- ?
带你了解智能制造的十大关键技术
庾书瑶
展开
智能制造智能制造是实现整个制造业价值链的智能化和创新,是信息化与工业化深度融合的进一步提升。智能制造融合了信息技术、先进制造技术、自动化技术和人工智能技术。智能制造包括开发智能产品;应用智能装备;自底向上建立智能产线,构建智能车间,打造智能工厂;践行智能研发;形成智能物流和供应链体系;开展智能管理;推进智能服务;最终实现智能决策。
目前智能制造的“智能”还处于Smart的层次,智能制造系统具有数据采集、数据处理、数据分析的能力,能够准确执行指令,能够实现闭环反馈;而智能制造的趋势是真正实现“Intelligent”,智能制造系统能够实现自主学习、自主决策,不断优化。
智能制造十大关键技术
在智能制造的关键技术当中,智能产品与智能服务可以帮助企业带来商业模式的创新;智能装备、智能产线、智能车间到智能工厂,可以帮助企业实现生产模式的创新;智能研发、智能管理、智能物流与供应链则可以帮助企业实现运营模式的创新;而智能决策则可以帮助企业实现科学决策。智能制造的十项技术之间是息息相关的,制造企业应当渐进式、理性地推进这十项智能技术的应用。
1.智能产品(Smart Product)
智能产品通常包括机械、电气和嵌入式软件,具有记忆、感知、计算和传输功能。典型的智能产品包括智能手机、智能可穿戴设备、无人机、智能汽车、智能家电、智能售货机等,包括很多智能硬件产品。智能装备也是一种智能产品。企业应该思考如何在产品上加入智能化的单元,提升产品的附加值。
2.智能服务(Smart Service)
基于传感器和物联网(IoT),可以感知产品的状态,从而进行预防性维修维护,及时帮助客户更换备品备件,甚至可以通过了解产品运行的状态,帮助客户带来商业机会。还可以采集产品运营的大数据,辅助企业进行市场营销的决策。此外,企业通过开发面向客户服务的APP,也是一种智能服务的手段,可以针对企业购买的产品提供有针对性的服务,从而锁定用户,开展服务营销。
3.智能装备(Smart Equipment)
制造装备经历了机械装备到数控装备,目前正在逐步发展为智能装备。智能装备具有检测功能,可以实现在机检测,从而补偿加工误差,提高加工精度,还可以对热变形进行补偿。以往一些精密装备对环境的要求很高,现在由于有了闭环的检测与补偿,可以降低对环境的要求。
4.智能产线(Smart ProducTIon line)
很多行业的企业高度依赖自动化生产线,比如钢铁、化工、制药、食品饮料、烟草、芯片制造、电子组装、汽车整车和零部件制造等,实现自动化的加工、装配和检测,一些机械标准件生产也应用了自动化生产线,比如轴承。但是,装备制造企业目前还是以离散制造为主。很多企业的技术改造重点,就是建立自动化生产线、装配线和检测线。美国波音公司的飞机总装厂已建立了U型的脉动式总装线。自动化生产线可以分为刚性自动化生产线和柔性自动化生产线,柔性自动化生产线一般建立了缓冲。为了提高生产效率,工业机器人、吊挂系统在自动化生产线上应用越来越广泛。
5.智能车间(Smart workshop)
一个车间通常有多条生产线,这些生产线要么生产相似零件或产品,要么有上下游的装配关系。要实现车间的智能化,需要对生产状况、设备状态、能源消耗、生产质量、物料消耗等信息进行实时采集和分析,进行高效排产和合理排班,显著提高设备利用率(OEE)。因此,无论什么制造行业,制造执行系统(MES)成为企业的必然选择。
6.智能工厂(Smart Factory)
一个工厂通常由多个车间组成,大型企业有多个工厂。作为智能工厂,不仅生产过程应实现自动化、透明化、可视化、精益化,同时,产品检测、质量检验和分析、生产物流也应当与生产过程实现闭环集成。一个工厂的多个车间之间要实现信息共享、准时配送、协同作业。一些离散制造企业也建立了类似流程制造企业那样的生产指挥中心,对整个工厂进行指挥和调度,及时发现和解决突发问题,这也是智能工厂的重要标志。智能工厂必须依赖无缝集成的信息系统支撑,主要包括PLM、ERP、CRM、SCM和MES五大核心系统。大型企业的智能工厂需要应用ERP系统制定多个车间的生产计划(ProducTIon planning),并由MES系统根据各个车间的生产计划进行详细排产(producTIon scheduling),MES排产的粒度是天、小时,甚至分钟。
7.智能研发(Smart R&D)
离散制造企业在产品研发方面,已经应用了CAD/CAM/CAE/CAPP/EDA等工具软件和PDM/PLM系统,但是e-works在为制造企业提供咨询服务的过程中发现,很多企业应用这些软件的水平并不高。企业要开发智能产品,需要机电软多学科的协同配合;要缩短产品研发周期,需要深入应用仿真技术,建立虚拟数字化样机,实现多学科仿真,通过仿真减少实物试验;需要贯彻标准化、系列化、模块化的思想,以支持大批量客户定制或产品个性化定制;需要将仿真技术与试验管理结合起来,以提高仿真结果的置信度。流程制造企业已开始应用PLM系统实现工艺管理和配方管理,LIMS(实验室信息管理系统)系统比较广泛。
8.智能管理(Smart Management)
制造企业核心的运营管理系统还包括人力资产管理系统(HCM)、客户关系管理系统(CRM)、企业资产管理系统(EAM)、能源管理系统(EMS)、供应商关系管理系统(SRM)、企业门户(EP)、业务流程管理系统(BPM)等,国内企业也把办公自动化(OA)作为一个核心信息系统。为了统一管理企业的核心主数据,近年来主数据管理(MDM)也在大型企业开始部署应用。实现智能管理和智能决策,最重要的条件是基础数据准确和主要信息系统无缝集成。
9.智能物流与供应链(Smart logisTIcs and SCM)
制造企业内部的采购、生产、销售流程都伴随着物料的流动,因此,越来越多的制造企业在重视生产自动化的同时,也越来越重视物流自动化,自动化立体仓库、无人引导小车(AGV)、智能吊挂系统得到了广泛的应用;而在制造企业和物流企业的物流中心,智能分拣系统、堆垛机器人、自动辊道系统的应用日趋普及。WMS(Warehouse Management System,仓储管理系统)和TMS(Transport Management System,运输管理系统)也受到制造企业和物流企业的普遍关注。
10. 智能决策(Smart Decision Making)企业在运营过程中,产生了大量的数据。一方面是来自各个业务部门和业务系统产生的核心业务数据,比如与合同、回款、费用、库存、现金、产品、客户、投资、设备、产量、交货期等数据,这些数据一般是结构化的数据,可以进行多维度的分析和预测,这就是BI(Business Intelligence,业务智能)技术的范畴,也被称为管理驾驶舱或决策支持系统。同时,企业可以应用这些数据提炼出企业的KPI,并与预设的目标进行对比,同时,对KPI进行层层分解,来对干部和员工进行考核,这就是EPM(Enterprise Performance Management,企业绩效管理)的范畴。从技术角度来看,内存计算是BI的重要支撑。
共享集团正在打造中国智能制造的车间及工厂,为行业搭建了共享工业云平台来分享技术、协同制造及提供智能化物流和供应链,秉承传统产业智能转型的理念,利用智能管理技术和互联网来服务行业,引领时代进步,我们相信,未来产业在云上。
- ?
大数据治理:如何解决企业数据问题?
万言
展开
当今,数字化转型正在各行业快速发展,以数据、流量、知识为主的的数字经济时代到来,数据在其中的重要性不言而喻。然而企业面对每时每刻产生着大量的且格式多样化的数据,企业管理者对数据的困惑也与日俱增,这些数据从哪里来?我们能相信这些数据吗?数据之间有什么样的关系?谁能理解这些数据?
