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
智能多端协同平台-yinglong智能系统
立项背景和目标 本项目旨在构建一个集智能对话、自动化信息处理、终端远程控制于一体的业务中台。解决企业日常运维、信息采集、多系统协同中的重复性劳动问题,通过AI技术实现部分环节的无人值守。 2、核心功能模块 AI对话与推理模块:基于大语言模型的智能问答与决策支持,可辅助业务分析。 浏览器自动化模块:模拟用户操作网页,自动完成数据抓取、表单提交等任务。 情报API服务:对外提供结构化数据接口,支持第三方系统集成。 终端远程管理模块:通过WebSocket实现远程服务器命令执行与日志查看。 主控调度中心:统一管理各模块的任务队列、健康检查和异常告警。 3、业务流程 用户通过前端界面(或API调用)提交任务请求 → 主控中心解析任务类型 → 分发给对应的AI/自动化模块执行 → 结果存入Redis缓存并同步MySQL持久化 → 最终返回给用户。整个过程支持异步和同步两种模式。
包装袋生产日期检测
一、立项背景和目标 在现代工业化高速包装产线上,喷码漏印/错印/重印以及包装破损、封口不良等缺陷严重影响出厂合格率,传统人工抽检方式效率低、易漏检且无法做到全检。本项目面向高速自动化流水线,构建了一套“工业级 OCR 生产日期识别与表面缺陷在线智能质检系统”,实现包装表面特征毫秒级全检,并与产线 PLC 控制系统无缝联动,实现残次品 100% 自动定位与精准剔除。 二、软件功能与核心功能模块 1. 工业相机触发与高速图像采集模块:支持光电传感器外部硬件触发(Hard Trigger),实现微秒级曝光同步抓拍高速运动工件。 2. 喷码字符定位与 OCR 文本解析引擎:自适应定位生产日期、批号、保质期等变动喷码区域,执行多角度倾斜矫正、字符分割与高精度内容识别,并与生产工单标准文本实时核对校验。 3. 包装表面与封口缺陷检测模块:结合形态学与深度学习分割算法,实时识别包装漏液、褶皱、划痕、压边残缺及喷码模糊等外观缺陷。 4. PLC 通信与气动剔除协同模块:集成工业总线/串口通信协议,将检测判废结果与编码器脉冲位置同步传递给下位机 PLC,驱动气动电磁阀/机械推杆完成剔除动作。 三、业务流程与功能路径 工件流经检测工位 -> 光电信号触发工业相机抓拍高清图像 -> 图像处理流水线执行字符 OCR 结构化比对与表面缺陷检测 -> 综合判定工件良品/不良品等级 -> 判定为 NG 时通过工业通信协议向 PLC 发送剔除信号与编码器追踪位移 -> 机械剔除机构在指定位置将废品吹出/推入废品箱 -> 实时记录检测报表与瑕疵原图归档。
工作状态监测
一、立项背景和目标 在数字化工位管理、智慧办公与特种作业安防场景中,传统考勤系统仅能记录出入打卡,无法实时感知员工在岗状态及异常作业行为。本项目基于瑞芯微高性能边缘计算平台 RK3588,构建一套边缘侧低功耗、高实时性的“人脸识别与工作状态智能监测系统”,实现无感身份核验、在离岗检测及专注度/违规作业状态的边缘端一体化实时分析。 二、软件功能与核心功能模块 1. 高性能视频流采集与预处理模块:支持多路 RTSP/MIPI-CSI 高清工业摄像头视频流接入,利用硬件编解码单元(MPP)完成硬解与图像色彩空间转换(RGA)。 2. 边缘端人脸识别与活体检测模块:基于深度学习模型实现人脸快速检测、关键点对齐、RGB+红外双目静默活体防伪及本地特征库千万级特征向量秒级比对。 3. 工作状态与行为分析引擎:结合人体姿态估计与工位 ROI 区域检测,实时分析在岗/离岗时长、低头玩手机、脱岗疲劳打瞌睡及异常离席等工位状态。 4. 告警联动与边缘数据上报:支持状态异常事件触发抓拍、本地低延时告警,并通过 MQTT/HTTP 将脱敏状态数据结构化上报至企业中台。 三、业务流程与功能路径 摄像头实时输入视频流 -> RK3588 硬件解码与 RGA 图像裁剪缩放 -> NPU 驱动执行人脸识别算法完成身份绑定 -> 并行推理工位人体姿态与行为检测模型 -> 业务逻辑状态机聚合判定工位状态 -> 触发本地声光/日志告警并异步上报管控后台。
AI量体裁衣(日本公司外包项目)
一、立项背景和目标 传统西装高级定制高度依赖人工线下精准量体,存在服务门槛高、流程繁琐且难以实现规模化线上服务的问题。本项目旨在构建一套基于图像的“AI智能量体裁衣与穿搭顾问系统”,用户仅需上传全身照片,即可全自动解算西装定制所需的关键人体围度与骨骼几何数据,并依托智能体生成定制化穿搭与版型建议。 二、软件功能与核心功能模块 1. 图像采集与预处理模块:支持用户正面/侧面全身图像输入与图像质量自动化校验。 2. AI视觉量体计算引擎:集成人体关键点检测与三维人体参数化模型重构,精准拟合躯干网格并解算出肩宽、胸围、腰围、臀围、袖长、裤长等西装核心剪裁指标。 3. Coze AI穿搭咨询与决策工作流:将解算的量体数据、身形比例特征通过API传递给智能体,智能输出版型选择(修身/标准/宽松)、面料色彩及场合穿搭策略。 4. 服务端API与工作流协作:提供高并发服务端接口,实现图像上传、算法解算、结果回传与穿衣报告生成的全链路闭环。 三、业务流程与功能路径 用户上传人体图像 -> 系统调用人体检测与3D Mesh重构管线计算三维点云与骨骼关键点 -> 计算西装定制各项围度与长度参数 -> 结构化数据接入Coze智能体API工作流 -> 生成包含“精准量体数据 + 智能西装穿搭建议”的综合报告。
改进ProGAN的小样本纹理生成系统
1. 立项背景和目标: 针对传统ProGAN在生成高分辨率纹理时存在的模式崩塌、细节模糊及训练不稳定性问题,本项目旨在构建一套高保真纹理生成系统。目标是通过算法优化,实现4K级无缝纹理的自动化生成,解决游戏与影视制作中美术资产生产效率低、重复度高的问题,将单张高质量纹理的生产时间从数小时缩短至分钟级,并显著提升生成结果的多样性与真实感。 2. 软件功能、核心功能模块的介绍: 系统包含三大核心模块: 改进型生成对抗网络核心:引入自适应实例归一化与谱归一化技术,优化ProGAN的渐进式增长策略,增强高频细节表现力; 纹理后处理与优化模块:集成超分辨率重建与色彩校正算法,自动修复生成瑕疵,支持PBR材质贴图(法线、粗糙度等)的一键导出; 交互式评估看板:提供FID/IS指标实时监控与人工偏好反馈接口,支持用户通过文本或草图引导生成方向。 3. 业务流程、功能路径描述: 用户输入参数或参考图→系统初始化噪声向量→进入改进的ProGAN渐进式生成流程(从低分辨率逐步上采样至目标分辨率)→经过判别器多尺度校验→输出基础纹理→通过后处理模块增强细节→最终交付高清无缝纹理资产并自动归档。
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服