倉庫管理系統設計思路精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的倉庫管理系統設計思路主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：倉庫管理系統設計思路范文

關鍵詞：條碼自動化；航材管理

1前言

航材倉儲在學院的整個供應鏈中起著至關重要的作用，如果不能保證正確的入庫和庫存控制及出庫，將會導致管理費用的增加，服務質量難以得到保證。傳統靜態的倉庫管理已無法保證航材資源的高效利用。如今倉庫作業和庫存控制作業十分復雜多樣化，僅靠人工記憶和手工錄入，不但費時費力，而且容易出錯，給學院帶來很大的潛在風險。

2自動化航材倉儲管理系統的意義

為進一步加強學院信息化規范建設及管理，實現飛機維修各零部件自動化倉儲管理，達到信息準確、快速查詢統計，特設計該系統來滿足此需求。自動化航材倉儲解決方案在倉庫管理中引入條碼技術，對倉庫的入庫、出庫、調撥、移庫移位、庫存盤點等各個作業環節的數據進行自動化的數據采集，保證倉庫管理各個作業環節數據輸入的效率和準確性，確保學院及時準確地掌握庫存的真實數據，合理保持和控制航材庫存。通過科學的編碼，可方便地進行材料的批次、保質期、序號等追溯管理。

3自動化航材倉儲管理系統設計與實現

3.1傳統倉儲管理

傳統的倉庫系統內部,依賴于一個非自動化的、以紙張文件為基礎的系統來記錄、追蹤進出的材料，以人為記憶實施倉庫內部的管理。對于整個倉儲區而言，人為因素的不確定性，導致勞動效率低下，準確率無以保證。隨著庫存品種及數量的增加以及出入庫頻率的增加，傳統的倉庫作業模式嚴重影響正常的運行工作效率。而現有已經建立的計算機管理的倉庫管理系統，隨著航材流通的加劇，也難以滿足倉庫管理快速準確實時的要求。

3.2條碼技術介紹

條碼是由一組按一定編碼規則排列的，用以表示一定的字符、數字及符號組成的信息。條碼系統是由條碼符號設計、制作及掃描閱讀組成的自動識別系統。條碼是迄今為止最經濟、實用的一種自動識別技術。條碼技術具有幾個方面的優點：可靠準確，數據輸入速度快，經濟便宜，靈活、實用，設備簡單，易于制作，。條碼標簽易于制作，對印刷技術設備和材料無特殊要求?！∫愿鞣N一維碼為代表的條形碼技術已經是一門高度成熟技術，考慮到我們分院航材條碼涵蓋信息大的特點，本次選用PDF417二維條碼技術來作為航材的條碼技術標準。

3.3用友管理系統與自動化航材倉儲管理系統的關系

用友管理系統需要大量的數據輸入，只有在得到及時有效正確的輸入的前提下，用友管理系統才能真正為分院起到管理和決策支持作用。用友管理系統可以在分院范圍內共享正確的數據，大大提高生產力。但是輸入錯誤的數據，其影響也一樣會遍及分院范圍的每一個角落。這種對于輸入數據的依賴性已經成為ERP系統實施中的一個重要問題。研究人員已經在這方面做了大量的工作。目前看來最有效的解決方案仍然是自動識別技術，尤其是條形碼技術。目前條碼生成識讀技術已經相當成熟，在ERP系統中實施條碼應用關鍵點在于如何與原有的ERP系統結合。從連接形式來看，條碼支持模塊與ERP系統有緊耦合連接和松耦合連接兩種形式。在緊耦合中，條碼支持模塊實際上與ERP系統是一體的。條碼支持深入到ERP的業務層次。一般來說，這種情況多數是在ERP實施中已經考慮到了條碼支持。緊耦合方式的效率是最高的，對于原有的ERP系統幾乎沒有什么性能影響；同時對于當前的業務融合的最好。但是緊耦合方式也有缺點，就是因為兩部分關聯比較緊密，在業務過程變遷中靈活性不高。而在松耦合方式中條碼支持模塊實際上是獨立的一塊，是作為ERP系統的延伸部分獨立存在的。不符合本次項目的要求，故不建議使用這種方式。本管理系統選用緊耦合方式和用友管理軟件進行對接，主要考慮到用友管理系統和自動化航材倉儲管理系統之間存在數據和指令的雙向流動，還有就是項目組對用友管理系統的充分了解，為緊耦合建立了技術基礎。

