宇龙自动化信息集成云平台管理系统的设计与实现.docx

毕业设计（论文）开题报告题 目：宇龙自动化信息集成云平台管理系统的设计与实现学院数据科学与人工智能学院专 业软件工程班号学号指导教师开题日期一、开题报告应包括以下主要内容：1 .通过学生对课题研究现状、选题目的和意义的论述，判断是否已充分理解毕业设 计（论文）的内容和要求。2 .进度计划是否切实可行。3 .是否具备毕业设计所要求的基础条件。4 .预计研究过程中可能遇到的困难和问题，以及解决的措施。5 .主要参考文献。6 .开题辩论需要提交的各类功能框图、文献综述等。二、如学生首次开题报告未通过，需在一周内再进行一次。三、开题报告要求学生认真填写，由开题辩论组和指导教师填写意见、签字后，与 其他毕设材料统一交所在学院保存，以备检查。指导教师评语：指导教师：年 月 日开题辩论组审查意见：组长：组员：一、课题研究现状对于一个企业来讲，赢利是恒古不变的目标，然而面对日益全球化的世界经济，快 速变换的市场，让有些企业似有无所适从。它们在这样变换的环境中不断的寻求开展的 新型道路，在探索中不断的开展。企业信息化是企业利用现代信息技术，通过对信息资源的深化开发和广泛利用，不断 提高企业生产、经营、管理、决策的效率和水平，进而提高企业经济效率和企业市场竞争 力的过程。云平台，即是将开发者们或是将写好的程序放在“云”里运行。宇龙自动化信 息集成云平台（DKEM）是宇龙自动化针对管理层应用推出的系统解决方案。信息化概念的提出，起源于日本，1963年，日本学者梅田忠夫发表了一篇题为论 信息产业的文章。这是首次使用“信息化”这个概念。到1977年，法国的西蒙诺拉和阿 兰敏克撰写的经济开展报告社会的信息化中使用英译information,随后被世界其他 国家普遍接受并使用到今天。到今日，西方兴旺国家企业的信息化研究已经到达了一个相当高的水平，例如：ERP、 CRM、MES、0A等系统的出现，有力地提高了企业的决策和管理水平。信息化对于现 代化国外企业来说，已经上升到一级战略的高度。MES系统是企业信息化建设的重要组成局部，西门子从1986年开始MES业务， SIMATIC IT作为MES层先进的制造执行解决方案，使得自动化不再是单纯的自动化， 而真正让自动化与制造管理、企业管理、供应链管理建立了无缝连接，供应链的变化将 会迅速反响在制造中心，从而为“数字工厂理念提供了坚实的技术和产品基础，并通过 不断创新为更多客户带来更高的生产率和灵活性，缩短上市时间，降低本钱。但是国外 对大数据的研究重点在技术方面，大多以数据工程为重点，从分析算法和系统效率方面 进行设计。并没有有效的将大数据分析与信息化系统有效结合。中国企业的信息化道路上，许多企业借鉴了国外的道路，从0A到MIS再到ERP 最后到电子商务（EB）,国外的软件在中国表达出“水土不服”，适行效果并不理想。21 世纪，我国开始将信息化当作新时代中国社会和经济开展的重大战略来研究。“云”概念, 大数据等国外新型技术开始在我国广泛传播，工信部发布的物联网十二五规划里， 把信息处理技术作为关键技术创新工程之一而提出了，其中包括数据存储、数据挖掘、 智能分析等大数据重要组成局部。大数据技术的成熟开展，使我国大数据产业链雏形呈 现，大数据与信息化相互结合，为企业带来了新的商机。我国的信息化与大数据平台主要集中在阿里巴巴、华为等大型高技术公司，阿里巴 巴公司主要是交易数据与信用数据，更多是在搭建数据的流通、收集和提供。而华为公 司那么拥有华为大数据云平台Fusioninsight, Fusioninsight面向范围十分广大，除了提供包 括批处理、内存计算、流计算和MPPDB在内的全方位数据处理能力外，还提供数据分 析挖掘平台、数据服务平台，帮助用户实现从数据到知识，从知识到智慧的转换，进而 帮助用户从海量数据中挖掘数据价值。二、选题目的和意义通过对哈尔滨宇龙自动化的考察了解，发现其核心业务流程包括分销和工 程两大局部，从前期的销售管理，到分销局部的供应链管理、工程局部的工程工程管理, 到与ERP供应链局部配合的库房管理以及ERP财务管理，都已经基本实现了系统覆盖。 