数据库存系统论文

数据库存系统论文（通用7篇）

数据库存系统论文 篇1

引言

库存管理在企业经营中的作用体现在增强生产计划的柔性、满足需求的不断变化、防止中断、阻止脱销、缩短订货周期。库存尽管有如此重要的作用, 但也有其不利的一面:库存占用了企业大量的资金, 而且物资库存要修建仓库, 同时, 库存还易掩盖管理中存在的一些问题。因此, 库存管理的目标不是增加库存, 而是在保证一定服务水平的基础上不断降低库存;使资金尽可能地流动起来, 有效节约资金占用和货物非盈利性消耗或损耗, 以提高资金利用率。

库存管理作为供应链的一个重要环节, 是企业管理的一个重要组成部分, 其运作效率直接影响着整个现代企业的发展水平。传统库存从入库开始到出库为止的入库验收、在库盘点、在库查询、出库分拣等一系列作业全过程都是依靠人工手动完成的, 这种作业模式所需时间长、工作效率低、错误率高、信息传递慢, 已经越来越不能适用现代化物流仓储业的发展[1]。

现在首要解决的是建立先进的库存管理实现数据自动采集、自动识别、自动处理, 因此, 采用数据自动采集技术的自动识别库存管理系统的管理手段, 已成为现代库存管理急需突破和应用的环节。

一、数据自动采集技术在系统中的应用

数据自动采集技术 (RFID) 的工作原理是读写器在一个区域内发射射频能量形成电磁场, 作用距离的大小取决于发射功率。标签通过这一区域时被触发, 发送存储在标签中的数据, 或根据读写器的指令改写存储在标签中的数据。读写器可接收标签发送的数据或向标签发送数据, 并能通过标准接口与计算机网络进行通信。

在库存管理领域, 射频识别技术通常用于存取货物, 并能实现自动化的存货和取货等操作。在整个库存管理中, 通过将供应链计划系统制定的收货计划、取货计划、转运计划等与射频识别系统相结合, 能够高效地完成各种业务操作, 如指定堆放区域、上架取货与补货供应等。通过采用RFID技术, 能够增强作业的准确性和快捷性, 大幅度提高服务质量和降低经营成本, 节省读码劳动力和库存空间。同时, 也可以减少整个物流中心由于商品误置、送错、被偷窃、损害和库存、出货错误等造成的损耗。RFID解决方案提供有关库存情况的准确信息, 管理人员可据此识别并纠正效率运作情况, 从而实现快速供货并最大限度地减少储存成本[2]。

RFID技术的另一好处就是库存盘点时降低人力。RFID的设计就是让商品的登记自动化, 盘点时不需要人工的检查, 更加快捷准确, 并且减少了损失。提供有关库存情况的准确信息, 支持管理层的决策。最大限度地减少存储成本。

二、智能库存管理信息系统的智能化体现

(一) 数据的自动采集

RFID技术在仓储中的应用主要是在货物和容器上贴上标签, 在仓库进、出口安装固定读写器, 还可以在叉车上安装读写器, 便于叉车高效正确分拣货物, 同时可配手持读写器, 加强RFID对货物的读写。把货物准确的分配到各存放区。出库时, 根据货物的存储情况, 选择优先出库的产品, 避免经济损失, 还可以根据出口处读写的信息与出库货物的产品情况再次进行核对, 降低出错率[3]。

(二) 实现仓库的快速盘点

RFID帮助管理人员随时了解仓库里产品的状况, 尤其是仓库内温度的变化。RFID技术的运用, 有效地阻止了人为造成的差错和混淆, 全面实现了无纸化作业, 提高了作业效率和准确率, 降低了物流成本;使货物出、入库的时间大大减少, 可对仓库内的温度变化进行实时监控, 以保证产品质量。

(三) 物料的可溯源

物料上贴有电子标签, 上面记录有物料的详细信息。包括供应商、生产日期、操作员等。物料在出库入库时向电子标签内追加记录。一旦在库存管理范围内出现错误, 可以快速找到出错的步骤。实现原料的安全溯源功能。

(四) 货位可视化管理

把仓库和货架的立体结构反应到一张3D图上, 把库存的真实情况呈现在管理员的面前。操作员点击结构图上相应货架的某个位置时, 会弹出此货位的货物及其相关信息。真正实现库存管理的可视化, 方便查找货物和真实了解库存[4]。

(五) 库存预警

1. 安全库存预警:

当库存达到安全库存的时候, 系统会自动提示。

2. 货物保质期预警:

货物的电子标签记录着它的保质期, 当保质期临近时, 系统会提醒距离过期的日子。

3. 错放报警及防盗预警:

每个货位也有其电子标签, 它里面记录着此处应该放的货物种类。当实际放上去的货物与之不符, 货位指示灯会闪烁, 表示出错[5]。

(六) 库存分析子系统

一般的库存管理系统没有这一项, 增加这一功能主要还是因为有需求。系统的基本功能就是采集信息并处理信息。在这一子系统中, 使用者可以对库存信息选择显示, 并可以模拟库存的未来趋势, 方便管理者早一点采取措施[6]。

三、智能库存管理信息系统的功能模块

智能库存管理的主要功能是围绕仓库进行作业, 现代智能库存管理信息系统是仓储活动过程的信息处理系统, 是一个由计算机及其应用软件构成的, 包括物资入库、库存物资管理、物资出库、物资统计等子系统的动态互动系统。一个完整的库存管理管理信息系统应包括图1所示功能模块。

结语

在产品同质化、渠道同质化、供应链同质化的今天, 注重物流、从物流信息化中要效益, 已经成为企业的重要战略之一。现代库存管理管理信息系统, 作为现代仓储企业进行货物管理和处理的业务操作系统, 能为企业提供信息分析和决策支持的人机系统, 具有实时化、网络化、系统化、规模化、专业化、集成化、智能化等特点, 其发展前景必将十分光明[7]。

参考文献

[1]刘克胜, 董学杰, 吴柳滨.自动识别技术在物流信息化中的应用[J].物流科技, 2003, (5) :42-45.

