设为首页 | 收藏本站
185 1521 8668
Together规则引擎 3.2版
现已发布
Together规则引擎3.2版组件如下：
1.规则引擎，通过规则引擎定义可执行决策或业务逻辑，构建可执行的图形化决策模型，提供自动化决策服务。包括项目管理、模型管理、数据集、数据分析、系统管理、接口管理、团队管理等功能。
2.机器学习组件，新增引用机器学习模型功能，可通过规则引擎对机器学习生成的预测模型实现调用，为PMML预测模型所计算的数据提供可执行的决策逻辑。包括PMML文件的导入，运行时调用等功能。
为云而生的架构赋予非凡的性能和扩展
特色和优势
Together规则引擎核心目标是帮助您将一组业务规则塑造成您自己的特定于域的云原生服务集。Together规则引擎旨在在云中基础设施上运行和扩展。您可以将Together 与最新的基于云的技术（如 Spring Boot、Knative 和 Apache Kafka）结合使用，以缩短容器应用程序平台（如 OpenShift）的启动时间和即时扩展。
基于DMN标准
Together是完全遵循国际业务决策建模标准DMN的规范打造的商业规则引擎，具有良好的通用性，技术架构的先进性，简单易用、敏捷高效。
业务人员和业务专家无需了解和使用复杂的IT编程语言来创建和维护用于制定业务运营决策的自动化业务逻辑。
使用标准化、可验证的可视化模型，使该模型充当决策自动化引擎的文档和可执行源。
可以直接从可视化模型实现自动化，而无需 IT 翻译。
决策需求图
FEEL语言
盒装表达式
透明可执行的人工智能
将机器学习与Together规则引擎集成集成，实现透明可执行的人工智能。Together规则引擎提供PMML成熟的Java实现，无需额外编码即可在DMN建模器中定义PMML函数，在DMN模型运行时无缝执行并调用预测模型算法结果，整个过程丝滑如一个整体，机器学习算法执行也不需要复杂的开发和配置。
机器学习过程
Together规则引擎对机器学习集成调用过程
机器学习过程
DMN建模&执行过程
你画的就是你要执行的，你可以用图形和表格的形式定义您的规则逻辑语义，
而且这一切都是可见的并可执行的，这比代码开发拥有巨大的优势。
业务规则和应用系统解耦，方便业务规则的 集中管控。
采用自然语言定义，技术门槛低，业务人员也可以使用。
业务发生变更时，业务人员可快速进行调整，加速企业响应速度。
一站式的建模开发测试发布环境
Together规则引擎提供一站式的建模开发环境，从规则模型的需求建模、逻辑定义、业务知识模型和决策服务的创建、调用，模拟测试、模型数据集的管理、测试数据统计分析，到版本的发布管理，工作区的管理等，满足全生命周期的开发测试管理。
杀手级的逻辑快速开发引擎
Together不止局限于规则，而可以做为逻辑快速开发引擎，它拥有媲美代码开发的能力和执行效率，完全可以做为您IT系统的逻辑引擎，实现各种复杂的业务逻辑。你可以通过Together完成图形化逻辑定义、变量定义、以装箱表达式如决策表、文字表达、上下文、自定义函数、函数调用、关系表、列表的形式实现数据对象组装、逻辑表达式、遍历循环、排序、递归、各种算法定义、嵌套调用、外部方法调用等等，实现以往只有代码开发才能实现的复杂逻辑，颠覆传统的软件开发方式，成为你杀手级的快速开发引擎。
决策表
决策表
部署
产品研发
项目开发
数据组装
逻辑表达式
遍厉循环
排序
递归
算法
外部方法
嵌套调用
。。。
迭代
设计
计划
文字表达
关系表
函数调用
自定义函数
图形化逻辑定义
变量定义
上下文
列表
行业领先的规则引擎算法
Together规则引擎使用的Phreak算法是目前行业领先的规则引擎算法。Phreak 算法通常用于优化和实时决策。它通过分析数据来提供有效的决策支持。该算法的设计可以处理大量信息，并基于规则或学习模型做出建议或决策，从而提升决策效率和准确性。在实际应用中，Phreak 算法可以广泛应用于企业各个业务领域，如金融、市场营销、供应链管理、生产制造、医疗健康等等，帮助企业快速响应变化的环境和需求。
支持国产化适配、支持信创
进一步了解更多产品详情
系统架构
产品技术架构
Together规则引擎采用SpringBoot做为基础框架，通过网关服务的形式与第三方系统集成。第三方系统也可以将Together做为微服务组件的形式整合成为一体。功能结构高内聚低耦合，足够轻量，因此集成或部署非常方便。其微服务可以直接在安装了JDK的物理机/虚拟机上部署运行；支持用Docker部署、私有云部署、热部署。可通过服务或接口的方式调用规则服务，由于没有运行时等复杂结构，因此可以获得更高的性能。