这一系列问题是都是由于数据零散化存放造成的。因为基于数据作分析,首先需要数据的聚合,但由于生产系统和数据的离散化,造成了数据标准、数据模型不统一,因而企业最需要做的就是对数据整合和标准化。因此大数据治理就成了数据问题的解决之道。
大数据治理是指对数据资产的管理活动行使权力和控制的活动集合。起着指导其他数据管理职能如何执行的作用,它通过制定正确的政策、操作规程,确保以正确的方式对数据和信息进行管理。以下是大数据治理的四个核心要素。
明确数据治理责任,建立组织
数据出了问题,到底是谁的责任?因为数据主要是IT系统产生的,所以一直以来,解决数据问题都被认为是IT部门的职责。而IT部门也饱受其苦,数据定义和业务规则,业务部门最清楚;数据录入,业务人员负责;数据使用,业务人员是用户;数据考核,业务部门有权力……但实际上,要切实解决数据问题,开展数据治理工作,就必须先清楚一点:数据治理,是业务部门和IT部门共同的职责。数据治理/管理领导小组设在信息化领导小组之下,可以单设,也可以是信息化领导小组的一个职责,数据治理部门可能是实体部门,也可能是由牵头业务部门和IT部门联合组成的虚拟团队。
管理出成效,制度是保障
大数据治理需要管理和制度的有力支撑,可结合企业的现状,制定相应的管理办法、管理流程、认责体系、人员角色和岗位职责等,颁布相关的数据治理的企业规章制度等。
数据规范:没有规矩,不成方圆
数据规范是指对企业核心数据进行有关存在性、完整性、质量及归档的测量标准,为评估企业数据质量,并且为手动录入、设计数据加载程序、更新信息以及开发应用软件提供的约束性规则,数据规范一般包括数据标准、数据模型、业务规则、元数据、主数据和参考数据。
选择合适的大数据治理工具
工欲善其事必先利其器,大数据治理的落地开展离不开工具的支撑。大数据治理工具一般分为两类:一类是单个工具,另一类是集成平台,用于不同的阶段、场景和客户。其中,单独工具有:元数据、数据质量、主数据等,集成平台包括数据资产管理、数据治理平台、自助服务平台等。
利用数据治理软件主要解决企业不同来源数据集成过程中遇到的问题,需要数据治理软件能够为企业提供统一的元数据集成、数据标准管理、数据模型设计、数据质量稽核、数据资产目录、数据分析服务等能力。
- ?
银行数据中心如何建设?
孔弼
展开
某银行省级数据中心 IT 运维服务体系建设,应包含运维服务制度、流程、组织、队伍、技术和对象等方面的内容。同时结合某银行的业务特色,整合运维服务资源,规范运维行为,确保服务质效,形成统一管理、集约高效的一体化运维体系, 从而保障某银行数据集中条件下网络和应用系统安全、 稳定、高效、持续运行。
一、运维服务体系建设原则
运维服务体系建设的原则有以下几个方面。
一是以完善的运维服务制度、流程为基础。为保障运行维护工作的质量和效率,应制定相对完善、切实可行的运行维护管理制度和规范,确定各项运维活动的标准流程和相关岗位设置等, 使运维人员在制度和流程的规范和约束下协同操作。
二是以先进、成熟的运维管理平台为手段。通过建立统一、集成、开放并可扩展的运维管理平台,实现对各类运维事件的全面采集、及时处理与合理分析,实现运行维护工作的智能化和高效率。
三是以高素质的运维服务队伍为保障。 运维服务的顺利实施离不开高素质的运维服务人员,因此必须不断提高运维服务队伍的专业化水平,才能有效利用技术手段和工具,做好各项运维工作。
二、运维服务体系的总体架构
运维服务体系由运维服务制度、运维服务流程、运维服务组织、运维服务队伍、运维技术服务平台以及运行维护对象六部分组成,涉及制度、人、技术、对象四类因素,其总体架构如图 1 所示。制度是规范运维管理工作的基本保障,也是流程建立的基础。运维服务组织中的相关人员遵照制度要求和标准化的流程,采用先进的运维管理平台对各类运维对象进行规范化的运行管理和技术操作。
1. 运维服务制度和流程
为确保运维服务工作正常、有序、高效、协调地进行,需要根据管理内容和要求制定一系列管理制度,覆盖各类运维对象,包括从投产管理、日常运维管理到下线管理以及应急处理的各个方面。此外,为实现运维服务工作流程的规范化和标准化,还需要制定流程规范,确定各流程中的岗位设置、职责分工以及流执行过程中的相关约束。
2. 运维服务组织和队伍
某银行科技部门根据其运维服务工作的内容和流程确定各项工作中的岗位设置和职责分工, 并按照相应岗位的要求配备所需不同专业、 不同层次的人员,组成专业分工下高效协作的运维队伍。 分行科技处负责数据省级集中处理的应用系统和本机构开发的应用系统部署和运行维护,承担辖内网络的运行管理。辖内各中支和支行科技人员承担本行系统运行维护和故障处理。
3. 运维服务工作流程
为保障运行维护体系的高效、协调运行,应依据管理环节、管理内容、管理要求制定统一的运行维护工作流程,实现运行维护工作的标准化、规范化。其环节包括事件管理、问题管理、变更管理和配置管理。
4. 运维技术服务平台
运维技术服务平台包含实施运行维护和技术服务的各种手段和工具,通过技术手段固化标准化的流程、积累和管理运维知识并开展主动性运维工作。
三、运维的范围
1. 全国集中的核心应用系统
全国集中的核心应用系统的运维由总行负责, 分行中心负责业务咨询工作和向总行反馈使用情况等。
2. 分行部署的核心应用系统
分行部署的核心应用系统的运维由分行中心负责, 分行中心负责技术性维护,业务维护由分行业务部门负责。
3. 分行自建系统
分行自建系统可以分为以下三类:
(1)全辖使用,这类系统的运维由分行中心负责,分行中心负责技术性维护,业务维护由各分行业务部门自行负责;
(2)省内使用,这类系统的运维由分行中心负责,分行中心负责技术性维护,业务维护由分行业务部门自行负责;
(3)分行机关使用,这类系统的运维由分行中心全面负责。
四、运维服务体系建设的内容
1. 运维管理制度建设
总结现有的运维管理经验,遵照国内外相关运维标准,结合目前的实际情况,统一制定运维管理制度和规范。通过定期和不定期的检查,促进各项制度规范在分行数据中心的贯彻落实,从而建立起全辖统一、规范的运行维护管理工作方式。同时,随着某银行信息化建设的不断发展,也要确保各项制度的及时更新。制度体系内容要涵盖机房管理、网络管理、资产管理、主机和应用管理、存储和备份管理、技术服务管理、安全管理、文档管理以及人员管理等类别。各类制度具体内容因需要而定,如网络管理制度需覆盖网络的接入管理、用户管理、配置管理及网络日常运行管理和应急处理等。 安全管理制度需覆盖包括机房设施、 网络、主机、数据库、中间件、应用软件、数据信息的安全管理、其他机密资源和人员的安全管理以及安全事件的应急处理等。
2. 运维技术服务平台
运维技术服务平台由运维事件响应中心、运维管理系统、运维知识库和运维辅助分析系统构成(如图 2 所示)。平台采用分行级、中支级分布式管理模式,在分行科技处和各中支分别部署。
(1 )整合分行 IT 监控平台
将分行级数据中心的监控数据交换到运维事件响应中心、运维流程管理系统、运维知识库、运维辅助分析系统,支撑运维体系。
