程序聚合 软件案例 仓库库存管理-WMS

仓库库存管理-WMS

2026-01-07 17:31:51
行业:物流仓储
载体:网站、安卓APP
技术:Java、Vue、MySQL、Redis

业务和功能介绍

标准WMS功能介绍
一、系统管理
1.用户管理:用于系统中操作用户的创建,修改及删除。
2.角色管理:用于设置用户在本系统中的操作及数据权限。
3.部门管理:用于分配,展示用户在本系统中的部门信息。
4.岗位管理:用于分配,展示用户在本系统中的岗位信息。
5.菜单管理:用于本系统所有菜单的管理。
6.字典管理:用于本系统中配置各种枚举参数。
7.参数管理:用于本系统中各种参数的设置。
二、基础信息管理
1.物料信息管理:用于管理商品信息,包括商品名称、规格、型号等。
2.客户信息管理:用于管理客户信息,包括客户名称,客户地址等。
3.供应商信息管理:用于管理供应商信息,包括供应商名称,供应商地址等。
4.仓库信息管理:用于管理仓库信息,包括库别,库区,逻辑区域等。
5.货位信息管理:用于管理各仓库中的货位信息。
6.货主管理:用于管理货主信息,包括自主货主,三方货主等。
三、入库管理
1.入库开单:用于开具本系统中独立管理的入库订单。
2.入库收货:用于提取相应入库订单或订单行进行收货。
3.入库验收:用于提取已收货订单进行验收处理。
4.入库上架:用于提取已完成检验订单进行上架处理。
5.异常处理:用于在验收及上架流程中出现的异常情况进行处理订单。
6.入库信息查询:用于查询入库各环节的信息展示。
四、出库管理
1.出库开单:用于开具本系统中独立管理的出库订单。
2.出库波次创建:用于创建选择订单的波次,由系统自动匹配相应订单所需的库存进行组波次。
3.出库波次下发:用于将已创建的波次进行任务波次下发,生成相应的拣货任务。
4.出库拣货:用于索取已下发波次的拣货任务,进行库内拣货作业。
5.出库复核:用于核对拣货人员拣出的物料是否准确。
6.异常处理:用于处理在出库组波次时出现的异常情况。
7.出库信息查询:用于查询出库各环节的信息展示。
五、库内管理
1.货位调整:用于同货主,同仓库,同库别,同区域的货物库存调整货位。
2.移库管理:用于同货主,同仓库,不同库别,不同区域的货物库存的调整货位。
3.盘点管理:用于盘点库内货物库存。
4.库存状态变更:用于将货物库存进行锁定解锁。
5.库存查询:用于库内货物库存信息的查询。

项目实现

1、项目启动后,由软件,行业顾问进行需求调研,并演示行业标准产品
,确定需求与产品的匹配差异清单,针对差异部分作为需求,并进行分析。
2、产品演示完成后,完成需求流程说明书,并通过会议方式进行评审。
3、根据评审通过的需求流程说明书,结合自主研发的Upcloud标准产品
进行评估,哪些是需要客制化的,哪些是可以用标准产品功能,哪些需要
通过配置可以满足需求,确定后,会输出设计开发功能清单,并组织公司专家资源进行评审
4、根据设计开发功能清单,在项目团队中分工编写软件功能规格说明书,系统详细设计说明书,这两份文档输出后会排
评审计划进行评审,评审通过后的功能进行开发,同步搭建开发(DEV)环境,在项目调研时,搭建沙盘演示环境,供客户熟悉标准产品。
5、开发在开发(DEV)环境进行,开发开始时,同步开始编写详细测试用例,开发的模式按照产品开发的规范,如一个接口文件
就是单独的业务(高内聚,低耦合),在标准的程序文件头部和尾部进行加入客制化逻辑,支持重载标准功能,进行迭代,客制化的文件和标
准产品文件分不同的文件夹存放,便于迭代和运维,代码通过SVN,GIT进行分支版本管理。
6、开发完成的功能,通过发布管道发布到QAS(测试环境),按照测试用例,导入真实的基础数据和业务单据,在QAS环
境进行测试,测试过程产生的BUG,记录问题管理表,在开发环境进行修复,再发布QAS环境进行回归测试。
7、开发测试过程中发生需求变更,设计变更,同步修改设计文档,进行变更记录登记,保持产品与与设计文档同步。
8、根据项目管理要求,召开上线切换评审会,评审通过后,测试通过的功能,发布到PRD环境进行试运行,可按物料,按流程,产线分步切
换,试运行,试运行通过后,进行正式运行。
9、在转产QAS环境,PRD环境之前,均需要编写配置清单,转产明细清单。