功能结构
Together规则引擎可以跟业务系统集成，同步业务对象，业务系统通过服务接口调用业务规则，规则引擎返回规则结果。构建规则引擎的核心是能够针对不同业务系统、不同业务场景的业务对象进行规则的建模封装、测试，建立统一的规则库，供业务系统调用、维护业务逻辑。
Together规则引擎非常轻量，不需要很重的运行时结构支撑，因此非常方便您的部署。您还可将开发环境和生产环境分离，模型文件与建模环境相互独立，极大的提高了部署的敏捷性，适应复杂的业务场景。
部署运行架构
系统功能
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
按钮
高度集成一体化的建模开发测试环境
图形化的DRD业务建模
支持复杂的数据类型自定义
强大易用的FEEL语言
丰富的FEEL内置函数支持
模型文档自动生成
闪电般的执行速度保障系统性能
开发级的调试方式
细粒度的数据对比分析
友好便捷的操作方式
完善的项目管理
灵活的团队权限管理
集中式的部署管理
多层级的DRD图结构定义
革命性的装箱结构
支持全中文的FEEL表达式
支持外部函数扩展
包容并蓄的外部模型引用
集成式的测试环境
支持多维度的数据样本测试
模型文件一键导入导出
自定义行业模版使您的模型快速复用
随时触达的版本切换
简单的集成方式
灵活的部署形式
保姆级的帮助系统
第三方系统模型调用
PMML引入打开了人工智能的大门
Together为您提供高度集成的建模开发测试功能，可从模型需求DRD建模、数据类型定义、业务模型的逻辑定义、模型导入导出、模板生成、模型引用，到模拟测试、错误调试、模型数据集管理、测试对比分析、版本发布等一系列强大功能。
通过Together建模器您可以可视化的构建您的业务模型逻辑关系图，DRD可以表示DMN模型的部分或全部总体决策需求图（DRG）。全新的基于模型的构建方式，改变了原来基于需求的构建方式，减少了原来抽象复杂的业务逻辑信息传递的误差和错误。
通过Together建模器您可以可视化的构建您的业务模型逻辑关系图，DRD可以表示DMN模型的部分或全部总体决策需求图（DRG）。全新的基于模型的构建方式，改变了原来基于需求的构建方式，减少了原来抽象复杂的业务逻辑信息传递的误差和错误。
FEEL语言是为决策逻辑定义而生的全新的强类型表达式语言，它集合了文本式和函数式开发语言的优点，独立而不依赖其他语言或结构，它内置上百种函数直接调用并可以自定义扩展。具有自己的表达式结构，支持盒装表达式，更接近自然语言的书写方式，甚至支持空格或数学符号的书写，简单易懂，易于维护，没有技术背景普通用户就可以轻松上手，同时又有优秀的执行性能。
Together内置了上百个FEEL函数，涵盖了您业务建模的方方面面。它们简单易用，您可以方便快捷的将其应用到逻辑块中。FEEL函数支持函数间或逻辑结构中的深度嵌套调用，能实现复杂算法，使您不再依赖其他诸如JavaScript、SQL或其他脚本语言的实现。
Together支持DMN一致性级别1-3的标准，实现从图形化逻辑建模到装箱结构再到表达式细节的编辑，Together建模器在创建模型的同时系统会实时动态生成完整的模型文档。
Together建模后可直接生成DMN XML文件，Together规则引擎使用先进的Phreak 算法进行规则评估，Phreak 比 Rete和Rete增强型，更具可扩展性，并且在大型系统中速度更快。
在调用模型时Phreak算法不用全部加载所有模型逻辑，或按顺序全部执行所有逻辑结构，而是根据输入参数执行相应的逻辑块，返回对应的结果值；同时系统在JIT(Just-In-Time)即时编译引擎的加持下，直接执行模型文件，无需额外的开销，使系统获得了闪电般的执行速度和效率。系统没有复杂的运行时结构，也决定了系统具有超高的性能。
Together建模器一体化的开发测试环境，拥有开发级的问题反馈功能，可实时通过问题窗口显示定位问题信息，为模型的创建维护通过提供贴心功能。
Together对样本数据集的字段进行细粒度的数据对比分析，可对同一组数据进行报表或图标分析，也可以修改或增加数据值，运行新的输出结果，通过快照的形式对数据进行动态对比分析，从而多维度的测试模型，优化模型。
在Together中有20多个组合快捷键（包括但不限于编辑、移动、追加节点等快捷方式）来提升使用者对模型编辑器操作的便捷性，能够在不同操作系统下支持不同的快捷键组合，例如:在Windows下，使用Ctrl+C来复制所选内容；在Mac下，使用Cmd+C来复制所选内容。