但是系统功能和操作体验方面还有很多需要提升、改善和优化的局部，商务和采购以及 财务仍然有不少需要线下记录的Excel工作。从另一个角度，系统数据的准确性、完整 性和及时性仍然需要提升。因为销售是该公司的龙头，直接与客户接触，而且所有的应 用系统都是从CRM的客户管理和机会管理作为起始点，而销售人员对于系统的认知以 及应用仍需要一个漫长的过程才能稳定与完善。进一步的，对于管理层的支持，系统支 撑还很欠缺，尤其是数据的分析与应用。现在在各应用系统中，已经逐渐有了数据的积 累，但是数据只是“躺”在服务器里，没有发挥出应用的价值。因此，如何利用现有数据, 实现对管理层的决策支持成为急需应对的问题。而DKEM系统的核心目的正是将数据知 识化，提升数据的利用率。DKEM系统一方面面向高层应用、决策层应用，梳理各级管 理层进行决策时的指标需求和数据需求，以业务问题为导向，进行数据集成、分析、挖 掘，更好的辅助领导决策，驱动业务的创新与开展。另一方面，数据模型的建立基于管 理层丰富的管理经验抽象后形成的企业知识，为知识自动化管理奠定了基础，为企业持 续优化及经济效益最大化提供了保证。数据分析对企业的巨大价值表达在业务开展的前期（探索期）或阶段性改进期（颠 覆期）。当探索和变革业务时，企业需要数据分析去明确业务中的问题、机遇几解决方 案。企业最大的本钱是决策本钱，而数据分析是提高企业决策能力的关键；当业务模式 相对成熟时，企业那么需要数据建模来提升业务效率，减少运营本钱等。三、课题的基本内容系统管理：管理公司旗下所有系统，实现单点登录，登录一次即可进入所有系统， 统一管理公司所有系统，各系统间实现数据共享。数据分析管理：主要包括市场数据分析、销售分析、生产分析、客户分析、财务分 析、供应商分析，通过对数据的分析和挖掘，以饼状图、柱状图等形式向用户展示已有 数据。数据服务管理：针对销售会议模板、绩效以及管理者需要处理的“问题”需要的数据, 提供数据查询服务，从而让销售脱离ppt,可以滚动、持续、关注趋势与变化的进行客户 和机会分析，方便管理者的同时，让销售也更清晰管理者需要的数据，从而明确自己的 业务方向，确保数据的及时性、准确性和完整性。各种绩效排名的实时展示，也可以形 成对相应的人员的激励。另一方面，通过数据挖掘，可以实现局部预警功能。主数据管理：通过构建统一的数据模板完成企业各异构信息系统的数据收集与预处 理，将数据标准化并汇总到数据仓库。数据共享管理：将模板中的特征数据进行抽取，建立标准的数据模型，将数据模型 共享到各个子管理系统，用户在使用子管理系统创立案例时一，系统会自动进行推荐以往 的相似案例作为参考。以某一个工程管理系统为例：系统会根据已实施的工程，可以自 动导入组织经验知识库中进行提炼、完善与改进，从而形成新的工程标准化模板。工程 建立时，系统会根据工程的类型和工程的重要级别，选取对应的工程标准化模板自动初 始化工程，实现工程标准化流程知识的复用。工程任务、工作流程、知识文档三位一体。 工程人员需在该平台上完成对工程的计划和工作汇报，以及相应的流程审批；根据工程 标准化模板所定义的每个任务节点可参考的输入文档，当执行该任务节点的工作任务时, 可通过页面的知识链接自动找到对应的知识文档，帮助工程成员在正确的时间获取最需 要的帮助；根据每个任务节点对知识交付物的要求，可通过系统要求必须上传对应的知 识文档才能关闭该节点的工作任务，规范工程成员在正确的时间提交正确的文档，从而 使知识积累得到强制执行，实现工程计划任务、工作流、工程文档管理的统一。知识管理：将企业的建模资源、各种模板、成功案例等统一管理，并且建立社区， 可以方便企业内部交流与信息查询、提问与提供。如需要全套：开题、论文、程序和辩论PPT请联系扣扣：八五零七二五四三九四、研究方案及预期到达的目标使用Eureka组件实现服务器的负载均衡，减少服务器宕机情况。使用KMeans算法进行聚类，分析公司的客户分类以使用不同的商业策略。使用CART算法，抽取数据进行递归分类，以实现客户风险分析和潜在客户的预测。 