架构-系统工程与信息系统基础
一、系统工程核心知识
1. 系统工程定义
- 本质：一种组织管理技术，从整体出发分析系统要素（组成、结构、信息流、控制机制），追求“整体最优”，借助计算机实现规划、设计、管理、控制的优化。
- 目标：通过科学方法（如霍尔三维结构、切克兰德方法）解决复杂系统问题，强调跨学科整合。
2. 系统工程方法论
| 方法 | 核心特点 | 应用场景 |
|---|---|---|
| 霍尔三维结构 | “硬科学”方法，分三维度： - 逻辑维（问题解决流程：明确问题→决策→实施） - 时间维（阶段：规划→研制→生产→运行→更新） - 知识维（跨领域知识：工程、管理、法律等） | 大型工程建设项目管理 |
| 切克兰德方法 | “软科学”方法，核心是“比较”与“探寻”，7步骤：认识问题→建立概念模型→评估反馈 | 社会、管理等复杂非结构化问题 |
| 并行工程 | 强调“制造过程”与“支持过程”并行，利用信息工具快速协调问题 | 产品开发与制造 |
| 综合集成法 | 钱学森提出，适用于“简单系统”和“巨系统”，遵循整体论、动态性等原则 | 复杂系统建模 |
| WSR系统方法 | 实践准则：“懂物理（客观规律）→明事理（管理方法）→通人理（人际协调）” | 社会系统工程 |
3. 生命周期与开发方法
- 系统工程生命周期：概念→开发→生产→使用→保障→退役，支持计划驱动（瀑布式）、渐进迭代（敏捷开发）、精益开发等模式。
- 信息系统生命周期：产生（需求调研）→开发（规划→分析→设计→实施→验收）→运行→消亡（更新/报废）。
二、信息系统开发与分类
1. 开发原则与方法
- 原则：高层介入（战略支持）、用户参与（需求明确）、自顶向下规划（全局视角）、工程化（引入软件工程）。
- 主流方法：
- 原型法：快速构建原型验证需求，分水平原型（界面）、垂直原型（算法），抛弃式（验证后废弃）、演化式（迭代完善）。
- 结构化法：自顶向下分解，阶段清晰（需求→设计→实施），文档规范但应变能力差。
- 面向对象法：自底向上建模，复用性强，符合人类思维习惯。
- 敏捷方法：小步迭代，灵活应对需求变化，适合快速交付。
2. 信息系统分类
| 类型 | 核心功能 | 典型场景 |
|---|---|---|
| 业务处理系统（TPS） | 最基础信息系统，处理数据输入、批处理/联机交易（OLTP）、报表生成，服务基层业务 | 银行柜台交易、超市收银系统 |
| 管理信息系统（MIS） | 集成化人机系统，基于TPS扩展管理功能（预测、控制、计划），金字塔结构分多层级 | 企业综合管理（财务、库存等） |
| 决策支持系统（DSS） | 辅助半结构化/非结构化决策，由语言系统、知识系统、问题处理系统组成，侧重“决策有效性” | 企业战略规划、市场分析 |
| 专家系统（ES） | 内置领域专家知识，通过推理解决问题，支持不确定知识处理（如医疗诊断、故障排查） | 医疗诊断、金融风控 |
| 办公自动化系统（OAS） | 整合计算机、通信设备及软件，实现文档处理、流程审批等办公场景自动化 | 企业日常办公、公文流转 |
| 企业资源计划（ERP） | 整合供应链、财务、生产等资源，打通企业数据流，核心是“物流+计划”，扩展至非制造业 | 制造业全流程管理、集团化管控 |
3. 关键技术对比
- 开环 vs 闭环系统：
- 开环（批处理系统）：决策不实时反馈，如定期生成报表；
- 闭环（实时处理系统）：动态收集信息调整决策，如在线交易系统。
三、电子政务与信息化应用
1. 电子政务类型（按角色划分）
| 类型 | 定义 | 典型应用 |
|---|---|---|
| G2G | 政府间协作（Government to Government） | 人口信息共享、跨部门数据协同、政策文件传输 |
| G2B | 政府对企业（Government to Business） | 营业执照发放、税收申报、政策补贴申请 |
| B2G | 企业对政府（Business to Government） | 企业缴税、招投标、政府项目供应 |
| G2C | 政府对公民（Government to Citizen） | 户籍管理、社保查询、公共安全通知（如灾害预警） |
| G2E | 政府内部管理（Government to Employee） | 公务员考勤、内部培训、办公系统整合 |
2. 企业信息化核心概念
- 目标：优化业务流程，提升竞争力，涉及三类创新：
- 技术创新：CAD设计、工业互联网等技术应用；
- 管理创新：流程重组（BPR）、供应链管理（SCM）；
- 制度创新：适应信息化的管理体制改革。
- 关键系统：
- CRM（客户关系管理）：以客户为中心，模块包括销售自动化、客户服务、商业智能，目标是提升客户满意度和忠诚度。
- SCM（供应链管理）：整合供应商-制造商-分销商，优化“信息流、资金流、物流”，降低成本。
- BI（商业智能）：通过数据仓库（历史数据存储）、OLAP（多维分析）、数据挖掘（模式识别）支持决策，如客户购买偏好分析。
3. 数据管理技术
-
数据仓库 vs 数据湖：
维度 数据仓库 数据湖 数据类型 清洗后结构化数据 原始数据（结构化+非结构化，如图片、文档） 模式定义 存储前定义（预设计） 存储后定义（灵活适配） 主要用途 历史数据分析、决策支持 多场景处理（分析+事务，如实时日志存储） 优势 数据质量高、标准统一 扩展性强、支持复杂数据格式 -
数据挖掘技术：分类（标记数据分组）、关联分析（发现数据关系，如“买啤酒的人常买尿布”）、序列模式（时间序列因果分析）。
四、数字化转型与智能制造
1. 数字化转型阶段
- 初始级：单项业务数字化（如Excel记录数据）；
- 单元级：单个设备/部门数字化（如车间自动化）；
- 流程级：跨部门流程集成（如ERP整合财务与生产）；
- 网络级：企业间数据共享（如供应链协同平台）；
- 生态级：跨产业生态协同（如工业互联网平台，资源开放共享）。
2. 智能制造体系
- 系统层级（从底层到顶层）：
- 设备层：传感器、机床等物理设备；
- 单元层：单设备控制（如PLC编程）；
- 车间层：生产调度、质量监控（MES系统）；
- 企业层：经营管理（ERP、CRM）；
- 协同层：跨企业业务协同（如订单共享、产能调配）。
- 核心特征：设备互联、数据融合、流程自动化、决策智能化（如预测性维护、智能排产）。
五、关键方法与工具总结
- 系统工程方法：霍尔三维结构（硬系统）vs 切克兰德（软系统），前者重流程，后者重探索；
- 信息化规划方法：关键成功因素法（CSF，抓核心需求）、企业系统规划法（BSP，自上而下设计）、战略集合转化法（SST，战略目标映射）；
- 集成技术：企业应用集成（EAI）分界面集成（统一入口）、数据集成（消除信息孤岛）、业务流程集成（跨企业协同），难度逐级提升。