Together拥有完善的项目管理功能，您可以根据您的业务维度设立不同的项目分类和具体的项目，好进行统一的建模和维护。您也可以建立您专有的公共函数库或公共模型库，形成组织内部专有的模型知识资源，方便项目复用提高业务相应效率。支持项目管理，模型文件的导入导出、创建副本、项目间文件移动、复制等操作。
对于大型组织，涉及的业务领域复杂，需要不同领域的业务专家团队创建维护业务模型，因此需要根据业务模型内容进行团队管理，Together具有完善的团队组织和权限管理功能，可对系统级和项目级分别进行权限设置。在项目管理中支持规则逻辑建模、测试、发布等，项目、团队、角色权限管理。根据根据权限不同团队维护不同项目，项目里可细分成员角色权限做不同的操作。
您可以根据您的业务需求或生产环境业务主题域，把您的模型部署在不同的工作区，工作区的分类完全由您自己定义管理，第三方系统可通过Together工作区调用所需模型接口。工作区模型完全与项目管理中的模型同步或回滚。
可将复杂的决策分解为多个节点，比如大型DMN模型上，因为它们通常具有树布局，可以将模型逻辑分解为子集，为每个子集创建决策需求图 （DRD） 这样可以简化DRD图表结构，使模型层次清晰，便于维护。
不同于其他规则引擎仅支持如决策表、评分卡等有限的决策定义结构，Together支持多达7种DMN标准的装箱结构，如文字表达式、上下文、决策表、关系、函数、调用、列表等，可以结构化的将决策块、函数通过可视化的装箱结构进行层层嵌套组装成复杂且逻辑清晰的结构，使整个业务逻辑的可读性增加、维护成本降低，让Together成为与开发语言相媲美的规则建模工具。
Together全面支持中文数据类型的定义、FEEL表达式的编辑、装箱结构的定义引用，支持if表达式、for表达式、定量表达、in表达式、三值逻辑（and,or）、字符串连接；支持表达式和函数嵌套结构，并不限层级等逻辑结构，大大降低了使用难度，不需要有开发背景也可以创建可执行的决策模型，维护复杂逻辑，使中文开发变成现实。
Together不仅支持FEEL函数，而且支持调用外部JAVA函数的调用，这样极大的扩展了建模器的能力，使其具备了复杂逻辑实现能力，几乎可以实现开发语言所能实现的所有业务逻辑。
Together拥有完善的模型引用功能，您可以定义积累自己的公共函数库、公共模型库方便建模时候引用，还可引用本项目中的其他业务模型，减少错误提高效率。还支持PMML预测模型的引用，供本模型的函数调用，亦可通过此功能对接AI、机器学习ML系统，使Together变身为强大的业务规则逻辑执行器。
Together建模器拥有一站式的集成的测试环境，在您编辑模型的时候就可随时进行测试调试，极大的方便和简化了工作步骤，提高了效率。无论您数据类型结构有多么复杂，在您完成模型建模的过程中，可随时通过测试窗口动态生成测试表单或测试列表，供您进行单元或完整测试，完全不用另外编写测试用例和测试脚本。
Together还可以通过数据集对多组数据进行分片测试、批量测试、对比测试。生成测试报告和数据样本。
在Together中创建的模型可以通过系统一键导出保存为标准的DMN XML文件方便系统间知识转移复用，亦可将标准的DMN XML文件导入到Together系统中。
您可以将您的模型保存为Together内置行业模板，供用户能够快速复用，亦可通过宏天软件将自己行业模板通过宏天模板市场交易，使用户获取额外的收益。
在Together中您可以为您同一业务模型预置多个模型版本，可根据需要为不同的业务场景或业务域切换不同版本的业务模型。
Together是通过网关以Token的方式进行集成，系统生成密钥后派发给第三方系统，通过接口集成后可授权不同
Together模块，取相应的数据
Together规则引擎没有很重的运行时结构，非常轻量，并且引擎本身直接生成业务模型DMN.XML文件，在建模完成后可以方便的将模型文件导出平滑的部署到不同的生产环境中，因此部署形式灵活，并且支持热部署。
Together拥有多方位完善的帮助体系，用户在使用过程中可随时查询获得帮助信息。
通过简单的集成，第三方系统可以通过接口或服务的形式调用Together规则模型获取相应的模型逻辑服务。总体结构简单轻量，松耦合，响应速度快。
Together规则引擎提供PMML成熟的Java实现，无需额外编码就可以在DMN建模器中定义PMML函数，Together可以调用机器学习算法PMML模型文件，它是一种将数据科学训练成各种机器学习模型的 XML 文件格式（其中数据科学和机器学习是人工智能重要的组成部分）。支持各种科学计算、支持预测模型算法、支持ML机器学习模型算法，使Together打开了人工智能的大门，实现真正的商业智能。无需在Together中创建这些模型，但可以导入它们并在规则引擎上执行它们。