[2]李维建, 彭宏勤.浅析RFID在我国物流领域的应用[J].物流科技, 2006, (29) :127.

[3]廉小亲, 翁贻方.基于电子标签的仓储物流控制及管理系统[J].计算机工程与设计, 2007, 10 (24) :27-28.

[4]魏玲, 田世海.我国中小企业实施ERP的问题及解决办法[J].科技与管理, 2010, 12 (1) :98-100.

[5]麦斯霍夫.自动化仓库[M].北京:机械工业出版社, 2002.

[6]张和平.RFID在供应链物流管理中的应用[J].中国市场.物流与采购研究, 2007, (41) :104-105.

[7]魏玲, 李长云.基于Saas的中小企业信息化建设探讨[J].科技与管理, 2009, (3) :74-76.

数据库存系统论文 篇2

关键词：大数据,安全库存,库存预测,向量机

0 引言

库存是企业经营活动的基础。如何均衡库存管理成本、提高顾客服务水平,是库存管理的一个重要内容。传统的库存控制系统通常采用经济订货批量模型(Economic Order Quantity,EOQ)来决定每次的订货量[1],然而该模型建立在一系列的前提假设之下,忽略了需求、订货周期或供应的不确定性,所以得到的只能是一个近似的结果。国外主流的库存预测模型包括康兰蒙扎德模型[2]和皮普拉尼模型[3]等。国内学者和专家在认识到库存需求预测模型是解决库存管理问题较为实用的工具[4]后,提出库存预测模型是至关重要的一种实用性管理模型[5]。目前,在电力公司部门物资库存管理中,通常采用经验法,结合当年公司项目投资的规模安排物料库存,并安排相应的物资采购计划。但上述库存管理方法易造成物料库存虚高,大量物资长期无人领用,大量资金被占用的问题。为此,电力公司需要提高库存优化管理能力,按照公司对物料的需求,合理安排库存物料类别和库存水平,减少物资闲置,提升公司的资源配置能力,达到降本增效的目的。

随着计算机技术和信息处理技术的发展,各地电力管理部门建设了各种各样的信息化管理系统, 并积累了大量宝贵的数据资源。随着云计算、大数据、移动终端等现代信息技术的广泛应用,利用这些海量数据资源,从中挖掘出表征库存物资动态特征历史数据分布的原因及分布概率的内在有用信息, 提升电力公司在信息资源价值挖掘的整体水平,促进电力公司业务管理向更精细、更协同、更敏捷、更高效的方向发展已成必然。

针对传统库存预测方法的不足及库存自身特点, 本文引入支持向量机和相关向量机这一数据挖掘的新方法,建立物资消耗库存预测模型,引入机会约束规划方法进行安全库存决策,实现库存物资的动态预测。

1 安全库存预估模型

1.1 物资消耗情况预测模型

预估库存物资的需求是进行仓储优化的基础, 预测的基本架构如图1所示。其中SVM表示支持向量机(Support Vector Machine),SBL表示稀疏贝叶斯学习方法(Sparse Bayesian Learning)。本文采用基于SVM-SBL的联合概率式预测方法对各个周转库辖区的物资需求进行概率预测。图1中:训练数据集合1包括历史记录中中转站所辖区域内电网规模指标、健康度指标及其对应的物资需求记录等; 训练数据集合2包括SVM预测误差历史数据;预测输入数据1包括中转库所辖区域内电网规模指标、健康度指标等;预测输入数据2包括SVM预测误差历史数据;单点值预测结果为中转库所辖区域物资需求预测值。

本文基于SVM+SBL模型构建预测模型,基本原理如下。

1)SVM。SVM是一种基 于核函数 的机器学 习方法,建立在统 计学习理 论的VC维(VapnikChervonenkis Dimension)理论和结构风险最小原理的基础上,被广泛应用于预测领域。SVM将低维空间的向量映射到更高维空间,这种映射可使复杂问题简单化(见图2)。在高维空间里建立最大间隔超平面进行数据拟合。在分开数据的超平面的两边建有2个互相平行的超平面,分隔超平面使2个平行超平面的距离最大化。最大间隔超平面如图3所示。图3中:2个支撑着中间间隔的超平面到中间纯红线的距离相等,此距离即本文能得到的最大间隔;“支撑”这2个超平面的点为支持向量,分析支持向量相关的数据即可进行函数拟合。

图 3 最大间隔超平面 Fig.3 Hyper plane of maximum margin

SVM的数学模型可表述为

式中:xi为训练集中的第i个输入向量;xin是输入向量;yout是根据输入向量xin预测得到的输出变量; Ki(?) 为核函数(一般采用高斯核函数);N是训练样本数;ωi是权值系数;ε是扰动分量。

预测过程 为:利用给定 的训练样 本集 (xin,yin)={(x1, y1),… ,(xn, yn)} 优化求解模型的参数ω,建立输入向量与输出向量之间的映射关系,进而给定一个新的输入样本xi,能够得到对应输出变量的一个估计值yout,即预测单点值。

SVM模型预测有以下优点:1将问题转化为二次规划问题,理论上可以得到全局最优解;2建立在统计学习理论的VC维理论和结构化风险最小化原则的基础上,有效地避免了维数灾;3可以较好地解决小样本问题;4对非平稳时间序列具有稳定的预测能力;5模型具有较高的稀疏特性,大大提高了计算效率。

2)SBL。SBL也是一种基于核函数的机器学习方法,模型具有很好的稀疏性,其预测结果既包括期望值,又包括预测对象的概率分布。

SBL的回归模型形式与式(1)类似,但是其中的权重因子ωi被看做是均值为0且方差为αi的正态分布的随机变量,通过贝叶斯架构学习得到。所求的超参数αi多数趋于无穷大,则相应的权值系数ωi趋于0,剩余少数非零权值系数ωi的核函数所对应的样本向量即为相关向量,找到相关向量是本模型具有稀疏性的根本原因。