3.4系統操作實施

3.4.1采購入庫環節實施根據實物到貨情況手動編制11位定長的內部批號。采購入庫單根據實物到貨情況直接手動錄入用友系統，包括供應商、倉庫、收發類別、材料名稱、數量、金額、質量、批次、序列號等信息。自動化航材倉儲管理系統自動讀入用友系統采購入庫單信息，提供入庫單號、入庫日期、供應商、產品名稱、批次號、序列號查詢條件。根據查詢結果可選擇批量或單條記錄打印標簽。庫管在入庫條碼打印時，按照查詢條件查詢需打印標簽進行打印。3.4.2材料出庫環節實施根據實際需領料情況將需出庫產品統一配齊后，放在條碼槍可讀范圍內（離電腦主機3米以內），如是大件材料不便搬運，可只提供大件的條碼標簽。在用友系統新增材料出庫單，輸入表頭信息，包括單號、部門、倉庫、備注等。將光標定位在表體“條形碼”處，通過條碼槍將產品標簽中的二維碼掃入系統。和條碼相關信息如產品、批次、序列號、質量等將自動填入。然后輸入本次出庫數量和項目。如還有其他產品，重復以上步驟后保存。3.4.3材料退庫環節實施退庫時，可查詢原領料時的產品標簽，以便通過條碼槍進行掃描錄入。如無法取得原領料時的產品標簽，可在自動化航材倉儲管理系統中進行查詢并打印，以便通過條碼槍進行掃描錄入。

4結語

通過系統的設計，將單據所需的大量紙張文字信息轉換成電子數據，實現數據的自動化采集，解決手工單據信息不準確的問題，去掉了手工錄入航材信息的步驟，能大大提高工作效率。

參考文獻：

第2篇：倉庫管理系統設計思路范文

關鍵詞：聚集優化;數據倉庫;決策支持；最優路徑算法

中圖分類號：TP311 文獻標識碼：B

文章編號：1004-373X(2008)10-030-03

DAOA：A Dynamic Data Warehouse Aggregation Optimization Approach

ZHANG Baili1,ZHU Wen2,LV Jianhua1

(1.School of Computer Science and Engineering,Southeast University,Nanjing,210096,China;

2.College of Science,Nanjing University of Science & Technology,Nanjing,210094,China)

Abstract：Nowadays,more and more enterprises have built up or are going to build up their data warehouse for supporting enterprises′ decisions.But it is necessary for us to optimize the DW constantly and periodically,for that users′ requirement can′t be caught correctly at the beginning of its creation and that users′ requirement is altering frequently.DW aggregation optimization is one of the most important part of DW optimization.In this paper aggregation route_optimize algorithm and aggregation materialization Select_Optimize algorithm are proposed,and then we design an effective method-DAOA to get an aggregation scheme that respond to users demand with best time-space complexity.At last we apply this scheme to a company′s decision system.It proves that the scheme has good efficient.

Keywords：aggregation optimization;data warehouse;decision support;optimized route algorithm

目前，我國大、中型企業約有50多萬家，分布在各大、中城市以及縣城中，由于政府職能的轉換以及環境和條件的限制，這些企業受到國內外市場很大的沖擊和影響，為了應對這種局面，企業決策層都逐步意識到企業信息化對其發展的重要意義。因而他們對企業內外的信息需求日益增強，對信息的收集、加工、查詢以及預測決策也越來越重視。企業原來的管理方式和手段已不再適應這些需求，也將嚴重妨礙企業的生存與發展。為了提高企業的生存能力和競爭力，同時也為了改變企業落后的管理體制、管理方式和手段，他們強烈地感到建立信息管理系統并在此基礎上建立決策支持系統的重要性，而新興的數據倉庫技術則為他們建立企業決策支持系統提供了很好的解決途徑[1]。

數據倉庫是計算機應用的新領域，旨在通過通暢、合理、全面的信息管理，達到有效的決策支持[1,2]。作為數據倉庫的關鍵技術之一，聚集優化技術承擔著對現有數據倉庫不斷地進行優化，彌補設計開發階段的不足，提高數據倉庫的運行效率以及可用性、實用性等重要任務。同時，聚集優化則直接影響了查詢的響應速度，從而最終關系到用戶滿意程度和數據倉庫的生命周期。