核心算法
Together规则引擎执行逻辑
Together规则引擎存储、处理和评估数据，以执行您定义的业务规则模型。引擎的基本功能是将传入数据或实例与规则条件进行匹配，并确定是否以及如何执行规则。
规则引擎使用以下基本组件运行：
规则：您定义的DMN业务规则。所有规则必须至少包含触发规则的条件以及规则指定的操作。
实例：在规则引擎中输入或更改规则引擎中与规则条件匹配以执行适用规则的数据。
生产内存：规则在规则引擎中的存储位置。
工作内存：实例在规则引擎中存储的位置。
进程：为准备执行而注册和排序（如果适用）激活规则的位置。
Together规则引擎执行步骤
执行规则时，Together规则引擎会重复循环经历两个阶段：
进程评估。在此阶段，规则引擎选择所有可执行的规则。如果不存在可执行规则，则执行周期结束。如果找到可执行规则，规则引擎将在议程中注册激活，然后进入工作内存操作阶段以执行规则结果操作。
工作内存操作。在此阶段中，规则引擎对之前在议程中注册的所有已激活规则执行规则结果操作（每个规则的一部分）。完成所有结果操作或再次执行规则后，规则引擎将返回到进程评估阶段以重新评估规则。
Together规则引擎的Phreak规则算法
Together规则引擎使用 Phreak 算法进行规则评估。Phreak 从 Rete 算法演变而来，包括增强的 Rete 算法 ReteOO，用于面向对象的系统。总体而言，Phreak 比 Rete 和 ReteOO 更具可扩展性，并且在大型系统中速度更快。
Phreak 算法在以前的 Rete 算法中添加了以下一组增强功能：
三层上下文内存：节点、分段和规则内存类型
基于规则、基于区段和基于节点的链接
惰性 （延迟） 规则评估
具有暂停和恢复功能的基于堆栈的评估
隔离规则评估
面向集合的扩展
Phreak的规则评估
与面向 Tuples 的 Rete 不同，Phreak 扩展是面向集合的。对于正在评估的规则，规则引擎将顺序访问分、子节点并处理所有排队的 insert、update 和 delete 操作。结果将添加到一个集合中，直到到达终端节点。此循环会创建一个批处理效果，该效果可以为某些规则构造提供性能优势。同时与 Rete 中的单一内存单元相反，Phreak 具有三层上下文内存，包括节点、段和规则内存类型。这种分层可以在评估规则期间进行更多的上下文理解。
使用正向和反向链接进行规则评估
Together规则引擎是一个混合推理系统，它使用正向链接和反向链接来评估规则。下图说明了规则引擎如何在逻辑流中使用正向链接整体和向后链接段来评估规则：
业务应用场景 公共规则服务 与工作流程集成 基础底座组件 |
Together可应用于如保险产品策略、KPI考核、法务合规、风控、财务管理、内控管理、电商营销、供应链、生产工艺、制造管理、法律、健康医疗、服务策略、物联网等等各种行业的业务场景，提供复杂业务逻辑支持。Together为高频业务逻辑变化而生，可大幅提高业务的敏捷性、降低IT成本和使用门槛。
您可以将Together打造成企业内部统一的决策中心、规则中心、逻辑中心，为您的IT系统提供公共的决策服务。
目前支持BPMN标准的主流工作流引擎包括Activiti、 Flowable、Camunda、JBPM等，其中Flowable、Camunda、JBPM支持DMN和CMMN节点，但结构紧耦合。
目前Flowable、 Camunda 、JBPM支持DMN标准可以定义DRG规则流程图，但DMN不能独立使用，没有独立的引擎。
CMMN可以做为BPM节点，适应更多的复杂流程场景，比如知识密集型节点，目前Flowable、 Camunda支持CMMN标准。
DMN构建了一整套完整的决策、知识、知识服务、数据模型定义、脚本执行语言扩展、FEEL表达式语言等规则元素。
Together规则引擎使用主流微服务框架，方便整合进您的业务系统或IT体系中，可做为快速开发平台的基础底座组件使用，与BPM、CMMN整合提供更加完善的快速开发解决方案。
应用场景
姓名
*
邮箱
*
手机号
*
公司
*
部门
*
岗位
*
地区
*
补充信息
提交
联系我们
请填写以下信息，我们的销售团队将与您联系。
|
|
公众号
关于我们
联系方式
让您的业务更自动化、智能化！
联系邮箱： zhangy@jee-soft.cn wangyl@jee-soft.cn
185 1521 8668
183 3562 2627
联系电话：