学习机的训练过程则是根据贝叶斯原则对参数w=[w0,w1,… ,wM]T、超参数α=[α0,α1,… ,αM]T进行推断,得到SBL预测模型公式。而实际上,由于yout仍然服从正态分布,参数训练结束后,根据模型可推断出其均值与方差,从而得到其概率分布函数。多个误差的高斯分布概率密度函数如图4所示。

SBL模型预测有如下优点:1能够提供概率密度预测结果;2模型训练简单,参数设置少;3模型稀疏程度与支持向量机相当或更好;4对非平稳时间序列进行预测,期望值预测精度和分布预测精度均较高。

1.2 安全库存决策模型

根据需求预测结果,建立物资安全库存决策模型。该模型是在机会约束规划方法基础上建立的。该方法用随机参数来刻画问题中的随机现象,属于随机规划的一个重要分支,适于求解不确定性问题, 是解决带有随机参数的优化问题的有力工具。

机会约束规划主要针对约束条件中含有随机变量且必须在观测到随机变量实现前作出决策的情况。考虑到所做决策在不利情况发生时可能不满足约束条件,上述模型采取了一种原则,即允许所做决策在一定程度上不满足约束条件,但该决策应该使约束条件成立的概率不小于某一置信水平。

机会约束规划可表示如下:

式中:是目标函 数f(x,ξ) 在置信水 平为β时 所取的最小值;x是n维决策向量;ξ是随机向量, gj(x,ξ) 是随机约束函数,Pr{·} 表示 {·} 中事件成立的概率;α和β分别是事先给定的约束条件和目标函 数的置信水平。

根据机会约束规划,原来建立的仓储优化模型如下:决策目标为计及时段内(如月、季度、年)的库存成本最小化,即

式中:T表示时段数;N表示仓库数;M表示物资种类;Ct,n,m和Rt,n,m分别表示时段t下仓库n存储物资m的单位成本和存储量。

约束条件包括库存物资满足需求的概率大于给定概率下限、各库库存容量约束和供货周期约束。上述约束分别为

式中:Dt,n,m和αt,n,m分别表示时段t下仓库n存储物资m的库存需求量和库存不足概率;Rt,n,mmax 表示时段t下仓库n存储物资m的最大允许库存。

求解时,将根据事先给定的置信水平,把机会约束转化为各自的确定等价类,然后用传统方法求解其等价的确定性模型。

2 安全库存预估模型在库存物料管理中的应用

为稳妥推进电力大数据应用试点研究与应用, 国网湖北省电力公司启动了物资库存物料动态特征分析 工作(见图5)。基于ERP、电子商务 平台 (Enterprise Commerce Platform,ECP)、电力生产 管理系统(Power Production Management System, PPMS)、基建管控、仓储3D展示系统、营销业务等系统数据整合,利用数据关联分析技术,建立安全库存预估模型和多准则评价模型,构建库存物资在线监测和分析,实时发现库存物资在管理过程中存在的异动和问题,实现现有库存物资的优化。

基于安全库存预估模型预测的应用分以下3个阶段。

1)数据收集阶段,即基于对业务现状、系统现状、数据现状的梳理与分析,识别出项目实现过程中核心的业务问题,并将问题分类,理清上述问题是技术手段可解决的问题还是需人工分析可解决的问题。

图 5 物资库存物料动态特征分析平台 Fig.5 Dynamic characteristics analysis platform of the safety inventory

2)数据整合阶段,即通过对基础数据集进行数据抽取、清洗,对源数据开展关联、拆分、转换分析、特征分析、逆反工程等,确保业务数据集的准确性。

3)模型应用阶段,即根据出库信息、电网设备现状、项目规划等信息,建立物资消耗情况预测模型, 并应用于安全库存决策模型中。

国家电网公司采用安全库存预估模型进行集中采购6年来,年平均节约资金70多亿元,物资管控能力显著提升。2007年以来,采购总金额为10 620亿元,通过集中采购共节约资金830亿元,年均节约资金120亿元,节约占采购支出比高达7.3%。

3 结语

随着国家电网公司推进大数据研究与应用的要求以及技术变革的不断加速,在高标准的现代企业仓储管理要求下,电网公司应用大数据技术,缩短了库存物资存储周期,加速了库存物资周转,降低了仓储成本,提升了仓储管理效率和效益,具体价值体现在以下几方面:1实现了跨专业、跨系统、跨部门的海量信息共享;2通过汇聚、整体分析单独存在的海量数据,有效提高了物资仓储决策能力;3创新库存物资管理模式,提高了库存优化管理潜力;4有效整合数据,构建了系统化仓储数据体系。

数据库存系统论文 篇3

1 当前茶叶库存管理面临的挑战

1.1 成本动态核算面临的挑战

将目光聚焦在茶叶供应链的销售物流环节,茶叶入库往往是进入销售领域的前期准备环节,而这时存在着茶叶制品的入库和出库,入库和出库在总体上保持着动态平衡态势,但它们之间的相互拉动深受市场需求结构的影响。因此,在实施成本动态核算时面临着挑战,具体反映在会计人员无法时时跟踪茶叶制品的入库和出库活动,从而就无法在动态环境下对茶叶制品进行精确盘点。随之而来的便是,在成本核算中会遗漏许多关键数据。

1.2 数据协同处理面临的挑战

从库存成本核算的一般流程出发可知,会计人员首先要根据成本项目收集数据,然后在根据会计方法和统计方法综合分析和处理这些数据,最终反映在会计报表中。事实表明,面对庞大的数据任务量,需要建立有效的协同处理机制。但在传统会计电算化平台中,这种数据协同处理不仅受到数据存储能力的影响,也会受到会计人员工作地点和时间的影响。因此,就无法形成基于“互联网+”模式下的移动办公能力。可见,这便构成了挑战之一。

1.3 成本核算能力面临的挑战

从现阶段的许多讨论中可以感知到,不少作者都基于会计人员不存在技术上的短板这一假设来展开问题探讨。事实上,随着茶企管理层对茶叶库存管理数据需求结构的变化,一般意义上的成本项目数据归集和分析处理已不能满足需要。此时,还需要将隐性成本发生问题纳入其中,并给予管理层财务建议。可见,这里也面临着挑战。

