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：
  1. 技术创新：CAD设计、工业互联网等技术应用；
  2. 管理创新：流程重组（BPR）、供应链管理（SCM）；
  3. 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

1. 初始级：单项业务数字化（如Excel记录数据）；
2. 单元级：单个设备/部门数字化（如车间自动化）；
3. 流程级：跨部门流程集成（如ERP整合财务与生产）；
4. 网络级：企业间数据共享（如供应链协同平台）；
5. 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）：
  1. 设备层：传感器、机床等物理设备；
  2. 单元层：单设备控制（如PLC编程）；
  3. 车间层：生产调度、质量监控（MES系统）；
  4. 企业层：经营管理（ERP、CRM）；
  5. 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

1. 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；
2. 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）；
3. 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。