使用Apriori算法，用于市场的价格分析及预测。通过以上技术方案完成数据分析、风险预测、数据共享的实现，使得平台下的所有 系统可以实现数据的重复利用。五、为完成课题已具备和所需的条件软件环境：Windows 10操作系统，IntelliJ IDEA,是用于Java语言开发的集成环境, IntelliJ在业界被公认为最好的Java开发工具之一。数据库使用SQL Sever2012,使用SQL Sever Data Tools进行数据挖掘与OLAP操作。CRM系统，工程管理系统作为子系统， PostMan作为接口测试工具。Javal.8作为开发与部署环境。TomCat8.0作为服务器。硬件环境：Intel Core i7 7700HQ、128G SSD+1T HDD 硬盘、16G 运行内存、百兆 网卡、百兆局域网。六、预计研究过程中可能遇到的困难和问题，以及解决的措施1 .分布式架构如何实现前后端数据交换。解决方案是使用node.js作为微服务插件，使用node语言编写服务器，进行前后端 数据交互。2 .如何实现客户的风险预测。解决方案是使用CART算法，CART与C4.5的不同之处是节点在分裂时使用GINI 指数。不使用C4.5是因为在构造树的过程中，需要对数据集进行屡次的顺序扫描和排序, 因而导致算法的低效，而CART算法抽取规那么简便且易于理解；面对存在缺失值、变量 数多等问题时非常稳健。3 .如何对客户进行分类分析。解决方案是使用KMeans算法进行聚类分析，EM算法虽可以用来聚类，但是由于 EM算法进行迭代速度很慢，比KMeans性能差很多，并且KMeans算法 聚类效果没有 比EM差多少，所以一般用kMeans进行聚类，而不是EM。4 .客户分析中如何实现客户流失预测。解决方案是使用KNN算法，KNN算法的核心思想是如果一个样本在特征空间中的 k个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，那么该样本也属于这 个类别，该算法应用简单，无需估计参数。七、进度安排八、参考文献1刘超.数据仓库与数据挖掘技术在决策支持系统中的应用.天津职业院校联合学 报,20192徐毅佳.商业智能数据挖掘技术提升客户服务能力研究.浙江工业大学,20193杨瑞数据挖掘技术在CRM中的应用研究.中国管理信息化,20194陈庆信息化、移动化、数字化支持企业智慧化.企业管理,20175张园园.大数据时代财务共享服务中心云平台的应用.纳税,20196李萍.基于WebService的数据共享交换平台的设计与实现.计算机时代,20177余非.罗克韦尔自动化:构建“互联企业”媒体交流会.变频器世界,20188胡海龙.基于大数据的医院信息集成平台建设与应用J.电子技术与软件工程,20199张静波.基于数据仓库的企业决策支持系统的研究与应用D.电子科技大学,201910袁亚光.基于金融大数据的客户风险评估及预测D.北京邮电大学,20181 lChen H.Business intelligence and analytics.MIS quarterly, 2017Schwartz J I.Polydynamic information platform.U.S. Patent Application, 201912 Mazur D C. Apparatus to interface process automation and electrical automation systems.U.S. Patent Application,201914Zadeh S S. System information management. U.S. Patent Application,201915 Shen S C. Validating Risk Prediction Models of Diabetes Remission After Sleeve Gastrectomy J. Obesity surgery, 2019九、备注