2 应对挑战的思路

结合云会计的功能应用,应对挑战的思路可从以下三个方面来构建:

2.1 形成仓储管理与会计管理的联动

无论会计信息技术如何先进,若没有与之相适应的技术组织形态的话,该先进的会计信息技术仍无法充分发挥自身的功能。但问题在于,茶企在实施财务内控时并没有打破现有组织架构的打算,或者说打破现有组织架构的成本无法在完善内控绩效中得到充分的回报。鉴于此,就需要形成仓储管理部门与会计部门之间的联动,从而在现有的茶企职能型结构下来发挥云会计的功能。部门之间联动的内容是茶叶仓储数据,所以这就可以在茶企内在的局域网中来实现。

2.2 充分利用第三方数据存储的功能

云会计强大的功能之一便在于它的“云端”,即其具有海量的数据存储能力。另外,这一云端处于第三方环境之下,并与开放的互联网平台形成嵌入式结构。这就决定了,茶企会计人员可以通过这一云端而实现移动办公的目的,也可以聚焦于这一云端实现数据协同处理的目的。再者,企业管理层也可以通过这一云端对茶叶库存信息进行时时把握,从而科学、及时地调整产能水平和产品结构。

2.3 着力打造开放式的数据处理形态

根据经济学原理可知,开放式的信息交互能产生知识的外溢效应,从而增大知识的覆盖人群,最终产生更为强大的生产力。毫无疑问,数据时代会计人员不可能完全掌握所有的数据分析和处理知识,也无法随时满足企业管理层对数据信息新的需要,这就要求应从开放式的数据处理形态中来解决这一问题。

3 云会计应用的注意事项

需要指出的是,云会计毕竟仍是新鲜事物,在应用中还需要注意以下四个方面的事项。

3.1 形成云会计下的作业能力

云会计作为一种基于“互联网+”模式下的会计工作平台,在搭建好之后需要在茶企中形成开放式的作业氛围,以及在这种氛围下形成会计人员相应的能力。那么如何来构建起这种能力呢?笔者认为,在现阶段缺乏有关案例和参考资料的情形下,我们只能期望茶企会计人员能建立起自身的自组织学习系统,以及合作学习模式,在任务驱动下来熟练掌握这种作业能力。

3.2 增强公共资源的利用意识

在传统电算化作业模式下,会计人员都需要借助现有的财务软件来处理会计工作。而在云会计时代,会计人员则可以在开放的软件平台上,自主选择需要的操作应用软件,在互联互通的端口就可以进行会计处理。可见,这时就需要会计人员转变工作思路,增强对公共资源的利用意识。不难知晓,这需要一个过程。

3.3 强化财务数据的安全保障

云会计作为在开放平台上所进行的会计工作模式,理应重视其的财务安全保障工作。由于针对云会计的安全保障已超出了本文的讨论范围,所以这里提出几个工作原则:第一,界定云会计的作用范围,将涉及企业财务机密的工作放在线下处理。第二,强化茶企财务人员的保密意识,防止在论坛、贴吧中透露企业的财务信息。

3.4 实现企业云办公氛围形成

这里主要涉及到培养茶企管理者的云办公意识和能力,从而使他们能在云端随时调取企业的财务信息,以及茶叶库存财务数据。对于这些管理者而言,则需要在办公中形成云办公的氛围来。

4 实施方案设计

根据以上所述,实施方案可从以下4个方面进行构建:

4.1 界定云会计的作用边界

从上文的论述中便已知晓,茶企引入云会计来实施仓库管理,必须基于问题导向来实施,这样才能确保现有的会计作业组织生态不被完全打破。为此,这里就需要界定会计的作用边界。根据笔者的调研和对同行的经验进行总结,云会计的作用边界应包括:第一,突出会计作业的移动性,为会计人员和主管创造出具有时间和空间弹性的作用平台。第二,突出会计作业应用系统的开放性,从而来降低茶企专用软件配置上的投入量。

4.2 理清茶叶库存的重难点

在建立精准成本核算的目标下,需要动态审视茶叶库存的重点和难点。根据笔者的工作体会,对茶叶制品进行动态盘点,以及及时归集货损信息,应成为当前的重点。之所以这样归因于,传统的库存管理成本项目和核算方式,已经能够覆盖茶叶库存管理的70%左右的需要,而在市场需求拉动下的茶叶库存管理中,则需要植入针对茶叶货损的信息收集机制。对此,就需要采取库管人员与会计人员的信息联动了。对于难点问题而言,则需要重视库存信息线上线下的闭合问题。

4.3 营造开放式作业的氛围

为了促使茶企会计人员能尽快适应云会计的作业需要,这里就应首先营造起开放式的作业氛围。作为班组文化的一部分,茶企会计部门的负责人便需要在组织动员、舆论引导、作业模拟等诸多方面发挥积极作用。再者,茶企人力资源部门还应在绩效考核机制设计上,建立起鞭策会计人员主动参与云会计作业的薪酬奖励办法,并作为正式制度被公开宣布。

4.4 建立云端信息交互机制

建立云端信息交互机制的目的在于两点:第一,满足会计人员的协同作业,并为他们提供更为宽松的移动办公环境。第二,为茶企管理者提供随时查看茶叶库存数据的平台,是他们能根据茶叶制品的变动结构和成本管控趋势,及时调整产能结构和改进仓储管理方式。

5 展望

这里就从两大领域展开展望:(1)加强正向供应链系统的管理。由于茶企主要以某地区的消费者为目的人群,同时着力开发国家级新区范围内的潜在市场,这就决定了同城配送系统对于公司的经营十分重要。针对域外产品供给的正向供应链管理,依然以寻求与第三方快递企业的合作为主,针对域内产品的供给(同城配送)则应着力打造自己的自营物流系统,从而能增加消费者的线下体验感。(2)加强逆向供应链系统的管理。关于逆向供应链管理仍然要以第三方快递企业作为支撑,这样能降低茶企的物流运营成本。根据笔者对B公司供应链管理系统的考察发现,在逆向供应链系统管理中已经建立起了以线下门店为接收节点,以及合作实体店为补充的逆向物流系统,这样便可以为自营物流系统的引入做好准备。

6 小结

本文认为,需要在动态的视角下来完成成本核算和控制工作,所以需要重视云会计的“云端”功能,从而为会计人员架构起第三方的数据储存、分析和处理端口。为此,在当前的数据时代,需要关注“云会计”的功能应用。具体的实施方案包括:界定云会计的作用边界、理清茶叶库存的重难点、营造开放式作业的氛围、建立云端信息交互机制等四个方面。这里还需要引起注意的便是,需要保障企业财务数据的安全性。

参考文献

[1]高源,张桂刚.基于大数据的网络营销对策研究[J].湖北经济学院学报(人文社会科学版).2014(2):66-68.

