和性能领先的相关商业产品. ”

在实现方式方面，我们建议遵循“从大处着眼”，“从小处着手”和“快速扩展”的原则. 根据特定的情况，它可以快速启动，逐渐沉淀和快速复制，最终在中间办公室形成自己的优势，以支持企业的业务转型并增强企业的竞争力.

通常认为，数据结构是根据某些逻辑连接由数据元素组织的. 数据元素之间的逻辑关系的描述称为数据的逻辑结构. 数据必须存储在计算机中，数据的存储结构是数据结构及其在计算机中的表示形式. 此外，必须同时讨论数据结构. 对此类数据执行的操作是有意义的. 逻辑数据结构可以具有多个存储结构，并且各种存储结构都会影响数据处理的效率.

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-266339-1.html