分行级中心向总行中心传送的信息包括:网络管理、主机管理、数据库管理、存储备份管理、 中间件管理、 应用系统管理的相关信息, 报表系统产生的设备资产、运行性能和运行事件报表,事件告警机制产生的关联和上报信息;省级中心和地市中心支行之间传送的管理信息为网络管理信息。
(2 )运维事件响应中心
负责客户端运行和应用系统问题的接收及转发的部门是各级科技部门。 问题接收分为网络响应和电话响应两种方式,对于响应人员无法当场解决的问题,转发到运维部门的相应岗位,并向用户反馈解决情况。对于分行级数据中心运维难以解决的问题,上报总行并配合总行进行问题的解决。同时,实现问题库的维护、解决情况的反馈、解决方案的查询等功能。
(3 )运维服务管理系统
运维流程管理系统的建立,可以使日常的运维工作有序化,职责角色清晰化,能够有效地提高解决问题的速度和质量,使运维部门内的相关支持信息更为畅通、透明、完整,实现知识的积累和管理,更好地进行量化管理和设定优化指标,进行持续地服务改进,最终提高整个运维工作的效率和质量。
(4 )运维知识库建设
知识库建设是某银行信息系统运维体系的重要组成部分, 基于统一的技术支持平台,通过整合总行、分行数据中心、合作单位和协作厂商的技术资源和解决方案,实现对全行有效的技术支持工作。
运行维护知识库由知识库平台和知识库内容两部分组成。 知识库平台包括知识检索、知识维护与管理等,可以通过纯 Web 方式向服务请求对象提供基于 Web的查询服务和检索服务,以完全共享知识库中的知识,在提供 Web 服务时,还可通过响应中心平台来即时地响应用户请求的服务。
(5 )运维辅助分析系统
以日常监控平台、运维响应中心、运维流程管理系统为基础,通过统计分析,了解运维服务能力与服务质量的现状,并可以进行趋势分析,为运维管理决策提供支持。
3. 运行维护管理流程
为加强对信息系统的运行维护管理,确保运行维护体系高效、协调运行,应依据运维管理环节、管理内容、管理要求制定统一的运行维护工作流程,实现运行维护工作的标准化、规范化和自动化。通过建立运维管理流程,可以使日常的运维工作流程化,职责角色更加清晰,从而使解决问题的速度和质量得到有效提高,实现知识积累和知识管理,并可以帮助运维部门进行持续的服务改进,提高服务对象的满意度。运行维护流程包含的环节有事件管理、问题管理、变更管理及配置管理。
(1 )事件管理
所谓事件, 是指发生的对 IT 体系某一环节运行造成影响的事件, 包括系统崩溃、软件故障、任何影响用户业务操作和系统正常运作的故障、以及影响业务流程的情况,事件也包括一个用户的请求。
对日常性运维工作中出现的突发事件 (即日常运行维护管理平台自动发现并产生的告警事件)和由用户/维护人员报告的事件会转入事件管理流程,事件管理流程如图 3 所示。
(2 )问题管理
问题是指导致事件产生的原因,许多事件往往是由同一个问题引起的。问题的来源主要有以下几种:
①已经处理的事件,经过回顾分析后,可能形成一个问题;
②重大事件, 虽然经过紧急处理恢复服务, 但未找到根本原因, 也形成一个问题;
③对于趋势性事件的分析,并形成问题。
问题管理流程可以按照不同领域的问题(如网络、主机、中间件、数据库、应用等)由相关领域的技术支持专家来处理。原则上这些专家可以是二线支持专家,他们在负责接受来自一线支持人员的支持请求的同时, 也负责对以往事件进行分析,找出事件产生的根本原因,从而确定解决方案,消除这些根本原因,最终使此类事件不再发生;另一方面,也要从发生的事件中找出事件的发展趋势或潜在可能发生的问题,主动提供预防性措施,提高系统可靠性,降低运维成本。
问题管理流程着重于消除事件或减少事件发生,确定事件的根本原因,其流程如下:首先,定期分析事件,找出潜在问题,调查问题以找出其原因,制定解决方案、变通方法或提出预防性措施,以消除产生原因,或在重发时使其影响力最小化。其次,记录解决方案、变通方法、预防性措施,根据需要添加到知识库中。再次,提出变更请求,对问题的解决方案进行评估,通过提出变更请求以对该方案进行测试和实施。最后,问题必须进行事后回顾以找出改进机会或总结预防性措施,包括改进事件监测、找出技能差距和文档资料改进等。
(3 )变更管理
变更请求通常由于问题的解决方案中需要对生产环境进行某些改变而产生, 变更请求来源于问题管理环节或由用户提交。 变更管理通过一个单一的职能流程来控制和管理整个信息系统运行环境中的一切变更,范围可包括软件,硬件,网络设备和文档等的变更,其流程如下。
①由用户或问题管理环节的维护人员提出变更申请, 由运维负责人检查和完善其内容,并进行风险等级、优先级的初步评估。
②通过分类,确定是否为重大变更、紧急变更,如果是常规变更请求,则由运维负责人安排实施; 如果是风险等级为“重大”的变更请求, 则应上报变更管理小组。
③根据特定的变更请求成立特定的变更管理小组, 成员包括对该变更申请有批准权的人员、对该变更的评估和批准提供参考意见的技术人员和管理人员。评估内容包括变更的技术可行性、对系统性能的影响、对现有服务的影响、对资源的需求等。
④变更管理小组评估后决定是否批准变更申请。变更请求得到批准后,运维负责人安排相应资源进行变更的计划、测试,并制定实施方案,确定实施时间表,分配相应资源,通知请求人
⑤相应岗位实施变更,运维负责人监视实施过程,并在必要时进行协调。
⑥定期回顾变更管理流程以提高效率和效能,在实施变更流程不久之后,可以进行第一次回顾,以确保流程得到正确实施并达到预期目的。对发现的问题必须追根溯源并尽快解决,之后可以定期举行回顾。
(4 )配置管理
配置管理是服务管理的一个核心流程,能确保应用系统及其运行环境中所有 IT设备/系统及其配置信息得到有效完整的记录和维护, 包括各 IT 设备/系统之间的物理和逻辑关系,从而为实现有效服务管理奠定基础
配置管理流程着重于管理生产环境中所有必须控制的组成元素, 并为其他相关流程(如事件管理等)提供信息,使这些流程更有效地运行,从而确保应用系统环境的完整性和稳定性,其主要流程内容如下。
①识别和维护配置元素:确定需要进行配置管理的元素及所有必需的配置属性,并指明与生产环境中其他配置元素之间的关系。 对配置管理数据库提供日常维护。
②配置状态汇总:根据需要定期产生配置管理报表,并能使相关人员进行相关配置的提取、查询,定期产生配置项的状态报告,并能反映配置项的版本和变动历史。
③审计和确认:定期审核全部或部分配置数据库中的配置项,确认其和物理环境的一致性,从而确保配置信息的完整性。
④计划、回顾和改进:定期制定计划(如半年),以明确下阶段配置管理工作;定期回顾流程和审核结果,找出需要改进的配置项。
⑤配置管理数据库(CMDB):配置管理数据库由配置识别活动来定义,配置识别活动不但要定义配置项,还需定义配置结构及配置项的相互关系。
4. 运维项目管理流程
项目管理模块主要管理 IT 项目整个生命周期从立项准备、立项、采购、实施、验收、 收尾各个阶段的任务和参与人。从功能上理解项目管理类似于发布管理流程, 即总行部署的应用系统分行仅需要展开实施和验收工作即可,而分行自建项目æ...
- ?