[2]陈永东.如何寻找大数据营销的切入点[J].资源再生.2013(12):62-64.

[3]倪光南.大数据的发展及应用[J].信息技术与标准化.2013(9):23-25.

[4]陆刚,安海岗.我国网上超市营销策略研究[J].商业时代.2013(20):42-43.

数据库存系统论文 篇4

目前对企业库存控制效率评价常用的方法主要有模糊综合评判法、层次分析法、指标数法、ABC作业成本法、生产授权卡控制机制分析法。模糊综合评价法和层次分析法属于定性分析法, 对指标权重的分配精确度不够, 主观性较强。ABC作业成本法评价因素单一不够全面, 实际应用性不强[1]。指标数法只能得出评价的效率指标, 不能得到改进办法。生产授权卡控制机制分析法只能提出评价指标参数, 不能对改进方法和改进结果提供有效的解决办法。因此, 文中引入数据包络分析法对汽车企业零部件库存进行绩效评价。DEA分析法对多投入和多产出的相对有效性评价方面具有绝对优势, 而且该方法无需事先假定权重, 权重由决策单元的实际数据求得, 排除了主观因素的影响。数据包络分析 (DEA) 方法不仅可以用线性规划来判断决策是否有效, 而且可以从评价结果中得到有用的改进信息。刘婷应用数据包络分析方法对企业库存绩效进行评价, 并在此基础上应用神经网络对安全库存进行预测[1]。王玖河应用了层次分析法和模糊综合评价法相结合的办法研究了供应链下库存管理绩效评价研究[2]。韩志杰应用DEA模型从库存控制、客户服务能力以及时间效率三方面对供应链下企业库存绩效评价进行了研究并提出了改进的方[3]。

1 理论分析

数据包络分析法是美国运筹学家查恩斯、库伯以及罗兹提出的一种效率评价方法, 该方法是以相对效率概念为基础, 以凸分析和线性规划为工具的一种评价方[4]。该评价方法首先将每一个评价单位作为一个决策单元, 通过达到决策单元的Pareto最优, 寻找包含所有评价单位生产集的最小凸锥, 该凸锥的边界是生产最优, 最终得到效率的测度[5]。DEA模型有多种评价模型, 应用比较广泛的有两种分别是CCR模型和BCC模型。本文采用CCR模型即非阿基米德无穷小模型进行研究, 即从投入的角度去考虑对资源优化配置, 从而提高整体效率。

上式中:θ代表综合效率指数, 0<θ≤1。综合效率指数越接近1, 代表对应的评价单位效率越高。当其取值等于1时, 代表评价单位在最有生产前沿上, 评级单位的产出相对于投入而言综合效率达到最优;ε为非阿基米德无穷小量;e1T和e2T代表单位空间向量;s+和s-分别代表剩余变量和松弛变量, 取值均大于等于零;λj代表权重变量。

2 变量选取和数据处理

基于DEA的汽车零部件库存控制绩效评价指标选取时, 在综合考虑汽车零部件库存服务对象和汽车行业库存特点的基础上, 结合DEA评价指标选取的原则, 建立符合评价对象可操作性强的库存控制绩效评价指[1]。根据DEA相关理论建立企业库存控制绩效评价模型, 首先确定评价目标, 本文的评价目标为某汽车公司零部件库存绩效考核。文章以某汽车公司2013年12个月的库存数据作为数据基础。以每一个月作为决策单元, 故共12个决策单元。其次根据库存控制主要影响因素确定评价主要指标, 本文是基于汽车行业的企业零部件库存研究, 所以该库存仅服务于企业内部的生产, 所以在库存控制指标主要选取了库存成本、安全库存比率、库存物资损坏率、库存资金周转率、准时交件率。输入指标是与评价目标效率呈负相关的指标, 输出指标是指与评价目标效率呈正相关的指标, 根据这一原则可知输入指标应该包括:库存成本、安全库存比率、库存物资损坏率。输出指标包括:库存资金周转率, 准时交件率。其库存控制效率可表现为一定规模生产要素投入水平下的产出结果, 产出水平高则效率高, 反之则效率低[5]。

3 实证研究

本文利用DEAP2.1软件对某汽车公司12个月库存效率水平与规模报酬所处的状态进行分析。通过表一可知仅2013年2月的规模报酬不变, 其余的月份规模报酬均呈现增长趋势。

综合水平较低, 2013年该企业库存综合效率均值为0.841, 故仅达到综合效率最优的84.1%。12个月中仅有2月份的库存综合效率值为1达到综合效率最优。其中有五个月的综合效率值低于平均综合效率值, 达到综合最优的64%~79.2%。

纯技术效率值较高, 12个月份中达到平均纯技术效率平均值的月份也较多, 而且低于平均纯技术效率值的纯技术效率值也较接近平均值。2013年的1, 4, 5, 7月份达到了纯技术效率最优。其余月份的纯技术效率值都接近纯技术效率平均值, 达到纯技术效率最优的98.1%~99.6%。

规模效率水平一般, 12个月内只有2013年2月份规模效率水平达到最优。平均规模效率值为0.847, 达到最优的84.7%, 2013年的3, 4, 5, 9, 低于平均规模效率值, 达到最优的64.3%~79.9%, 效率水平较低, 其余月份都接近或者高于平均规模效率值。