1 數據倉庫與聚集優化

1.1 數據倉庫

數據倉庫的定義是：數據倉庫是面向主題的、集成的、穩定的，不同時間的數據集合，用于支持經營管理中決策制定過程[2]。數據倉庫的思想隨著逐漸嘗試對數據庫中的數據進行再加工，形成一個綜合的、面向分析的環境，更好地支持決策分析而逐漸形成。他不同于傳統的數據庫，傳統數據庫中存放的是操作性的數據，主要用于聯機事務處理（OLTP），也叫操作型處理，是指對數據庫聯機進行日常操作，他關心的是響應時間；而存放在數據倉庫中的數據是分析性的數據，主要用于聯機分析處理（OLAP），也稱分析型處理，檢索的內容隨機性和數量更大，不但存儲近期數據，也存儲歷史數據，且當前數據不斷得到補充、更新，并可實現不同來源數據的融合。數據倉庫支持隨機的查詢，為使用者提供更多的信息，而不是數據，為決策者提供了更好的決策支持，他是建立決策支持系統（DSS）的基礎[2-4]。

1.2 數據倉庫優化和聚集優化

當前主流數據倉庫管理系統和聯機分析服務器，都要求用戶必須熟知企業模型、了解原始數據、對數據倉庫具備相當程度的知識背景。然而對于企業在數據倉庫設計和開發階段，由于用戶和開發人員對此認識有所不同和不足，導致在使用過程中暴露出大量問題。因此如何根據系統運行情況和用戶需求的變化，對數據倉庫不斷地進行優化，彌補設計開發階段的不足，以提高數據倉庫的運行效率以及可用性、實用性，已經是數據倉庫應用中迫切需要解決的重要問題[5-7]。

作為數據倉庫優化的一項重要組成，數據聚集優化主要針對數據倉庫數據聚集部分的選擇而進行優化，他包括了對進入聚集空間的維、層次以及路徑依據實際使用效果從獲得最佳時間復雜度與空間復雜度的角度進行選擇[4,5]。具體而言，聚集通過對數據進行分組匯總，使數據到達一個用戶感興趣的層次，然后可以在這個概念更為清晰的數據集進行數據分析。例如對一個藥品銷售企業的數據倉庫而言，可以聚集藥品的銷售額或銷售量，得到月、季、年的銷售數據，然后再分析哪些因素對月、季、年的銷售數據產生影響，而在聚集前的數據集，進行這種數據分析研究比較困難或可能本身就沒有意義。

在數據倉庫的設計開發階段，如果想獲得較好的聚集物化方案，需要分析所有用戶和應用的需求，研究實際使用中需要哪些維度、粒度層次的匯總信息，從而確定所有可能涉及的聚集和估算使用的頻度。但在數據倉庫創建初期，進行這種需求分析顯然是比較困難或不太現實，且很多情況下可能并不準確。為此本文提出2種動態聚集優化算法：聚集路徑優化算法Route_Optimize和聚集物化選擇算法Select_Optimize，并以他們為基礎，獲得一種比較切實可行聚集優化的實施方案DAOA：在初期采用系統缺省的聚集物化方案，而在系統運行的過程中，通過對用戶查詢信息不斷的統計分析，利用聚集路徑優化和物化選擇2種算法對聚集進行周期性優化，從而實現數據倉庫中聚集跟隨用戶和應用的變化而進行動態調整，提高了數據倉庫查詢響應性能，以更好地滿足用戶的需求。

2 聚集動態優化方案DAOA

2.1 方案的具體步驟

針對一般商業企業決策支持系統的特點,提出以下的步驟,以有效地實現聚集的優化。

（1） 建立初始聚集物化方案；

（2） 確定并錄入與聚集優化的相關參數指標；

（3） 啟動/周期性觸發聚集監測進程，采集系統運行記錄；

（4） 系統日志分析和用戶需求分析。在對系統日志分析的基礎上，按照維和粒度層次的取舍原則和應用需求度的判斷流程，確定哪些聚集需要物化，哪些可以刪除，哪些聚集需要經過下一步算法的判斷；

（5） 建立有向聚集關系表，獲取各聚集權重；

（6） 交替執行物化選擇算法和聚集路徑的優化算法，在滿足用戶期望值和系統性能要求的基礎上，確定哪些聚集需要物化，確定哪些聚集無需物化，而轉為查詢關系，實現聚集方案的聚集總代價最小；