如何理解企业信息化基础设施建设相关概念
项羞花
展开
企业架构由业务架构和IT架构组成,什么是业务架构:即企业的发展战略、组织体系、业务流程、管理制度等,业务架构对构建IT架构起到关键的作用。
企业信息化建设不是仅靠着人力、物力、财力就可以成功推进实施的,它需要建立相关信息化工作制度,用来有效的监督、保障信息化建设的执行。另外信息化的建设在一定程度上优化和固化了企业的管理规范与流程,有时还会涉及到精简一些不必要的业务流程或组织岗位,如果不处理好此类问题,信息化建设的推进将会受到阻力。面对这些问题,管理者需要具备很强的信息化意识,经常强化信息化建设制度与业务流程管理意识,形成一个持续的信息化管理机制,支撑组织战略目标和业务的持续发展,以便于后续对企业信息化进行更广、更深层面的建设。
企业架构
那么在了解业务架构对企业架构建设的重要性之后,将为大家介绍IT架构中的企业信息化基础设施建设部分,一般情况下,信息化基础设施建设会分为以下几个层次,如图所示:
IT架构
其中基础设施层为服务器、操作系统等软/硬件基础设施建设,运营与业务管理层为企业日常管理和专业业务管理的应用系统,业务整合层与决策分析层为整合系统资源的中间软件系统,下面由下至上分析这些信息化基础设施。
基础设施
用户可以在基础设施各种设备上通过客户端界面访问,如浏览器。消费者不需要管理或控制任何基础设施,通常包括网络、数据库、服务器、操作系统等。本次将对常见的服务器、数据库统进行分析。
1.服务器
定义
服务器,也称伺服器,是提供计算服务的设备。由于服务器需要响应服务请求,并进行处理,因此一般来说服务器应具备承担服务并且保障服务的能力。
在网络环境下,根据服务器提供的服务类型不同,分为文件服务器,数据库服务器,应用程序服务器,WEB服务器等。
举例
§ 非x86服务器:包括大型机、小型机和Unix服务器,它们是使用RISC(精简指令集)或EPIC(并行指令代码)处理器,并且主要采用Unix和其它专用操作系统的服务器,这种服务器价格昂贵,体系封闭,稳定性好,性能强,主要用在金融、电信等大型企业的核心系统中。
§ x86服务器:即通常所讲的PC服务器,它是基于PC机体系结构,使用Intel或其它兼容x86指令集的处理器芯片和Windows操作系统的服务器。价格便宜、兼容性好,主要用在中小企业和非关键业务中。
外形
§ 机架式:机架式服务器的外形看来不像计算机,而像交换机,有1U(1U=1.75英寸=4.445CM)、2U、4U等规格。机架式服务器安装在标准的19英寸机柜里面。这种结构的多为功能型服务器。
§ 刀片式:刀片服务器是指在标准高度的机架式机箱内可插装多个卡式的服务器单元,实现高可用和高密度。每一块"刀片"实际上就是一块系统主板。
§ 塔式:塔式服务器最为常见,外形以及结构都与平时使用的立式PC差不多,当然,由于服务器的主板扩展性较强、插槽也多出一堆,所以个头比普通主板大一些。
§ 机柜式:应用在内部结构复杂,内部设备较多,有的还具有许多不同的设备单元或几个服务器都放在一个机柜中的情况,机柜式通常由机架式、刀片式服务器再加上其它设备组合而成。
举例
在集成项目中,我们对于服务器的规格是有一定要求的,下面为大家举例说明在项目中常见的服务器。
§ 针对超大、大规模集团企业应用推荐使用:国产浪潮服务器多种型号、IBM pSeries 、惠普动能服务器高端型号。
§ 针对中等规模企业应用推荐使用:IBM pSeries服务器中低端型号、HP Integrity动能服务器中低端型号、Power BladeCenter服务器中端型号。
§ 针对小规模企业应用,可使用PC服务器,推荐使用:IBM X系列服务器、HP Proliant服务器等。
2.数据库
定义
提到数据库,相信大家并不陌生,从定义上来看,数据库(Database)是按照数据结构来组织、存储和管理数据的仓库,数据库有很多种类型,从最简单的存储有各种数据的表格到能够进行海量数据存储的大型数据库系统都在各个方面得到了广泛的应用。
举例
在集成项目中,常常会有一些技术相关的参数说明,同样的,对数据库也有要求,很多时候都要求平台支持主流的数据库,例如:SQL Server,Oracle,MySQL,DB2等,下面就来了解下这些数据库的功能。
§ MySQL是一种关系数据库管理系统,MySQL所使用的 SQL 语言是用于访问数据库的最常用标准化语言。MySQL 软件采用了双授权政策,分为社区版和商业版,由于其体积小、速度快、总体拥有成本低,一般中小型网站的开发都选择 MySQL 作为网站数据库。
§ SQL Server 是一款关系型数据库管理系统,具有使用方便、可伸缩性好与相关软件集成程度高等优点,可跨越从运行Microsoft Windows 98 的膝上型电脑到运行Microsoft Windows 2012 的大型多处理器的服务器等多种平台使用。
§ Oracle Database,又名Oracle RDBMS,或简称Oracle。是一款关系数据库管理系统。系统可移植性好、使用方便、功能强,适用于各类大、中、小、微机环境。它是一种高效率、可靠性好,适应高吞吐量的数据库解决方案。
§ DB2是一种关系数据库管理系统,主要应用于大型应用系统,具有较好的可伸缩性,可支持从大型机到单用户环境,应用于所有常见的服务器操作系统平台下。
3.操作系统
定义
操作系统(Operating System,简称OS)是管理和控制计算机硬件与软件资源的计算机程序,是直接运行在“裸机”上的最基本的系统软件,任何其它软件都必须在操作系统的支持下才能运行。
举例
常见的操作系统为Unix(AIX、HP—UX、Solaris)、Linux、Windows Server等。
§ Unix操作系统(尤尼克斯),是一个强大的多用户、多任务操作系统,支持多种处理器架构,按照操作系统的分类,属于分时操作系统。
§ Linux是源于POSIX和Unix的多用户、多任务、支持多线程和多CPU的操作系统。它能运行主要的Unix工具软件、应用程序和网络协议。它支持32位和64位硬件。Linux继承了Unix以网络为核心的设计思想,是一个性能稳定的多用户网络操作系统。
§ Windows Server是在2003年4月24日推出的Windows 的服务器操作系统,支持一些服务器程序,支持大内存(WIn7最大192G,2008R2最大2T),有比Windows 7高的可靠性和稳定性,可以关闭GUI,支持CPU、内存的热插拔,组件集群等。
应用系统
下面为大家介绍应用系统,应用系统一般分为通用管理软件、套装管理软件、行业管理软件。
1.通用软件
通用管理软件主要面向各行各业,管理的业务具有通用性,不是某个领域中独有的软件,例如:财务管理、人力管理、OA办公等。该类软件可以满足企业财务管理、人员管理、行政办公等常见需求。
2.套装软件
套装软件既可以面向各行各业也可以面向某个行业,它是指提供一系列的、同厂家的、同类别的、功能相互补充的软件,最终集合成一套,以获得最佳管理效果为目的。例如一个厂家提供IT基础平台、管理软件、运维软件、集成软件等。
3.行业软件
行业管理软件是指面向某个行业应用的管理软件,管理的业务具有特殊性,一般只有在特殊的行业领域才会使用,不具备通用性,例如:房地产行业、零售行业、生产制造行业等,下面针对这些行
中间软件
理论上讲,中间软件是一种在分布式的计算环境中能够使应用层的程序直接相互连通的实时系统软件,从根本上讲,中间软件是软件"胶水",它使得在不同计算机上的程序和数据库可以在一起工作。中间软件也有很多种类,例如:消息中间件、交易中间件、应用中间件、集成中间件、数据中间件。
1.消息中间件
消息中间件利用高效可靠的消息传递机制进行平台数据交流,并基于数据通信来进行分布式系统的集成。通过提供消息传递和消息排队模型,它可以在分布式环境下扩展进程间的通信。
消息中间件适用于需要可靠的数据传送的分布式环境,消息中间件能在不同平台之间通信,它常被用来屏蔽掉各种平台及协议之间的特性,实现应用程序之间的协同,其优点在于能够在客户和服务器之间提供同步和异步的连接,并且在任何时刻都可以将消息进行传送或者存储转发,这也是它比远程过程调用更进一步的原因。
2.交易中间件
交易中间件是指联机事务处理平台软件,可以快速建立三层结构的联机事务处理应用。它主要是为应用程序提供运行环境及各种服务,如程序加载、程序启动、内存管理、负载平衡、出错恢复及一些应用管理功能。
它支持大量客户端的连接和高并发度的交易处理,帮助应用系统有效的使用服务器的各种资源,如CPU、内存、文件系统、数据库、IO设备等,方便的实现并发操作,包括一个主机各种资源的并发使用和多台服务器主机资源的并发使用。交易中间件多数应用于银行业务系统、订票系统等,提供一定程度的交易安全保证,以便系统能够在开放的网络环境下进行安全的交易。
3.应用中间件
应用中间件又称为应用服务器中间件或应用服务器软件平台,是当代软件的基础设施,应用服务器可以把不同的应用软件作为构件整合到一个协同工作的环境里,并为应用提供了名字、事务、安全、消息、数据访问等服务,此外它还提供应用构件的开发、部署、运行及管理功能。
4.集成中间件
集成类中间件是提供各种不同网络应用系统之间的消息通信、服务集成和数据集成功能的中间件产品,里面包括常见的几种中间件产品例如:企业服务总线、门户集成平台、主数据管理平台、流程集成平台等等。
§ 企业服务总线:(Enterprise Service BUS,ESB)企业服务总线主要作为企业信息系统的“龙骨”来集成各业务系统,实现异构系统的对接,或在数据整合/数据中心项目中,作为综合数据交换平台负责业务数据上传、汇聚,基础数据(主数据)的下发、分发。
§ 门户集成平台:Portal门户平台通常作为企业的应用中心,或者企业应用的入口面板,在统一的界面上聚合现有各业务系统的数据、功能、界面,为各类用户如:合作伙伴、客户、公司领导、员工提供多渠道(如:PC、移动设备等)方式访问接入。
§ 主数据管理平台:主数据管理平台MDM主要帮助创建并维护整个企业内主数据的单一视图,保证单一视图的准确性、一致性以及完整性,从而简化数据清洗工作、提高数据质量、加快业务系统对接、业务流程再造速度,提高业务响应速度。
§ 流程集成平台:流程集成平台主要用来串联跨异构系统的业务流程,让整体业务流程从企业全局来看是闭环的。流程集成平台一般被称之为BPMP(BPM Platform,业务流程管理平台)。
5.数据中间件
在分布式系统中,重要的数据都集中存放在数据服务器中,它们可以是关系型、复合文档型、具有各种存放格式的多媒体型,或者是经过加密或压缩存放的,数据访问中间件是在这种系统中建立数据应用资源互操作的模式,实现异构环境下的数据库联接或文件系统联接的中间件,从而为在网络上虚拟缓冲存取、格式转换、解压等带来方便。
总结思考
随着IT技术的迅猛发展,日后还会出现更多新的技术及理念,但无论怎样,我相信很长一段时间企业信息化基础设施仍然会按照现有的模式发展,相互联系依存,但不排除会在未来的某一天,基础设施、应用系统、中间件走向更深层次的融合。
- ?