示例图片视频


韩高峰
30天前活跃
方向: 后端-Java、运维-运维、
交付率:100.00%
相似推荐
RAG Agent
一、立项背景与目标 1. 立项背景 在传统的知识库问答系统中,普遍存在以下痛点: - 流程混乱:通用ReAct Agent在处理复杂业务时,容易发生步骤跳跃或逻辑错乱,导致回答质量不稳定。 - 上下文断裂:多轮对话中,用户常使用代词(如“它多少钱?”),传统向量检索缺乏指代消解能力,导致检索失败。 - 意图混杂:闲聊式提问(如“你好”)与知识检索式提问(如“XX产品参数是多少”)被统一处理,浪费算力且影响用户体验。 - 状态丢失:用户刷新页面或稍后再访问时,对话历史无法延续,每次都是“新会话”。 2. 项目目标 - 构建一个流程可控、意图可分流、上下文可理解、状态可持久的智能知识助手。 - 实现复杂业务逻辑的结构化解耦,提升系统的可维护性与稳定性。 - 显著提升多轮对话场景下的检索命中率与回答准确率。 二、软件功能与核心模块 1.整体功能概述 本系统是一个基于LLM的智能对话式知识库问答助手,支持用户通过自然语言提问,从向量知识库中精准检索并生成回答。系统特别强化了多轮对话中的指代消解能力与流程可控性。 2.核心功能模块介绍 模块名称 功能说明 Planner(规划器) 基于LLM + 专用Prompt,硬编码业务流程。负责解析用户请求,按固定流程调度执行,防止逻辑跳跃。 语义路由器 基于LLM的分类工具,动态识别用户意图为“chat”(闲聊)或“retrieval”(知识检索),实现分支分流。 历史加载与写入模块 与Redis集成,自动追加对话历史,确保跨会话的上下文连续性。 查询重写模块 结合历史对话,将存在指代或省略的用户问题(如“它多少钱?”)改写为语义完整的独立问句。 混合检索引擎 同时执行向量语义检索与关键词检索,通过RRF算法融合排序,提升召回效果。 Executor(执行器) 根据Planner的指令,调用重写、检索、生成等环节,最终输出回答。 系统流程严格遵循:语义路由 → 历史加载 → (分支判断) → 查询改写/直接回答 → 知识库检索 → 最终生成 三、业务流程与功能路径 以下为用户与系统交互的完整功能路径描述: 场景一:用户进行知识检索(多轮对话) 场景二:用户发起闲聊 场景三:用户首次访问 / 会话恢复
端到端自动驾驶轻量化模型设计
本项目主要面向无人驾驶仿真研究、智能车辆轨迹跟踪与轻量化控制算法验证场景,围绕端到端自动驾驶技术开展系统设计与实验开发。项目基于 CARLA 仿真平台构建虚拟驾驶环境,通过采集车辆前视图像、行驶状态和控制指令等数据,训练轻量化神经网络模型,实现从环境感知输入到车辆控制输出的端到端映射。项目可用于自动驾驶算法教学、科研训练、数据采集、模型训练、仿真测试和轨迹跟踪效果评估,为低成本、高效率的自动驾驶算法验证提供支持。 本项目主要功能包括仿真环境搭建、自动驾驶数据采集、数据预处理、模型训练、模型推理和效果评估等模块。系统可在 CARLA 仿真环境中生成车辆行驶场景,自动采集车辆前方图像、方向盘转角、油门、刹车等控制数据,并生成对应的数据标签文件;同时支持对采集数据进行划分和预处理,形成训练集、验证集和测试集。模型部分采用轻量化端到端神经网络结构,通过输入车辆前视图像,直接预测车辆控制指令或轨迹跟踪相关参数,从而实现车辆在仿真道路中的自主行驶与轨迹跟踪。项目还支持训练过程记录、模型保存、测试推理和结果可视化,便于对算法性能进行分析和改进。
k8s加ray集群部署
基于 Kubernetes 和 Ray 构建大规模分布式训练系统,常常会面对一个典型需求:训练任务需要调用独立的仿真环境(如游戏引擎、机器人模拟器、工业仿真软件等),而这些仿真环境本身已打包为 Docker 镜像,必须在一个隔离的容器内运行。此时,将容器化的仿真环境与 Ray 的工作节点相结合,并在 Kubernetes Pod 内安全、高效地运行仿真容器,就成了架构的关键。Docker‑in‑Docker(DinD)便是解决此类场景的重要技术之一。
AI学生手册问答助手-学生手册助手
本项目是一个面向学生事务资料查询场景的 AI 问答工具,主要解决学生在阅读学生手册、校规文件和办事流程时查找困难、理解成本高、重复咨询多的问题。 系统支持基于已整理资料进行智能问答,用户可以咨询学籍管理、考试安排、奖学金、请假、处分、实践学分等规则类问题。项目提供普通回答和专业回答两种模式:普通回答适合快速查询,专业回答会补充依据、办理流程、可信度提示和必要的流程图说明。 系统还支持资料上传学习功能,可将 Markdown 或文本格式的规章文件加入知识库,使问答范围不局限于默认资料。整体目标是把分散、较长、阅读门槛较高的制度文件,转化为更容易理解和检索的交互式问答体验。
AI英语学习平台-VerbaPath
SmartLearn Pro 是一个面向英语学习场景的 AI 学习平台,核心目标是把文章、单词、听说读写训练和复习计划整合到一个学习闭环中。系统支持文本/PDF 导入、AI 阅读分析、生词提取、闪卡复习、记忆曲线复习、阅读考试训练、翻译挑战、AI 写作批改、口语教练、学习笔记、知识图谱和学习流画布等功能。 用户可以导入学习资料,系统自动生成词汇、语法结构、阅读理解题和复习内容;在学习过程中可以将生词、难句、错题和写作素材沉淀为笔记,并通过 FSRS 记忆算法安排后续复习。项目还集成了语音识别、AI 对话和 TTS 语音合成能力,用于模拟 IELTS、商务英语、日常聊天等口语训练场景,帮助用户完成从输入、练习、反馈到复习的完整学习流程。
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服