（7） 根據優化算法處理后得到的物化聚集方案集合和最優路徑，重新調整數據倉庫的聚集。

2.2 最優聚集路徑優化算法Route_Optimize

對于具有n維的立方體，每一個聚集最多都可以由n個聚集直接生成，如圖1所示，圖中給出了一個聚集方案(222)和由他可以生成及生成他的其他聚集方案之間的關系，聚集方案之間的箭頭方向為聚集生成方向也即上卷方向，若―個聚集方案能夠由另外一個聚集方案經過某一維的1次聚集 (指跨一個層次)生成，那么第二個聚集方案就稱為第一個聚集方案的雙親，如(222)是(122)的雙親，即(122)是由(222)產生的，反過來，(122)是(222)的孩子。由圖分析推論可得：每一個聚集方案至多能夠直接生成n個聚集，每一個聚集最多都可以由n個聚集直接生成，任何一個聚集都可以由細節數據(999)即事實表直接或間接生成。但由這nЦ鏊親生成目標聚集的效率是不同的，還有可能存在有的雙親聚集沒有生成，這可能就要用到祖父層的聚集。因此產生了最優聚集路徑選擇的問題：在聚集中查找最有效路徑，從而以最小的聚集成本、最快的速度產生結果。但最優聚集路徑的選擇是一個NP問題[5]，只能通過啟發式規則，應用優化方法來接近最優效果。

目前應用較多的優化方法有最小父親方法、緩存計算結果方法、分期清償掃描方法、貪心算法[5-7]等，但是其中多數算法僅適用于系統建立立方體，屬于一次性物化路徑生成，沒有考慮實際的查詢執行情況和用戶需求的變化，聚集的物化都是在查詢開始之前定義好的，因此，可以稱作靜態的聚集優化。另外，其中的一些算法僅側重考慮聚集代價的最優或用戶響應最優，未能加以有效綜合。

Route_Optimize是在貪心算法基礎上進行的改進算法，用于動態地實現解決聚集方案之間的最優路徑問題。其基本思路是：簡化聚集方案之間的關系，每1個節點有且只有1個父節點，允許沒有或有多個子節點，被淘汰的父子關系轉變為虛關系，其約束條件是聚集方案關系圖權值總和最低。Route_Optimize算法的基本步驟為：

（1） 輸入帶權值的聚集關系圖R0（由屬于P1和P2的聚集方案組成）；

（2） 從聚集關系圖R0的最低層出發，逐層掃描各聚集方案節點Xi；

（3） 選擇連接Xi權值最小的父節點Qi為節點Xi的最優父節點；

（4） 斷開Xi與其他聚集方案父節點之間的連接，以聚集方案節點Xi與Qi的聚集權值累計圖R0的總體聚集成本C0；從而得到基于R0的最小代價為C0Ь奐方案關系圖。

算法中的P1，P2的含義如下:P1代表需物化的聚集方案集合；P2代表需要根據聚集和查詢閥值進一步判斷的聚集方案集合，另外用P3代表原則上無需物化的聚集方案。

2.3 聚集的物化選擇算法Select_Optimize

在聚集方案關系圖中，存在一些聚集方案：在滿足用戶和應用要求的條件下，其父節點得到這些聚集方案的聚集成本很低，同時通過他們的父節點得到其子節點的聚集成本也很低，即如果不對這些聚集方案進行物化，則由這些聚集方案的父節點聚集產生這些聚集方案的子節點的聚集成本將低于聚集閾值，這些聚集方案的父節點在用戶查詢的時候，臨時聚集產生這些聚集方案的查詢成本將低于查詢閥值(本文把這樣的聚集方案稱為滿足聚集閾值與查詢閾值的聚集方案)；更重要的是，即便是不對這些聚集方案進行物化，對其他聚集方案進行物化的總體聚集成本將低于對這些聚集方案進行物化的總體聚集成本。因而，出于降低數據冗余度和降低聚集復雜性的要求，完全可以摒棄對這些多余的聚集方案進行物化，而在查詢需要的時候，對沒有物化的聚集方案進行臨時聚集。這就是聚集方案物化選擇的問題。

與Route_Optimize算法類似，本文參考了包括貪心算法在內的一些已有算法的基礎上，結合動態優化的特點，提出Select_Optimize算法。其基本思路是：在原有關系圖的基礎上，將屬于集合P2中，滿足最低權值條件(聚集閾值、查詢閾值) 和關系圖權值總和最低的聚集方案轉變為虛聚集方案，將該聚集方案的父關系轉變為虛關系或查詢關系，將該虛聚集方案的子關系轉交給該方案的父聚集方案。Select_Optimize算法的基本步驟為：

