物流仓储 软件定制 案例

1.企业需要对成品物料现场进行扫描对应条码进行出入库。 2.这个APP解决了企业手工抄写对应成品条码后，再回到电脑上进行录入出货。 3.提高了企业货品出入库的效率。 4.该APP在WiFi的情况下能够实时的交互数据，没有WiFi的情况下，可以先本地存储，到有wifi的时间再同步上传。

负责核心模块的前后端功能实现，基于 ABP 框架进行接口设计与权限控制，通过 Vue3 开发操作界面，提升仓储作业效率。我主要负责出入库、盘点、养护、库内作业、报表、基础信息、系统管理等核心模块开发，包括PC前后端以及APP端开发。

本 WMS 仓库管理项目聚焦仓储全流程数字化升级，覆盖入库、存储、拣选、出库、盘点等核心环节。通过系统集成条码 / RFID 技术，实现库存实时可视化、作业流程标准化与数据追溯自动化，有效降低人工误差，提升仓储周转效率，助力企业优化库存结构、降低运营成本，适配多行业仓储管理场景需求。 入库管理：支持条码 / RFID 扫码录入、批次 / 效期关联，实现到货验收、上架指引全流程数字化。 库存管理：实时更新库存数据，支持库位优化、批次追溯、滞销预警，保障库存精准可控。 出库管理：根据订单自动生成拣货单，支持波次拣选、复核校验，提升出库效率与准确率。 盘点管理：支持定期 / 循环盘点，自动对比账实差异，生成盘点报告，简化对账流程。 数据报表：可视化呈现库存周转率、作业效率等核心指标，为决策提供数据支撑。

1.主要负责与客户的ERP系统对接，包括销售、仓库、采购、生产等部门涉及到的全部仓库调拨操作，实现客户在WMS与ERP数据交换传输过程中始终保持双方数据的一致性。 2.编写对接方案和制定字段对照表，确定数据格式等内容 3.实现客户的定制化需求，在odoo基础上进行二次开发，重点实现仓库人员与ERP的生产人员在生产发料时，关于拆分的同步和对接的难点

本项目旨在为校园或小区快递点提供一个完整的快递管理解决方案，覆盖从快递入库、存储、取件到异常上报的全流程。系统支持快递员录入快递、用户取件、后台数据统计与异常处理等功能。核心功能模块包括：快递录入模块、取件验证模块、数据统计模块、异常上报模块。业务流程清晰，用户通过取件码取件，系统自动验证并更新状态，管理员可查看日/月取件量统计与异常订单处理。

1. 基础数据管理 维护仓库核心基础信息，包括仓库、货位、库区的分区与编码，明确存储规则。 管理物料 / 商品档案，记录规格、属性、条码、存储条件、安全库存等关键信息。 支持供应商、客户信息录入与维护，关联后续入库、出库业务流程。 2. 入库管理 对接采购订单、生产订单等，支持预收货、到货检验（质检）流程，记录合格 / 不合格品情况。 采用条码 / RFID 技术，实现货品快速扫码入库，系统自动分配最优货位（按先进先出、就近存储等规则）。 生成入库单并同步库存数据，支持分批入库、退货入库、调拨入库等多种入库场景。 3. 库存管理 实时监控库存数量、批次、效期、存放位置等信息，确保账实一致。 支持库存预警（低于安全库存、效期临近）、库存冻结 / 解冻操作，规避库存风险。 提供库存盘点功能（定期盘点、循环盘点），自动生成盘盈盘亏报表并支持差异调整。 管理批次、序列号、效期等特殊属性，满足食品、医药等行业的追溯需求。 4. 出库管理 对接销售订单、生产领料单等，按订单优先级、先到期先出（FEFO）、先进先出（FIFO）等规则生成拣货任务。 支持波次拣选、分区拣选、路径优化，提升拣货效率，减少拣货错误。 拣货后进行复核、打包、称重，生成出库单与物流面单，同步扣减库存。 覆盖销售出库、领料出库、退货出库、调拨出库等多种出库场景。 5. 库内作业管理 管理货品在仓库内的移动，包括货位调整、批次移位、库存合并等。 支持上架、下架、补货等作业的流程化管控，确保货品存储规范。 记录库内作业日志，实现作业过程可追溯，便于责任划分。 6. 数据报表与分析 自动生成库存报表、出入库明细报表、作业效率报表、周转率分析等核心报表。 提供库存周转率、缺货率、作业准确率等关键指标分析，为库存优化、流程改进提供数据支持。 支持报表导出与自定义查询，满足不同管理场景的需求。

为某半导体企业，某光伏企业，某面板显示企业， 某医疗企业、某消费电子企业、某服务器生产企业、某高压输变电等大型制造业定制开发MES，WMS等系统，需要同步对接产线设备，ERP，OA，报表等多个外部系统 MES包含：工艺流程，工艺参数，生产追溯，报工管理，设备和工具管理，设备维保，工单管理，标签打印等功能， WMS包含：库存管理，采购管理，对接SRM，销售管理，等进销存业务， 其他定制系统：包含但不限于：SRM，SPC，MRP，以及一些企业内部定制系统，

高加密化的桌面进销存 适配给需要客户信息保密库存管理的各种情况 主要是进货单，出货单，各种统计，库存管理，客户管理，应收应付，各种统计和预警等 最特别的是加密云备份和本地加密，只有自己可以用特定密码解密使用。

