不要流程重组

博客围绕企业ERP系统实施展开,指出国内企业存在帐目、权责不清等问题,实施业务流程重组困难。提出先整理基础数据,再运行基本业务模块,待系统被接受后深入推广功能。强调根据客户需求搭框架、细化功能,做成DLL升级,同时考虑用户特征制定策略。

 你以为中国的企业是什么状况?
帐目不清,我看到的帐本破损,勾画,空白地方乱写鳎褪亲ㄒ等耸恳膊椴磺?
权责不清,有事情大家扯皮,或者没人管,或者多人管,谁也做不了主,能做主的领导认为这是小事,不要去烦他
多个利益集团相争,想借上系统的机会把对方搞下去或者把水搞的更浑浊

我听见许多ERP和企业管理论坛,也看过很多管理书籍,都说ERP是企业管理的革命,需要业务流程重组。
就这样的摊子,我们能业务流程重组吗?我们应该给企业做业务流程重组吗?
往往上系统的负责人不是公司的最高领导,而负责人处的位置正好不高不低,陷入各种利益集团的包围当中。只要有一利益集团不满意,他就很难办事
而且他也不想因为就上这么一个系统得罪了其他人。
其实,有这些毛病也很多年了,但企业不也是年年创收吗?所以不改这些毛病也行。我们就想使我们的钱对,货对就行了,你做的软件帮我赶快把事干完就行,什么分析型软件,管理型软件,什么功能强大,我还要不上。

我们的实施人员看到企业这么烂,一点信心也没了,反正我只是人家斗争的一颗棋子,我辛辛苦苦做出来的系统原来一点用也没有。我不业务流程重组,我做不了。

其实话不能这么绝对。即使假设企业非常配合让你流程重组,合作初期我们互相都不了解,而且企业好久未变化,关系复杂,尤其在开头有很多事情,所以不要都聚到头上,容易虎头蛇尾。所以不要再一开头就大斧子砍。

那我们该怎么做呢?

他们的基础数据不是乱吗?那我们第一步先整理数据。企业基础数据不清,就好象你连你自己是谁都不知道一样。他连自己都不知道,你还想让他认识到自己的缺点和不足吗?
在数据整理的过程中就会发生很多事情。因为有些利益集团不希望你把数据搞的很清楚。我们必须在这第一步走出去,去掉了这个难关,我们的下一步更触动他们的利益的计划才能进行,这叫冷水煮青蛙。
好,你不是就希望软件钱对货对就行吗?我下一步就是让你运行最基本的业务模块。一是功能简单人容易接受,二是牵扯的人和事比较少,好实施下去。我先让你的大帐算清楚,别看细的东西不起眼,深究起来,往往管理的漏洞都在这细节上,不过这时候还不适合管的太细,否则容易有利益集团的抵触。

经过一段时间的磨合,新系统大家也接受了,由于上的比较平稳,利益集团的形势也比较明朗了,这时候再深入推广更多的功能。
等他们用的连他们自己都感觉缺功能时,他们就会主动提出需求,而且提出的需求都是很具体很现实的,因为他对你的软件很熟悉了,对他们自己的环境也很熟悉了。所以我们不要一去了就问客户需求,就二次开发,那时候互相谁也不了解,他也不了解你的软件,提需求肯定是他想怎么着就怎么着,或者是就挑界面的事。这也不怪他,因为他看到的就是你的界面。我们有些人希望在市场部签合同时就说好需求,我觉得也不现实,因为不经过咱们的客观而专业的资料收集分析,他们也无法深刻认清他们的主要问题和次要问题,他们只觉得他们是有管理问题,但具体是什么不清楚,所以希望我们这些专业做过各类企业遇过各类事情的人来诊断他们的问题。这就是咨询的力量。

我们知道我们未来要做什么,客户将来要什么,但是我们不会在现在都做了。因为客户现在还认识不到,或认识到各种环境不具备也用不了,你用不了搁着,未来不是你想的那样,那么你花了很多钱开发的东西就一文不值。我们先会搭一个框架,然后在客户最需要的地方加细节。先功能简单点,保证完成最基本操作,然后一层层细化。用户用我们的系统其实也是这样,从简单到复杂。我们都会把功能做成DLL,升级版本

根据客户能力,一级一级给用户,随着用户成熟我们给他不断的升级。我们不会给一个初级的用户以一个庞大的应用
当然我们的咨询费,培训费,实施费,软件费,二次开发费,支持费都要的

我们在做一个功能时必须要认清楚我们的使用者的特征,他的年龄,文化水平,工作严谨性,重要性,及时性。决定了我们这个功能的实用,什么样才算实用,易用,稳定,高性能,对不同的用户我们的定义是不一样的。我们对待每个功能不是一视同仁的。我们有的模块做的很笨拙,但是用户觉得这就够用,我们也省成本。面对不同的用户我们有不同的策略,就如日本人把废车卖到非洲大赚一笔。
当我们对事情不了解的话,而且我们也没有条件去了解,那么我们从生活中的人性来模拟一遍。因为大家都是中国老百姓,都有共同的优缺点。跑开电脑和技术,如果你就是那个人,你想怎么做才舒服。我反正就是想快点轻松点完成我的工作。不需要记忆,不需要计算,不需要思考,分析,对比,检查,一路回车就行。有人一说不调查需求就做不出好软件,我不这么认为。调查当然更好,但条件不允许我们也能做的比现在更好一些,这就足够了。
现在网上争吵谁是不是ERP?我觉得根本没有必要。我面对什么客户,我就做什么事情。大人和小孩互换了衣服穿,谁都觉着别扭,这么明白的道理,我们国内的厂商就是不听,互相攻击。大概这也算一种市场手段。