（1） 輸入攜帶權值的聚集關系圖R0（由屬于P1和P2的聚集方案組成）、聚集閾值L0、查詢閾值Q0 ；

（2） 備份聚集關系圖R0，基于聚集關系圖R0運行Route_Optimize算法，獲得初始總體聚集成本C0 (已刪除節點不參與運算),恢復聚集關系圖R0；

（3） 篩選出聚集關系圖R0中屬于集合P2且滿足聚集閾值與查詢閾值的聚集方案節點X={Xl，X2，…，Xm}，即節點Xi刪除后（i ∈ (1,2,…,m)），節點Xi可以由其最低權值父節點Xi′查詢生成，且這個權值不大于查詢閾值；節點Xi的子節點Xi″可以由其最低權值父節點Xi′聚集生成，且若這個子節Xi″點是已經被刪除的節點，則節點Xi與其子節點Xi″之間的查詢權值加上節點Xi與父節點Xi′之間的聚集權值的和應不大于查詢閾值；若這個子節點Xi″不是已經被刪除的節點，則節點Xi與其子節點Xi″之間的聚集權值加上節點Xi與父節點Xi′之間的聚集權值的和應不大于聚集閾值。如沒有一個這樣的聚集方案節點則轉至步驟（7）；

（4） 分別得到刪除聚集方案節點Xi后的聚集關系圖Ri (即節點Xi的聚集方案轉變為虛聚集方案；節點Xi與其最低權值父節點Qi建立查詢關系，斷開節點Xi與其他父節點之間的關系：節點Xi的未刪除子節點Xi″與節點Xi的最低權值父節點Qi建立聚集關系，權值為父權值與子權值之和；節點Xi的已刪除子節點Xi″與節點Xi的最低權值父節點Qi建立查詢關系，權值為父權值與子權值之和。其中i ∈ (1,2,…,m))，基于聚集關系圖Ri運行Route_Optimize算法，得出他們對應的總體聚集成本Ci。

（5） 篩選出節點Xt (這里t ∈ （1,2,…,m）)，他滿足條件：總體聚集成本Ct=Min(Cl，C2,…Cm)且總體聚集成本Ct

（6） 用Rt替換R0，轉至步驟（2）運行；

（7） 基于聚集關系圖R0運行算法Route_Optimize，返回新的聚集關系圖R0及總體聚集成本C0。И

經過在Select_Optimize算法尾部調用Route_Optimize算法，能夠得到總體聚集成本最低的聚集關系圖以及各聚集方案之間的查詢關系圖(針對虛聚集方案)。

3 結 語

以上的算法模塊利用VC++在Oracle9i中得以實現，并在實驗中進行驗證。在實驗室的環境中，原型系統所用的Dell Power Edge 6600硬件平臺是一款雙至強（XEON）CPU的企業級服務器，良好的系統性能為實驗提供了很好條件。但由于實驗數據量尚達不到海量，為了較清晰反映物化調整后的效果，實驗過程中盡量采用了一些極端取值，以更好地驗證算法。具體做法是：一方面采用較大范圍內改變聚集的權重系數大?。扇藶樵O定的代表聚集重要性的參數）影響聚集物化的取舍，其直接可以從聚集查詢的響應速度上反映出來。另一方面通過專門編寫的程序模擬日志的數據改變或修改聚集閥值等參數，觀察聚集的效果，均達到預期的目標：利用最優路徑算法使聚集關系圖得到了很大的簡化，大大低于原先缺省的聚集成本，為后來的物化選擇算法提供了方便。

迄今為止，由于具體實現的復雜性和多變性，目前國內數據倉庫技術在商業企業中的應用還十分有限。本文針對現階段企業數據倉庫建設中關鍵的聚集優化問題，提出一種切實可行的實施方案，并在實驗中和具體應用收到了良好的效果，說明方案有效可行。

參 考 文 獻

［1］Efrem G M.決策支持和數據倉庫系統［M］.北京：電子工業出版社，2001.

［2］Inmon W H.Building the Warehouse\[M\].2nd Edition.NewYork:John Wiley and Sons,1996.

［3］Michael C.Oracle8i數據倉庫［M］.北京:機械工業出版社，2002.

［4］袁林.基于數據倉庫的輔助決策系統設計與實現［J］.電力系統自動化，2001，25(21):25-27.

［5］遲忠先，王紅新，于鳳友．數據倉庫中聚集管理與導航策略［J］．小型微型計算機系統， 2002，26(12):1 456-1 461.

［6］張忠能，尤毅，程偉寧,等．設計數據倉庫［J］.上海交通大學學報，1998，32(10):50-52.

［7］Zohra B.Schema Evolution in Data Warehouses［J］.Knowledge and Information System,2002,(4):283-304.

作者簡介 張柏禮 男，1970年出生,江蘇鹽城人,博士,講師。主要研究方向為數據倉庫、數據挖掘和Web。