目前主流互联网公司使用的主流的数据库,程序员必须掌握的!
郝夏青
展开
目前互联网公司使用的主流的数据库分为关系型数据库和非关系型数据库,而什么时候使用关系型数据库或非关系型数据库主要从下面的几个角度去考虑:
百万级的数据,无论侧重OLTP(On-Line Transaction Processing,联机事务处理)还是OLAP(On-Line Analytical Processing,联机分析处理),当然选择关系型数据库,因为无论是技术复杂度还是人员成本方面有比较大的优势。
过亿级的数据,侧重OLTP可以继续关系型数据库,侧重OLAP,就要分场景考虑了,当然达到这个量级建议还上非关系型数据库非关系型数据库在分布式联机处理和容量上有非常大的优势。
关系型数据库
1、sqlite
SQLite,是一款轻型的数据库,是遵守ACID的关系型数据库管理系统,它包含在一个相对小的C库中。它是D.RichardHipp建立的公有领域项目。它的设计目标是嵌入式的,而且目前已经在很多嵌入式产品中使用了它,它占用资源非常的低,在嵌入式设备中,可能只需要几百K的内存就够了。
2、MYSQL及其变种
MySQL是一个关系型数据库管理系统,由瑞典MySQL AB 公司开发,目前属于 Oracle 旗下产品。
3、Oracle
Oracle Database,又名Oracle RDBMS,或简称Oracle。是甲骨文公司的一款关系数据库管理系统。它是在数据库领域一直处于领先地位的产品。可以说Oracle数据库系统是目前世界上流行的关系数据库管理系统,系统可移植性好、使用方便、功能强,适用于各类大、中、小、微机环境。它是一种高效率、可靠性好的 适应高吞吐量的数据库解决方案。
4、PostgreSQL
PostgreSQL是以加州大学伯克利分校计算机系开发的 POSTGRES,现在已经更名为PostgreSQL,版本 4.2为基础的对象关系型数据库管理系统(ORDBMS)。
5、Microsoft SQL Server
SQL Server 是Microsoft 公司推出的关系型数据库管理系统。具有使用方便可伸缩性好与相关软件集成程度高等优点,可跨越从运行Microsoft Windows 98 的膝上型电脑到运行Microsoft Windows 2012 的大型多处理器的服务器等多种平台使用。
总结
从性能和稳定性上考虑当然是Oracle但Oracle是收费的数据库而且费用很高,所以国内主要使用MYSQL为主,因为有很多成功的案例及方案可供参考。PostgreSQL性能与MYSQL差不多。在数据在百万级以下时直接看自身的技术人员对那个数据库的熟练程度使用,在百万级别下性能差别不大,这时主要考虑的时能快速支撑项目上线。
下一篇介绍非关系型数据库的使用及优势。
-----------------------------------
本人现处广州从事互联网工作多年,资深技术人员、管理人员。愿结识有互联网业务的技术人员或企业人员。
- ?
医院如何融合大数据在互联网的今天崛起
尤不凡
展开
近些年,由于大数据与AI时代的到来,使得各个医院信息中心主任愈发关注两个重大问题:首先是哪些数据应用可在医院落地,其次是如果想落地,医院信息中心应该怎么做融合和集成?
本文以北京大学第三医院为例,全面剖析大数据产品在医院的落地形式,以及医院信息中心该如何去做集成融合与数据利用。
通常情况下,医院信息系统应用可汇总为四大主线:服务患者系统、服务临床系统、服务医技系统、运营管理系统。
这四大主线可做很多数据量大、传输快、价值大、种类多的应用,这4个V于医院信息化而言,是完全是满足的。
医院信息系统面临的问题
虽然四大主线可以满足绝大部分医院信息化需求,但现阶段存在一些技术和管理漏点。
首先是耦合度很高,过往都是点对点进行对接,接口也比较多,数据不统一。
除此之外,大量数据都是字点分散,数据在各个业务系统里没有进行全面的整合与应用,导致效率低、标准差的问题。而从监控到文档管理,这两点可能都存在管理的漏点。
从全国乃至国际范围讲,医院对数据利用的需求也在不断高涨。
以北大第三医院为例,各部门和业务之间的协同、数据的互联互通、整体的数据挖掘应用,这么多底层系统到底该怎么做?
首先做个简单划分,小医院到大医院,从几十个系统到上百个系统,数量不一样,这些都已经初具规模。
那么如果规模超过上述标准,该怎么用、怎么做业务协同、数据利用、信息共享,这目前是信息部门的挑战和重点工作。
医院信息化的四个阶段
下图我们可以看到,医院信息化可分为四个阶段:
第一个阶段就是管理信息化(HIS),北京大学第三医院1998年做HIS,而在一年后就做了CIS。这些都是以病人为中心,代表EMR电子病例为核心的临床信息化,为患者服务来提高医疗质量和患者的安全。
到了现在的第三阶段,院内信息化已经进入了院内信息交互的集中存储与数据中心利用,以它为核心的集成协同信息共享的平台化阶段。
再往上则是需要区域以及院际间的信息交互,数据区域共享平台。
医院信息化总体框架
以北京大学第三医院为例,因为医院的系统复杂,很多个性化修改在医改这个大环境下,压力蛮大。
北京大学第三医院服务量日均1.5万人,有时峰值达1.6万。门诊接待1.6万人的服务,系统压力很大,提供的数据量也很大。
与此同时,三院平均住院日是5.92天,低于6天,全国的平均数可能是9天多。5天多就周转一个病人出去,对于全院的职工来说,面对5700人做信息服务,支持的人群数和业务如此多。
医院信息化四大目标与八大任务
四大目标
由于周转快、服务人群多。这时候只要是人,都会犯错。信息化的一大目的就是做要到减少人犯错,用一些智能化的手段进行辅助,减少错误,提高医疗质量。
第二是改善服务,当量多、人群基础大时,需改善医院为患者服务的所有流程以及成本控制。医改以后大家面临更多的是成本核算、绩效考核,以及提高服务效率。
八大任务
八项任务中,最后面是数据挖掘、数据应用、互联互通、协同发展的过程。
目前当今医院信息化框架跟以往不同,底层要求我们在灾备、安全、标准、规范、管理体系建设下,数据层需医院信息共享、对外信息交互。
那么该通过什么交互?