注:TE为综合效率, PTE为纯技术效率, SE为规模效率。SE=TE/PTE, irs为规模报酬递减, drs为规模报酬递增, -为规模报酬不变。

文章通过对某汽车公司12个月的库存控制绩效进行评价, 可以发现企业库存控制效率总体不高, 综合效率和规模效率均值仅达到最优的84.1%和84.7%, 说明在库存控制中存在资源浪费, 投入冗余, 产出不足现象明显。从另一方面表明企业在库存控制还有较大的改进空间。

某汽车公司汽车零部件库存出现这种现象在我国汽车行业普遍存在, 这也是由汽车行业本身的特殊性决定。我国汽车生产企业进行的大部分工作是零部件的组装工作, 企业自身生产仅占一小部分, 大部分汽车零部件都通过外购方式获得, 这种方式决定了生产和供货的不同步性, 为了保证生产的连续性, 防止缺货造成的生产线停产事件发生, 企业都采取高库存的方式来应对。由于运输或者供货商生产失误常会出现零部件不合格或损坏现象, 这导致仓库供货不及时延误生产。目前我国汽车生产企业和供应商虽建立了合作关系, 但是在库存控制管理和库存信息共享方面仍没有突破独立管理的局面, 这也是导致企业库存量大, 资金占压现象严重的一个主要原因之一。汽车企业应该合理设置安全库存。加强与供应商的战略合作关系, 减少库存占有量适当将库存转移到供应商, 目前汽车行业的中安全库存持有量大, 库存资金占压现象严重, 资金周转率低。

4 结论及建议

本文通过对某汽车公司汽车零部件库存进行研究, 表明某汽车公司汽车零配件库存存在高投入低产出现象, 库存控制在综合效率以及规模效率上水平较低。企业在安全库存和库存成本方面的投入过剩导致产出不足, 导致库存资源浪费。企业的库存物资损坏率影响库存对生产线的准时供件效率。

汽车行业的零部件库存要提高库存控制效率首先应该降低安全库存持有量。一方面可以通过改进安全库存计算方法合理计算安全库存, 另一方面可以通过和零配件供应商建立合作联盟, 对于一些价值高昂, 需求量较少的汽车零部件尽量实现及时供应, 使企业做到零安全库存。其次, 提高对零部件供应商的要求, 加强对供应商零部件的质量检测, 在减少不合格供件的基础上, 杜绝不合格零部件入库。最后汽车制造企业对汽车零部件库存管理应该加强与供应商的合作, 实现信息共享, 通过建立虚拟联合库存管理模式。某汽车公司作为一家大型汽车制造企业, 应该重视这种库存管理模式潜在的经济效益, 应该实现在库存管理中与供应商利益共享风险共担, 这可以大大降低企业独立库存管理的风险。该模式通过对库存信息的虚拟联合库存管理, 通过网络信息技术将全国乃至全球的汽车零配件供应商和某汽车公司连成一个集合体, 通过庞大的数据传送可以相互掌握彼此库存信息, 相关供应商可以根据某汽车公司的实际生产需求以及库存信息及时安排组织发货。

参考文献

[1]刘婷.基于神经网络和数据包络分析方法的安全库存预测及评价研究[D].重庆:重庆交通大学, 2008.

[2]王玖河.基于数据包络分析的中国冰雪旅游产业效率分析[J].物流技术, 2007, 26, (8) :168-171.

[3]韩志杰.基于DEA的供应链库存控制绩效评价方法及应用研究[D].天津:河北工业大学, 2010.

[4]杜栋, 庞庆华等.现代综合评价方法与案例精选[M].北京:清华大学出版社, 2008.

[5]杨春梅.基于数据包络分析的中国冰雪旅游产业效率分析[J].干旱区资源与环境, 2014, 28, (1) :169-174.

[6]李欣.汽车制造企业供应涟环境下的库存管理优化研究[D].长沙:中南大学, 2008.

[7]靳凯.生产制造业库存管理与控制研究[D].大连:大连海事大学, 2012.

[8]王剑峰.南京长安汽车供应链库存管理研究[D].南京:南京理工大学, 2012.

[9]Charnes A, Cooper WW, Golany B, Seitord L, Stutz J.Foundation of Data Envelopment Analysis for Pareto-koopmans Efficient Empirical Production Functions[J].Journal of Economics, 1985, (30) .

[10]Wei Q L.Data envelopment analysis[J].Chinese Science Bulletin, 2001, (46) .

[11]Aucamp D C.The Evaluation of Safety Stock[J].Production and Inventory Management, 2nd Quarter, 1986, (27) .

基于SWARM的库存系统仿真 篇5

关键词：Swarm,库存系统,建模仿真

一、CAS

CAS理论是遗传算法之父和复杂性科学的先驱者之———Holland在1994年提出的。其将系统成员看作是具有自身目的和主动性、积极的“活”主体。主体能够与环境以及其他主体进行相互作用, 在持续不断的相互作用中, 不断地“学习”或“积累经验”, 并且根据学到的经验改变自身的结构和行为方式。整个系统的演变和进化, 包括新层次的产生、分化和多样性的出现, 新的、聚合而成的、更大的主体等等, 都是在这个基础上出现的。更重要的CAS理论认为正是主体的这种主动性以及它与环境间反复的、相互的作用, 才是系统发展和演化的基本动因。大量的研究事实表明, 由使用性产生的复杂性, 即所谓的复杂适应系统确实是一大类十分重要、非常常见的复杂系统。

二、Swarm

Swarm实际是一个用Object-C (一种面向对象的C语言) 语言编写的类库集。它是一个自由软件, 其源代码是开放的, 并且Swarm的使用者之间能方便进行自由交流, 实现研究成果共享。Swarm最初是为支持X Window系统的Unix操作系统开发的。1995年发布了第一个Beta版。1997年1月发布了Swarm 1.0版本, 该版本能在Solaris和Linux操作系统上运行。随后经过较小的修改, 该版本能DEC Alpha平台和Unix操作系统上运行。1998年4月Swarm 1.1版本发布, 由于其引入了Cygnus Win32包, 使其能在Miscrosoft Windows95/98/NT上运行。1999年年底, 发布了支持Java语言的Swarm 2.0和2.0.1版本。这样, Swarm可以同时支持Object-C和Java变成, 使其越来越利于众多非计算机专业研究人员的使用, 因此应用日益广泛。目前, Swarm Development Group (SDG) 的首要任务是将Swarm进一步通用化, 使之支持更多操作系统, 并能采用更多的计算机语言进行编程。