一、业务描述： 物流司机与产企业之间关于任务传达、调度排班、物流定位、签收确认、对账结算等节点做信息化管理的软件平台。 二、功能描述： 功能包含：用户管理、人力资源、车辆管理、调度管理、签收管理、对账管理。软件分为平台端和小程序端，平台端建立车辆（运输单位）档案、角色权限、司机管理、调度关联等数据。小程序端登录平台端分配的运输司机账户、查询物流任务、货品送达确认等数据接传送会（生产企业）平台端，平台自动生产统计、分析、对账报表。

一、业务描述： 智慧园区、生产配送企业关于出厂报告、质检报告、合格证的自动生成和打印。 二、功能介绍： 1、建立资料和配料材料的自动匹配规则，和触发条件，实现资料自动打印。 2、可自定义资料打印格式； 3、可配置模板和计算公式； 4、可设定打印规则。 5、分配可打印、取票的账户。

纺织业ERP系统，使用Java技术栈开发，采用分模块进行微服务化，实现了统一权限管理，精确到按钮和数据权限的分配，搭载了可视化日志平台对快速排查业务错误提供支持，对业务系统进行优化性重构,减少纸质单的使用，提高生产效率。

立项背景是配送员日均路线耗时超8小时，需优化路径以提升配送效率，目标是减少单均配送时间15%。核心功能包括车辆路径规划（VRP）建模、约束条件求解、路径可视化；业务流程为导入订单地址数据，设置“车辆载重/配送时效”约束，模型输出最优配送路线，同步生成可视化路径图。

1.实现客户对在产订单管理 2.实现客户对仓库管理，实现自动出库入库信息 3.减少人员使用数量 4.实现薪资计算，根据客户的人员报工数量实现计件工资调整 5.工艺管理，在工艺中可根据工艺导入的bom 信息，实现根据bom信息拆分工序订单信息 6.制造费用统计，根据材料的价格，和人员的薪资实现当前订单生产制造费用是多少

1.实现高精度标签度打印（A等级）； 2.支持复杂标签打印（普通数据+条形码+二维码+多码合一+图标）； 3.多标签合并打印；串并打印（同一台打印机按顺序打印；多台打印机并行打印）；补打、插打、续打等多种打印形式； 5.打印机管理（注册、发现、监听、状态）；打印机分组（分组管理；数据分组下发）； 6.打印控制（精度、纸张大小、速度等）； 7.打印模板（模板自定义；模板复用）；

该小程序聚焦于仓储空间的在线预定与管理，核心功能包括： 1、仓库资源展示：按区域、面积、类型（如常温仓、冷藏仓）分类展示仓库，支持 3D 全景查看、设施参数（如承重、安防系统）详情； 2、智能预定：用户可选择租赁时长（日租 / 月租 / 季租）、录入货物类型（关联适配仓库类型），系统自动推荐匹配仓库并计算费用，支持日历式预约和库存冲突提醒； 3、订单管理：包含待支付、已预定、已完成、退款等状态跟踪，支持在线支付、合同生成与签署，可查看出入库记录和费用明细； 4、会员服务：会员等级对应折扣、优先预定等权益，积分可抵扣租金； 5、管理员后台：仓库信息维护、订单审核、租户管理、数据统计（如出租率、热门区域）等功能。

1.对接用户在小程序段下单，对接微信支付，退款。 2.小程序下单以后对接中通接口，生成中通订单、查询物流轨迹、订单状态查询、退单物流拦截等功能。 3.B端骑手端取件，取件后送到中通站点线下进入中通环节。

该系统深度整合园区管理需求，可集中管理安保信息与物业信息，实时更新异常情况、报修进度等，方便人员查询；精准统计水电使用数据，生成多维度分析报表，助力能耗管控；还搭载小程序访客预约功能，访客线上提交信息，管理员审核后生成通行凭证，简化流程，大幅提升园区管理效率与服务质量。

1. 平台定位 本平台定位于 B2B2B2C 模式，旨在通过整合品牌、经销商、零售商和消费者的 资源，实现全产业链的数字化转型。我们致力于打造一个高效、透明、便捷 的交易平台，满足各方的需求。 2. 目标市场分析 我们的目标市场包括但不限于制造业、零售业、批发商等。这些行业对供应 链管理有着较高的需求，希望通过数字化手段提高效率，降低成本。我们将 针对这些行业的特点，提供定制化的解决方案。 3. 市场机会与挑战 当前市场上，B2B2B2C 模式尚处于发展阶段，存在巨大的市场机会。然而，也 面临着诸多挑战，如技术壁垒、市场竞争激烈等。我们需要制定有效的策略， 应对这些挑战，抓住市场机会。

大宗商品运输项目，实现商品公路，铁路，水路联合运输。 软件从业务部分签订合同，到运作部下业务指令，操作指令。 现场根据操作指令进行提货，装箱，发运。外部，内部到货。 拆箱，装箱等。 最后的送货，签收。

改进 ResNet50花卉识别模型，用ResNset50模型预处理数据集，提取花卉特征，用逻辑回归算法和XGBoost算法做分类器，进行花卉的分类。 改进 ResNet50花卉识别模型，用ResNset50模型预处理数据集，提取花卉特征，用逻辑回归算法和XGBoost算法做分类器，进行花卉的分类。 在17类花卉数据集下，两种算法分类器花卉识别准确率分别为96.32%和86.76%。经过数据增强后，逻辑回归分类器准确率达到99.39%，XGBoost分类器准确率达到98.32%。