答复: 产线管理系统,如何做架构?

讨论了产线管理系统从Delphi+Oracle迁移至.NET或Python+PyQt+Django的可行性,重点关注跨平台支持、实时性及分布式部署等问题。
部署运行你感兴趣的模型镜像
[quote]我们企业用delphi+oracle做产线管理系统,作业方式就是给我们的产品(手机)贴条码,然后通过刷条码进系统来管控流程。有时候要调用外部程序,有时候要打印(传文档到LPT端口)。因为windows费用的问题,部分电脑采用linux+wine的方式来运行系统。
现在我们考虑重新开发系统,因为Delphi渐渐不支持了,以及因为效率的原因,要换到3层的架构。我们主管的想法是使用.net开发。我不知道.net的界面是否可以支持跨平台。
我个人因为兴趣原因,想用python+pyqt+django+salalchemy来开发系统,但是因为自己的实力不够,所以不好来推这样的架构,我的想法是客户端用pyqt,采用xmlrpc连接业务逻辑服务器,同时运行一个web服务器来显示查询页面(也可以整合到客户端中),DB端用sqlalchemy连到oracle。
请问各位觉得我的想法如何,有什么更好的实现方式(实在不想用.net开发,但是考虑到可维护性,不知道.net能够撑多久)?
列一下需求:
3层架构
夸平台
能够运行本地程序,做一些交互
方便分布(产线电脑,有些是局域网,只能访问特定的服务器)
方便开发(个人建议能够接近Literate Programming,或者脚本式开发)
实时性好,产线作业员可等不了几秒。
我们的开发team为3人,我是主程序员,可以在架构上面说得上话。只要我能够开发出一个原型,并作出分析报告,采用我的架构应该没有问题。业务逻辑都是现成的,只要按照逻辑重新coding就好了。
我对架构的方面完全没有经验,请问应该如何去学习相关的知识呢?[/quote]
这玩意儿不就是传说中的SFCS 系统吗,还是MES?可能MES 的Scope 会大一点吧
条码枪不是问题,就是个输入设备而已,焦点在框框里,一扫也就进去了,没那么玄乎,条码打印也很Easy, 就是向某个端口(如Com 或lpt口)写文件而已。如果要共享打印机的话,可能要在打印机的地方搞个服务。这里有个现实的问题,就是不同的标签要换标签纸的,这个可能要配合超级智能机器人才能完成了(可惜我们没有)。产线上不可缺少的还有个玩意儿就是称(Scale),可能也是个输入设备。
实时性和可用性是个最需要考虑的问题,看你工厂的规模,单位时间内Transaction 的数量,如果采用3 层架构的话,对服务器配置的要求还是有点的,否则性能是个问题。[b]工厂对实时性要求挺高的,IE 作产线规划时,标准工作步骤都定义得很清楚,系统上要按几次键盘,点几次鼠标都是规划好的,每一步需要的时间也是清楚定义的,时间就是产能[/b]。如果搞个系统,刷了条码半天没反应,刷个Error Code,要下一步再下一步,生产单位会杀了MIS 单位。如果想把GUI 改成网页,劝你三思而后行我,们海外的维修点使用的系统采用的是B/S 架构,不过那些维修点的工程师不过10 人吧。 。
毫无疑问,如果Server 比表差的话,两层架构的性能肯定高于三层架构。
客户端的环境也要考虑,产线上的机器跟各位开发人员的机器配置是没法儿比的。
我们两个生产工厂每月产能都上百万的,用的10 年前使用Delphi 写的系统,跑得非常好,只是维护起来有点困难了。维修厂每月产能不到10 万,我们先尝试使用java 改造维修维修厂的系统,现在效果并不理想。恩,3 层架构,但服务器的性能不够,而且是很不够,如今的经济形势去升级服务器又很困难。现在还在恼火中,想改回两层架构(当然可能是玩笑话)。
我有点疑问,就是Business Model 没变,当前系统都能支持,花成本重写系统,有点不可理解,如果一定要改,旧系统的很多细节都要考虑到,这个其实很难的。搞不好就会“照虎画猫”。
别跟我谈架构,先给台Server 吧,我代表老板谢谢您啦。生产工厂用的是最好的Server 和Storage(加起来价值1000 W),而维修工厂的Server 只是个不入门级Server,并且Storage 是没有分开的。不同的软硬件条件也是约束,架构时要考虑的。

您可能感兴趣的与本文相关的镜像

Python3.11

Python3.11

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值