(一) Swarm的主要特点

1、面向对象的设计思想。Swarm是一个多主体建模仿真框架, 多主体建模与面向对象的分析和设计思想有一定的相似之处。在面向对象的分析与设计 (OOA、OOD) 中, 定义了各种类, 这些类在程序运行时创建若干个类的实例, 称为对象。每个对象包括描述对象自身状态的实例变量, 称为属性 (Attribute) , 以及由类定义的描述对象行为的方法 (Method) 。对象之间通过发送和接收消息来通信。Swarm本身就是使用面向对象方法和技术的一个设计良好的类库。

2、离散时间仿真。Swarm仿真模型实质上是离散时间的仿真模型:仿真时钟以离散的方式推进, 模型中得主体通过在离散的时刻发生的事件来改变自身的状态并与模型中的其他主体进行交互。由于模型中的每个主体都又若干个事件, 主体之间通过离散事件进行交互, 所以这些事件之间有一定的引发 (一个事件的发生引起另一个事件的发生) 和时序关系 (事件之间在时间上的关系) 。

3、探测器技术与图形化用户界面。在系统仿真中, 观察模型的运行状态对运行结果的分析非常重要。Swarm使用“探测器” (Probe) 技术从运行的模型中提取数据, 并提供了图形化的用户界面来显示运行结果。探测器实际上是Swarm类库中事先定义好的一系列类。Swarm为用户提供了一个非常直观的图形输出界面。

(二) Swarm仿真程序的层次结构及类库

Swarm仿真程序包括:ModelSwarm (模型Swarm) 、ObserverSwarm (观察者Swarm) 和Agent (仿真主体) 。其中的ModelSwarm和ObserverSwarm都是Swarm类的子类, 它们二者建立了Swarm仿真程序的框架结构。仿真主体对象则对应所要模拟的真实系统中有代表性的微观主体和这些个体活动的环境, 主体对象是SwarmObject类的子类, 继承SwarmObject的一些既有方法以提供对探测器和内存管理的支持。

Swarm以下核心类库:Defobj、Collec-tion、R andom、Tkobjc、Swarmobject、Activity和Smitools。

三、Swarm建模实例

(一) 库存系统概述

一般的库存系统, 主要包括库存状态、补充和需求。库存状态是指存货随着时间的推移而发生的盘点数量的变化, 存货数量随着需求过程而减少, 又随补充过程而增加。需求是系统的输出, 它可以有不同的形式, 包括连续需求、间断需求、已知的确定性需求和随即需求等, 一般来说不受控制。给定了需求形式, 系统输出特性也就确定了。补充是系统的输入, 补充策略根据系统的目标和需求方式来确定, 是库存系统管理决策的关注重点。

不同的需求与补充就决定系统的库存状态, 它是一个随时间变化的动态过程。库存系统的研究就是为了求解系统的动态库存状态, 并根据库存状态变化所引起的成本进行科学的管理和决策。

本文模拟的是多周期提前订货有折扣的库存系统, 比较接近现实的库存系统, 订货有延迟, 需要提前订货, 当订货数量超过某定值时可享受折扣。本模型采取的订货策略是每次订货发出, 尚未到货时不继续发出订货单。

(二) 模型设计

在本库存仿真系统中, 仅一类个体———库存。仿真模型的参数设计 (以下列出主要参数) :

1、需求量D为离散随即变量。

2、订货提前期orde r_be fore_da y为离散随即变量, 在系统中随即产生 (0, 1]之间的随数r, 若r∈ (0, 0.125]时, 则orde r_be fore_da y=1;若r∈ (0.125, 0.5]时, 则order_before_day=2;若r∈ (0.5, 1]时, 则order_before_day=3。

3、折扣率。每次订货量超过一个固定值时, 可以享受25%的折扣。

4、最大库存 (ma x_s tock) 。

5、最小库存 (orde r P oint) , 即定货点, 当库存数量小于最小库存时, 开始订货。

6、缺货损失 (s ca rcityLos s e s) 。

7、订货费用 (orde rCos t) 。

8、保管费用 (re s e rve Cos t) 。

9、折扣率 (dis count_ra te) 。

10、缺货数量 (s ca rcity_num) 。

11、到货的天数 (goods_a rrive_da y) 。

12、当期的总费用 (pe riodActua l Cos t) 。

主体的行为主要有:

订货行为, 当库存不够时, 发出订货单。

需求行为, 根据产生的随机变量, 决定需要的货物的个数。计算当前库存量, 计算缺货量。

到货行为, 此到货行为中, 主要完成参数状态的修改, 计算库存量。

最后结算本期费用。计算相关费用, 如保存费用、存储费用、缺失损失等。

(三) 仿真实现

依据Swarm仿真程序的层次结构, 一个Swarm一般由两部分组成:一系列相关联的对象的集合以及这些对象的动作序列表, Swarm仿真程序就是围绕S wa rm进行组织的。

1、在Mode l S wa rm对象中, 首先, 定义主体——库存, 以及主体的数量, 通过buildObje cts方法来创建对象。其次, 通过buildActions方法为ActionGroup的实例对象赋值来规定主体行为的执行顺序和触发条件, 然后在Schedule对象中定义ActionGroup第一次执行的时间和各次执行的时间间隔。此外, Model Swamr还包括一系列输入和输出参数。如主体个数的初始值、库存的最大值等。输出包括当前状态及运行结果等, 各初始值如图1所示。

2、Obs e rve r S wa rm在仿真过程中, 检测模型的运行过程并记录模型的输出结果。Observer Swarm通过探测器 (P robe) 接口观察Mode l S wa rm对象中各个个体状态的变化, 并以图形的方式输出。