通过集成平台、全量数据中心、存储、支持医院的信息共享和对外的信息交互,构成医院信息化的总体评价。
医院数据如何去做集成融合与利用
总体而言,大家更加关注医院信息中心的数据中心怎么建和怎么用的问题。
这么多且复杂的业务系统,首先一定要关注硬件架构、灾备数据中心这些底层基础设施。
北大第三医院也建成了不同楼宇的主备机房,统一的数据存储平台和集群保护,基于虚拟化的体系来建立单点宕机,为数据实时同步。
在此之上大家总在说集成平台、数据中心,基于集成平台的业务系统,目前主业务就是进行交互的系统越频繁量越大越适合上平台。
现在有17个厂商的44个系统已经纳入了三院的平台,平台每天的交互量达到50多万。
很多人经常说,我没有平台一样可以很好。
假设你的系统很好,也可以做点对点的对接,但随着系统越来越多,超过百个系统时,点对点的交互给信息人员,包括安全性、工作量都带来很大的困扰,这时候就得变成平台。
再举个例子,以前没有短信的时候,开会需要点对点一个一个打电话去通知每一个人,说几点在哪里开会,这其实就如同我们医院点对点的一个个去接系统一样。
而现在大家开会不需要点对点去对接,而是有群发功能。
同样,现在的集成平台就是这个道理,基于消息发送,我只发送一次,需要的消费系统我就要订阅一下,所有的数据一致性,以及我们的信息工作人员以前上线首先就要跟HIS接,上线一个新系统先要获取病人的信息,HIS的业务量是最繁忙的,上了平台以后发现的确减压最大的就是HIS,上哪个系统都要跟HIS接一遍,接HIS,接EMR,接LIS、RIS等,一切系统都要接一遍才能上线。
而且现在上线一个新系统非常快,就问一下平台,说平台上有这消息吗?说有,就订阅,订阅完就可上线。
它内部的订阅分发机制,整体的设计确实是技术人员该干的活,另外消息服务的标准要订。上了平台,对整体对接口的标准梳理,对信息工作人员所有系统的规范性,都是一个提高。
北京大学第三医院梳理了424个接口,发现只有275个是有效的。因为上线将近20年,很多无效的接口还残存着,通过数据接口,其实那些可以不用的,通过上线很多接口都停掉了。
所以以前的接口方式有很多种,比如说存储过程、示图、中间库、AIP、Web页面等,一系列简化为两种,非常简单干净。
平台上它是塔台,我们要有监控。平台解决什么问题?一个是病人主索引问题。
以前没平台,不知道它的数据不连续,本来是一个人,分段存储不是连续的。所以上了平台首先解决的患者主索引问题,主数据的管理。
以前分散业务系统每个都用自己的字典,数据管理不统一,数据报送不一样,所以要有监控,会监控所有平台的运转性能以及消息交互。
以前上系统,都会凭经验说最好周三上,为什么?看右下角峰值周四就证明我们医院周四的门诊量,服务量最高,这么高不能换。
我们因为要换系统,首先要找一个峰值比较低的更安全,一旦出问题解决受众人群要更少一点,所以相对低,那六日是半天低,但是六日只有值班的,人员也不足,就选择相对低的周三。
通过图上数据立刻就能看出来这么大的交互量,什么时间是峰值,什么时候相对少一些,即使看起来少,但其实也不很少,也是突破万级以上。
基于集成平台的数据一致性
集成平台解决数据一致性的问题,首先HR人力资源系统它的机构代码,人工、人事,我们原来都是在各个业务系统里。目前它首先要上平台,通过集成平台发送信息,一但有新员工、新机构,他同时发送的消息需要的就订阅下来。
另外这种平台数据的一致性有很多需要规范的地方,消息工具的监控预警,应急调用等,要有保障。
除了数据一致性,平台还需要高可靠性,服务量大,这对于平台的服务要求很高,高可靠性方面,我们做监控刚才说做预警,以及消息补发。
拿数据中心来讲,一天一个科的门诊量是2500,所以它的消息量非常高,我们会监控一旦有挤压,因为消息要排队去发送,一旦挤压我们要有调整,包括跟我们工程师的短线联动,一出现问题,短线都会提醒工程师要做相应的调整,预警的峰值是多少,这都是专业技术人员要做的事情。
基于平台之上,通过平台路由存在数据中心里的数据,这件事是不同的。
为什么采用基于Haddoop的实时数据中心
因为其他传统型数据中心不能够满足这种大数据的处理,北京大学第三医院也第一次尝试在医疗、医院建立基于Hadoop这种大数据技术的实时数据中心,通过集中平台实时传送存储数据中心。至于为何选择Hadoop,主要出于它可高效处理海量数据。
当时尝试的时候,同时搭建传统型平台和Hadoop平台,最终发现大数据处理技术的确要比传统型的快20倍,满足了我们的需求。
包括现在手机上的应用,需要随时刷新了解院内情况,只有它是满足的,秒级的传送数据。
这是一个比较,传统关键数据库在处理上有很大的劣势:
所以当时选择大数据的架构进行尝试,并且尝试成功了。目前现在应用一年应用了,总体觉得还是很不错的。
数据中心也要有监控,各类业务系统67个在数据中心里,汇总的条目数已经超过16亿这么大的一个数据量,数据量已经40TB。
从2008年到现在,CIS上线以后所有数据都在里面,这样提供给我们下面的应用,不是为了建而建,而是为了用而建。
目前北京大学第三医院吞吐量的确日均接收55万这和总存储40个TB这么高的量级。
数据中心的6大特点
要建立数据中心,需突出这几方面:一个是实时性。如果还是传统的这种定时的,说到晚上抽提,那么这个时间差就没有。我们现在关注的,比如截止到目前差5分10点,目前的门诊量是多少,它会实时告诉我。如果你到晚上再去做任务定时来存储数据中心,那这个功能几乎就不能用,所以一定要实时。
其次是移动化,实时也要体现在移动方面,有些东西我们要在手机上看,不一定非得在办公室利用这些数据。
然后是集成与科研、领导决策、临床决策的支持。
说完建,再说用。
数据中心的应用以及它的优势
首先是流程的优化。
举个例子,人们一直说B超工作人员是检查数量最高的。
我们经过大数据分析后得出的结论,排在第一的检查科室确实是B超,这时候我们就可通过分析后优化流程。
以前的操作方式是B超医生写报告,而现在医生不用写报告,直接出来以后患者在自助机上刷卡自动打印,由患者来完成,减少患者的等候时间。这就是一个流程的优化,以前都是医生来做。
另外一个咱们都在说互联网+的应用,其实互联网+服务完全可以做到,通过数据中心从建卡、导诊、支付、分针、叫号、支付。数据中心目前的速度快到什么程度?数据中心秒级的推送,患者一下就能拿到报告了,然后去找分诊台要片子。
这时候我们发现信息的传递速度比腿要快很多,护士从洗印片子出报告之后传到你那里,都没信息快,后来我们故意把这一项给调慢了。
另外就是医疗质量,在消除信息技术孤岛集成展现,做了很多都在医生站上,以及在医生站上集成的病例检索、迅速定位,直接刷出来。
外科我们做了全息情况,试图快速了解病人信息,做手术可减少差错,这种统一试图快速核对提高效率。
电子病例方面,北京大学第三医院从2008年上EMR电子病例,2010年上临床路径,2014年推移动,再到2015年集成平台数据中心,2016年数据平台挖掘应用,2017年是科研大年。
目前仅CDR就不够了,不仅是临床,而是全量,HDR数据协同。
移动层面,我们也做了很多移动端的应用,比如说移动医生站,麻醉医生站,会诊医生站。
麻醉医生非常喜欢移动端应用,我们术间有55个,移动应用让麻醉科医生觉得特别方便,所以麻醉科医生这边应用的最好。
另外也会进行医院决策分析,基于数据中心提供很多管理层实时多维的数据分析,管理着用手机也能看还目前的门诊、手术,科室之间的实时工作量,他能了解到整个全科、全院,从而来调整工作。
有一些病人、年龄、医保等大数据放在手机端也能很快呈现,为管理着的决策支持提供服务。
科研数据中心
最后一个就是科研,在数据中心之外同时要有一个科研数据中心。
大家知道临床数据和科研数据是交集,有些可以从临床数据产生,有些要外延,另外采集一些科研数据,所以要建立科研数据中心。
方式有很多种,一种是结合电子病例的模板改造,我们叫临床科研演化,它从临床,从模板上采集就进来了。
另外一些的确是在模板、临床上不适合去采集,也扩大一些随访,我们在微信端,比如骨科用微信上传一些康复数据上来,结合EDC多中心的采集系统一起做,提高临床科研的智能化水平。
另外就是大家讨论比较多的分级诊疗,离不开远程优质资源共享,在平台进行线上远程分级诊疗系统。
总结下来就会发现,数据中心可提高医院整体的综合管理水平,让数据的集中存储、协同变得更加方便。对于决策支持也来得更及时,节约时间和运营成本。
对于任何一个医院的信息中心主任来说,他不希望去盯着每个人,也不可能跟孩子学习似的天天盯着效果看好不好。
北大三院也基于临床路径概念开发了一个项目追溯系统,从建系统立项开始,到验收全程追溯,在手机端可以看项目到底进行到了什么程度,数据来呈现。
医院软件信息化水平是需要持续改进的,但主要由于涉及的业务系统太å¤...