<think>好的,用户之前让我详细说明HPCG的原理和计算流程,并简化流程图。现在他再次提到要详细说明原理和流程,并简化流程图,同时参考之前的回答。我需要先回顾之前的回答,看看哪里可以优化。 首先,用户可能觉得之前的流程图太复杂,需要更简洁的版本。之前的伪代码虽然详细,但用户可能希望用更直观的步骤表示,比如用序号或更简短的步骤。另外,用户提到参考站内引用,但之前的引用可能不够准确,需要调整。 接下来,我需要确保原理部分清晰,但不过于技术化。可能需要用更简洁的语言解释共轭梯度法、稀疏矩阵处理以及异构计算的部分。同时,流程图需要简化,可能用文字步骤代替代码块,或者用更少的步骤概括整个流程。 用户还希望包含简化版流程图,可能需要用符号或者分阶段展示。比如将流程分为初始化、迭代步骤、终止条件等部分,用箭头连接。同时,确保关键技术点如SpMV、预条件子等被突出显示。 另外,用户可能希望对比HPCG与其他基准测试如LINPACK的区别,但这次问题没有提到,所以可能不需要展开,但需要保持回答的聚焦。还要注意使用正确的中文术语,避免翻译腔,保持专业但易懂。 最后,检查是否需要补充之前未提到的优化方法或性能瓶颈,但用户主要关注原理和流程,所以可能需要保持简洁,同时确保引用格式正确,如[^1]的位置是否恰当,是否需要添加更多引用来源。 总结下来,我需要重组内容,将原理部分更精炼,用简化的流程图替代代码,并确保关键点突出,同时语言流畅,符合用户要求的中文回答。</think>### HPCG基准测试原理与计算流程详解(简化版) --- #### 一、核心原理 HPCG通过**稀疏线性方程组求解**模拟真实科学计算场景,基于改进的共轭梯度法(PCG),重点评估超算的**内存带宽**和**通信效率**而非纯计算能力[^1]。 1. **数学基础** 求解方程: $$A\mathbf{x} = \mathbf{b}$$ 其中$A$为对称正定稀疏矩阵,采用**预条件共轭梯度法(PCG)**加速收敛,核心迭代公式: $$\mathbf{x}_{k+1} = \mathbf{x}_k + \alpha_k \mathbf{p}_k$$ $$\alpha_k = \frac{\mathbf{r}_k^T \mathbf{r}_k}{\mathbf{p}_k^T A \mathbf{p}_k}$$ ($\alpha$为步长,$\mathbf{p}$为共轭方向) 2. **性能设计特征** - **27点模板计算**:模拟三维偏微分方程离散化产生的稀疏矩阵 - **混合精度运算**:采用单/双精度混合计算降低内存压力 - **预条件优化**:通过几何多重网格(GMG)降低迭代次数 --- #### 二、简化计算流程 ```mermaid graph TD A[初始化x0, r0=b-Ax0, p0=r0] --> B{迭代} B -->|是| C[计算Ap=矩阵向量乘] C --> D[计算步长α] D --> E[更新解x和残差r] E --> F[计算新搜索方向p] F --> G{收敛?} G -->|否| B G -->|是| H[输出结果] ``` **关键步骤说明**: 1. **稀疏矩阵-向量乘(SpMV)** 消耗50%以上计算时间,采用**CSR格式存储矩阵**,优化数据局部性: ```python def spmv(A_csr, x): y = zeros(n) for i in 0 to n-1: for j in A_csr.row_ptr[i] to A_csr.row_ptr[i+1]-1: y[i] += A_csr.val[j] * x[A_csr.col_ind[j]] return y ``` 2. **预条件处理** 使用几何多重网格加速收敛,典型操作包括: - 限制(Restriction):将残差传递到粗网格 - 延拓(Prolongation):将修正量插值回细网格 --- #### 三、性能关键点 | 模块 | 计算占比 | 优化方向 | |---------------|----------|------------------------------| | 稀疏矩阵乘 | 55-60% | 缓存分块、向量化指令 | | 向量内积 | 20-25% | 异步归约、混合精度计算 | | 预条件运算 | 15-20% | 多级网格参数调优 | --- #### 四、与LINPACK对比 | 特性 | HPCG | LINPACK | |--------------|--------------------|-------------------| | 计算核心 | 稀疏矩阵运算 | 稠密矩阵LU分解 | | 内存访问 | 非连续访问 | 连续内存访问 | | 通信模式 | 点对点+全局同步 | 全局广播 | | 硬件利用率 | 内存带宽敏感 | 浮点算力敏感 | ---
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