- ?
上药集团:大生产 大平台 大数据
蒙托伊尔
展开
上海医药集团是一家总部位于上海的全国性国有控股医药产业集团。公司主营业务覆盖医药研发与制造、分销与零售全产业链,2015年营业收入突破千亿元,根据中国企业联合会评定的中国企业500强排名,公司综合排名位居全国医药行业第二,是中国为数不多的在医药产品和分销市场方面均居领先地位的医药上市公司。
面临全新的管理挑战
上药集团多业态经营,涉及制药、商业、保健品等,组织结构层次复杂、分子公司众多, 各层机构基本都有自己的软件系统。为了支撑公司的高速发展,整体信息化建设提上日程 :
一、建立集中统一的内控体系,为整个上药管理现代化奠定基础;
二、建设整个上药集团财务报告系统,满足内、外部报告要求;
三、建立上药全集团资金管理平台,统一掌控和运作资金,防范资金风险,降低资金占用和使用成本;
四、基于信息化系统构建以质量管理为核心的生产管理体系及成本精算体系;
五、建立连锁零售信息系统,有效支撑华氏大药房的整体发展思路,体现清晰业务流程,避免流程盲点和误区。将批发、零售总部、零售门店功能角色定义清晰并有效衔接管理控制。
上药集团选择同用友强强合作,建立了集团层面以财务、HR、BI为核心的集中管控平台以及以各二级集团为核心的集中采购、集中销售、集中生产计划调度管控平台,实现了对于需要集中采购的药品、原辅包材在集采平台上进行集中采购,产成品通过销售公司进行集中销售,计划体系进行集中监控与协同,满足了上药多模式混合应用的要求。同时上药集团选择以主数据管理作为下一步信息化建设的突破点,并最终完成了一套完整、健壮、高效的主数据管理系统的建设。
主数据系统建设将为上药商业智能分析、大数据应用提供坚实的数据基础,为众多应用系统之间的高效协同提供强有力支撑。
主数据库部署满足“大零售”业务
为了满足上海医药集团的“大零售”业务需求,开发设计出一套能够支撑 2000 家门店、可扩容、集中式管理、适应多样的零售业态的信息系统,上医股份同用友强强合作,利用上海医药集团的零售连锁方面的业务经验与用友专业的技术开发能力,设计开发出一套业内领先的医药零售连锁信息系统解决方案。
为了实现“专业化分工,标准化管理,简单化作业”的管理愿景,必须在技术架构上保持集中性和先进性。因此 2009 开始的项目设计在业内率先使用数据集中式连锁部署,这比新版的 GSP 要求“零售连锁企业门店不能有独立的信息系统,数据必须集中在总部管理,门店不能单独采购”更早一步实现,并充分发挥如下技术优势和管理结合。
上海医药集团主数据实施范围主要包括:产品主数据、物料主数据、客商主数据三大部分。数据范围覆盖集团工业和商业板块。工业板块包括上海信谊药厂有限公司、上海第一生化药业有限公司、东英(江苏)药业有限公司等七家公司。商业板块包括上药分销控股有限公司和上药科园医药有限公司。涉及到的应用系统包括,工业板块两大 ERP 平台,商业板块 ERP 平台和一个二级主数据平台,总部工业集中采购,工业统一营销系统等。
三层主数据管理架构
在主数据管理平台固化和落实物料、客商、设备分类主数据的标准和管理体系,实现主数据全生命周期的统一和规范管理,提高对物料、客商、设备分类主数据管控能力。
用友采用了三层架构:主数据层、数据模型转换层(数据申请单据层)、副本层(业务基础数据镜像)。建立副本层,将各个业务系统或二级主数据平台中的物料、商品、客商数据真实映射到主数据系统中的副本层,副本模型依据对应业务基础数据模型建立。建立数据转换层,将业务基础数据到主数据模型的转化放在主数据系统内进行;数据转化层还能够支持数据进入申请功能和下级企业数据进入审批等功能。利用血缘分析和数据稽核功能可以人工查看主数据与业务基础数据对应关系,稽核功能可以以定时任务形式检查主数据与业务基础数据的差异。
如此,系统将传统的线下 excel 清洗转变为线上清洗,提高工作效率、降低工作复杂度。(估算清洗工作量降低 40% 以上,时间节约 60% 以上);将数据模型转换工作纳入主数据管理系统内,降低集成难度(应用集成工作量是制约主数据项目实施成败的关键;将工业的事前管控和商业的事后管控溶于一套技术架构内,灵活多变 ;有效的血缘关系分析能够方便的查看主数据与业务基础数据的对应关系,主数据与业务基础数据的数据稽核功能为提升数据质量提供技术层面支撑。
信息高度共享和集成
各部门可以通过系统及时的了解到所需的财务、业务信息,减少了不必要的电话询问、单据传递,使信息在企业内传递更加快捷、准确,为管理决策提供了可靠的依据。
通过采购系统,可以方便的了解原材料、包装物的价格波动情况;每个业务员所属的供应商的应付款情况、货到票未到、在途物料、以及对供应商档案的查询等信息,为及时了解市场行情、制定合理的采购政策提供了参考依据;
通过库存系统,可以方便的查询库存物料余额月报表、日报表,以及每种物料的批次明细帐,每种物料在各个仓库的库存量, 都可以非常清晰的反映出来,包括恒瑞生产部、督察室、货运室等部门已经开始利用库存系统查询仓库的收发情况;通过系统中的批号管理、流水码管理、包裹号码管理,有效的对窜货、退货情况进行监督检查。
通过销售系统,可以方便的查询出各销售大区、办事处、客户的要货申请情况、发货情况、开票情况、回笼情况,为制定销售计划、业绩考核、财务核算提供了可靠的依据。生产计划部门,可以及时的了解到库存情况、车间生产情况、和产品入、出库情况,通过跟销售系统、库存系统集成,数据信息实现了实时共享,为及时准确的编制月生产计划、周生产计划提供客观的数据来源,计划编制更加准确,同时对采购计划的制定起了指导作用;每天可以实时的监控车间的生产进度,便于调整生产和销售计划,快速的响应市场。
高层领导,可以随时了解到销售发货、开票、回笼、库存、生产和财务信息,并且通过领导查询系统的强大的钻取功能,可以对有关的销售、财务情况进行深入的层层分析,为快速决策提供了第一手资料。
物流、资金流、信息流的统一
采供部,通过采购系统直接打印采购入库单,然后传递给仓库,财务部通过参照入库单生成发票,并据以生成凭证转到财务系统;采供部根据付款申请录入付款单,然后由财务部审批,记账后生成凭证转到财务系统。仓库保管员根据采购员录入的采购入库单,直接在系统中生成请验单,质量部收到请验信息后,根据请验单进行取样、检验,检验结果出来后,自动反馈到仓库,仓库根据检验结果,盘点实际收货数量后,直接在库存系统修改相应入库单上的实收数量后,登记库存保管帐,车间直接根据生产指令做领料单、入库单,仓库保管员可以在系统中直接审核,确认实发数量或入库数量,流程简化,并且减少了人为差错。
销售管理部门要货申请,在销售系统中输入销售订单,订单审核通过后,根据订单直接生成提货单,然后直接套打出提货单,运输人员根据打印出的提货单到仓库提货,仓库凭打印出的提货单,在系统中查找出对应的提货单,据以生成销售出库单。这样就可以及时的统计出每天的发货情况。销售公司会计人员根据货运部门填制的审核后的提货单,在系统中直接参照生成发票,自动冲减每个办事处的调拨欠款。
财务部会计,在销售系统通过录入回款单可以直接生成凭证转到帐务系统,销售公司会计根据财务部已经录入的回款单可以按办事处、品种与发票进行勾对,快速统计出每个办事处的回笼明细和发票欠款情况。
以上业务流程,通过 ERP 系统真正做到了物流、资金流、信息流的统一。
全过程质量管理
以工作流管理为基础,通过采购、库存、车间、文件管理、质量管理模块一体化操作,完成全生产过程的质量控制和批产品的质量跟踪,达到事前预防、事中控制和事后回溯的全方位质量监控目的。尤其是在车间管理中,严格按照 GMP 管理规范,对车间作业流程进行严格管理,详细记录各生产工序的领料、交接、检验、清场状况,保留详细的原始记录。生产结束之后,即可形成完整的批生产记录,保证良好的可追溯性。
借助NC 的集团管控特性,建立了集团层面以财务、HR、BI 为核心的集中管控平台以及以各二级集团为核心的集中采购、集中销售、集中生产计划调度管控平台,实现了对于需要集中采购的药品、原辅包材在集采平台上进行集中采购,产成品通过销售公司进行集中销售,计划体系进行集中监控与协同,满足了上药多模式混合应用的要求。
- ?
什么是数据治理以及数据治理架构
Tim
展开
数据治理(DataGovernance),是企业数据治理部门发起并推行的,关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。
数据治理是一套持续改善管理机制,通常包括了数据架构组织、数据模型、政策及体系制定、技术工具、数据标准、数据质量、影响度分析、作业流程、监督及考核等内容。
“数据治理是目前一个比较新兴的、正在发展的学科,目前业界对它的定义还不完全一样。”
数据治理涉及的IT技术主题包括元数据管理、主数据管理、数据质量、数据集成、监控与报告等。
数据治理的技术组成
数据治理涉及的IT技术主题包括元数据、数据标准、数据质量、数据集成、主数据、数据资产、数据交换、生命周期、数据安全多产品组成的一整套解决方案。
所有与数据有关的技术产出物全部通过知识库实现相互之间共享,知识库作为数据治理的后台通道,传输不同平台、环境、技术、工具所提交和需要的元数据信息。
数据治理是专注于将数据作为企业的商业资产进行应用和管理的一套管理机制,能够消除数据的不一致性,建立规范的数据应用标准,提高组织的数据质量,实现数据广泛共享,并能够将数据作为组织的宝贵资产应用于业务、管理、战略决策中,发挥数据资产的商业价值。
睿治数据治理平台融合元数据、数据标准、数据质量、数据集成、主数据、数据资产、数据交换、生命周期、数据安全9大产品,每个模块功能可互相调用,全程可视化操作,打通数据治理各个环节,同时提供各个产品模块任意组合,快速解决企业不同的数据治理场景。
亿信睿治数据治理的整体架构
元数据:采集汇总企业系统数据属性的信息,帮助各行各业用户获得更好的数据洞察力,通过元数据之间的关系和影响挖掘隐藏在资源中的价值。
数据标准:对分散在各系统中的数据提供一套统一的数据命名、数据定义、数据类型、赋值规则等的定义基准,并通过标准评估确保数据在复杂数据环境中维持企业数据模型的一致性、规范性,从源头确保数据的正确性及质量,并可以提升开发和数据管理的一贯性和效率性。
数据质量:有效识别各类数据质量问题,建立数据监管,形成数据质量管理体系,监控并揭示数据质量问题,提供问题明细查询和质量改进建议,全面提升数据的完整性、准确性、及时性,一致性以及合法性,降低数据管理成本,减少因数据不可靠导致的决策偏差和损失。
数据集成:可对数据进行清洗、转换、整合、模型管理等处理工作。既可以用于问题数据的修正,也可以用于为数据应用提供可靠的数据模型。
主数据:帮助企业创建并维护内部共享数据的单一视图,从而提高数据质量,统一商业实体定义,简化改进商业流程并提高业务的响应速度。
数据资产:汇集企业所有能够产生价值的数据资源,为用户提供资产视图,快速了解企业资产,发现不良资产,为管理员提供决策依据,提升数据资产的价值。
数据交换:用于实现不同机构不同系统之间进行数据或者文件的传输和共享,提高信息资源的利用率,保证了分布在异构系统之间的信息的互联互通,完成数据的收集、集中、处理、分发、加载、传输,构造统一的数据及文件的传输交换。
生命周期:管理数据生老病死,建立数据自动归档和销毁,全面监控展现数据的生命过程。
数据安全:提供数据加密、脱敏、模糊化处理、账号监控等各种数据安全策略,确保数据在使用过程中有恰当的认证、授权、访问和审计等措施。
- ?
赋能主数据管理 远光软件助力首创经中数字化升级
辛迪
展开
首创经中是首创集团房地产板块的重要组成部分,是新型业务模式探索者,在推动中国新型城镇化发展过程中,致力于推动产业新城及城市更新的规划建设与综合运营,实现生产与生活、人文与科技、城市与生态的平衡。在公司“十三五”规划落地的过程中,公司管理层敏锐洞悉数据资产管理对于降本增效,提升企业管理水平的价值和意义。
2017年11月,首创经中选择远光软件作为合作伙伴,启动“主数据管理平台项目”建设。截至目前,项目已完成了需求调研、体系构建、数据清洗、系统部署、上线应用等工作,成功构建起符合首创经中管理特色的主数据标准化体系,完成主数据管理平台及ESB企业服务总线(数据融合引擎)的系统部署实施。
首创经中“主数据管理平台”具备数据模型管理、数据维护管理、数据管控流程管理、数据质量管理等功能,用于管理企业核心数据。通过平台可帮助企业创建并维护整个企业内主数据的统一视图,通过保证统一视图的准确性、唯一性、一致性和完整性,全面提升数据质量,加速统一企业级数据模型,优化企业流程,全面提升业务的响应速度。
主数据的管理与治理工作是一个持续的工作项,无法一蹴而就,从建成体系到深化应用、再到全面纳管,要形成一个持续改进的过程。未来,远光软件将持续关注企业管理提升的新需求,创新产品技术,助力更多中国企业数字化转型升级,实现高质量发展。
本文源自远光软件
- ?
赋能主数据管理 远光软件助力首创经中数字化升级
赖莫茗
展开
近日,首创经中(天津)投资有限公司与远光软件股份有限公司携手建设的“主数据管理平台”项目召开验收会,首创经中副总经理范晓秋、综合管理中心总经理助理王頔,验收专家组、远光软件项目团队等代表参加了验收会议。会议上,专家们现场听取汇报并进行了深入探讨,一致认为项目取得了较好的阶段性应用效果,达到预期目标,同意通过验收。该项目是远光软件将数据治理与企业业务管理相结合的又一次成功范例。
首创经中是首创集团房地产板块的重要组成部分,是新型业务模式探索者,在推动中国新型城镇化发展过程中,致力于推动产业新城及城市更新的规划建设与综合运营,实现生产与生活、人文与科技、城市与生态的平衡。在公司“十三五”规划落地的过程中,公司管理层敏锐洞悉数据资产管理对于降本增效,提升企业管理水平的价值和意义。
2017年11月,首创经中选择远光软件作为合作伙伴,启动“主数据管理平台项目”建设。截至目前,项目已完成了需求调研、体系构建、数据清洗、系统部署、上线应用等工作,成功构建起符合首创经中管理特色的主数据标准化体系,完成主数据管理平台及ESB企业服务总线(数据融合引擎)的系统部署实施。
首创经中“主数据管理平台”具备数据模型管理、数据维护管理、数据管控流程管理、数据质量管理等功能,用于管理企业核心数据。通过平台可帮助企业创建并维护整个企业内主数据的统一视图,通过保证统一视图的准确性、唯一性、一致性和完整性,全面提升数据质量,加速统一企业级数据模型,优化企业流程,全面提升业务的响应速度。
主数据的管理与治理工作是一个持续的工作项,无法一蹴而就,从建成体系到深化应用、再到全面纳管,要形成一个持续改进的过程。未来,远光软件将持续关注企业管理提升的新需求,创新产品技术,助力更多中国企业数字化转型升级,实现高质量发展。