本模型中初始产生主体个数为5, 运行100期, 每期代表真实的时间为1天, 初始库存90, 最大库存140, 最小库存60, 观察100期内总费用, 运行结果如图2所示。

改变策略, 最大库存设置为250, 其他初始参数不变, 运行程序。结果如图3所示。

四、结论

从以上模型的结果可以总结出, 改变策略后, 在同样的运行周期内, 可以节省费用, 因为第1种策略最大库存是140, 在这种情况下, 订货的数量最大不超过140, 享受不了打折的优惠, 改变策略后, 某些时候可以享受到优惠。可以根据具体的情况, 调整订货的策略, 也可以改变模型的初始值。从对Swarm本身以及库存系统的仿真模型的研究表明, Swarm很适合基于个体Agent的复杂适应系统仿真建模。另外, 由于swarm源代码开放以及提供了标准接口, 使其具有良好的可扩展性, 更易于实现特定的目标模型。

参考文献

[1]、萱慧玉, 张发.复杂系统仿真及应用[M].清华大学出版社, 2008.

[2]、罗批, 司光亚, 胡晓峰, 杨镜宇.Swarm及其平台下建特定民意模型的探讨[J].系统仿真学报, 2004 (16) .

[3]、孙建, 叶民强.基于主体的SWARM建模分析及应用[J].福建电脑, 2002 (11) .

数据库存系统论文 篇6

关键词：不确定性需求,服务水平,安全库存

1 数学模型的构建

一般情况下,需求的变动幅度会大于供给的变动幅度。为了成本最小化我们寻求科学的库存管理方法,而概率统计科学的发展为我们提供了一个良好的理论平台。

1.1 统计数据的基本处理

为了便于说明问题,我们以某个销售公司在某地区4个交货周期里为期60天的需求数据进行分析,其需求量单位为万件,得出如下表的统计数据。

由以上数据可得出日平均需求量约为4个单位(除去3天的缺货时间),可认为缺货出现在很短的时间内,且带来的直接损失为3×4=12个单位的产品与57天内的总销售量相比仅占很小的比例。

通过观察天数与需求量的分布柱状图,可以看出其分布情况关于均值(中数与众数)近似对称,表明该地区的客户需求量呈正态分布。根据正太分布的数字特征,由公式:

undefined(其中,undefined

得σ≈2个单位的产品,由正太分布概率表可知:

undefined。

1.2 安全库存模型

如果设:安全库存为S,一年的售货期为T,一年内的订货次数为N,一年的总需求量为Q,订货周期为t,每天的平均需求量为undefined,一次订货量为q,单位库存成本为C1,一次订货成本为C2,总成本为C。

则有,undefined2

又有undefined和T=tN

得到,undefined

根据数学知识我们知道当undefined取最小值时,总成本C才能取得最小值。

由于undefined

当且仅当undefined时,undefined(经济订货批量) 时,undefined,此时,undefined,(其中,undefined表示特定的客户服务水平所对应的平均值的标准偏差的数值。)

设:undefined,那么,C=an+b

由此看来,n的取值越小,总成本就越少,同样地,客户的服务水平就会越低。因此,组织的管理者应该在客户服务水平与库存成本之间做出合理的选择。如,50%的客户服务水平,总成本为b,84.13%的客户服务水平,总成本为a+b,97.72%的客户服务水平,总成本为2a+b,等以此类推。

根据数学的知识,我们知道正太分布函数的密度分布函数为:

undefined

那么,针对本模型中的需求量:

undefined

因为,正太分布函数的概率分布函数即为:

F(x)=∫undefinedf(x)d(x)

需求量q是一个大于等于零的值,因此:Q(q)=∫undefinedq(q)d(q),Q(q)∈[0,1],在此,服务水平α= Q(q),其图像如下图所示:

由图2可知,Q(q)的概率分布图像是S型曲线。也就是说,当Q(q)= 1/2=50%左右时,q的很小的变动就会带来Q(q)的大幅度的变动,Q(q)在这段区间的对q的变动很敏感。但是随着q的继续增加Q(q)的增加幅度会慢慢变小,Q(q)会越来越接近与1,但永远不会与y=1这条直线相交。根据经济学的知识我们不难得出当Q′(q)=a时的q的值,在经济上是最优的,

即Q′(q)=[∫undefinedq(q)d(q)]′=q(q)=a

得出:undefined

通过观察q(q)的图像可以看出,在Q(q)的所有切线中与直线C=an+b平行的切线有两条,分别位于Q(q)的50%处的两侧,通过前面的分析可知当Q(q)=50%时,n=0,

所以:undefined(其中,undefined即为所求的订货量,undefined为一个订货周期的平均需求量。

解方程组:

undefined

得到:undefined,

最小库存成本为:C=an+b,(其中,undefined为安全库存量,根据q的取值,通过查正太分布的概率表,可以得到此点处的概率,也就是客户服务水平α= Q(q)=∫undefinedq(q)d(q),确定最佳安全库存的同时,也实现了总库存成本的最小化与客户服务水平的最大化。此时,q的取值到达经济学最优。

2 总结

南京地铁车票库存管理系统分析 篇7

城市轨道交通应用车票从票卡发行机构及应用范围来分, 可以分为“一卡通”和“一票通”两种票种, 通俗地讲, 乘客可以用来乘坐地铁的车票有城市一卡通、单程票、计次票、应急纸票等等。“一卡通”由城市公共交通行业制定的部门发行, 是适应于整个城市公共交通行业的票种;“一票通”是由地铁发行, 用于乘坐地铁的票种。用于乘坐地铁的一卡通为持有者保管, 而对于在地铁内部流通的一票通的所有车票, 因流转面广、业务类型繁杂、库存点较为分散, 稍有管理不善的情况都会使车票流失, 造成生产成本的提升, 这就要求必须有一个“智能化的管理者”车票库存管理系统来进行维护、管理和监督。库存管理系统能够为企业提供先进的业务信息管理解决方案, 改进传统的工作方式, 提高企业经营效率。

2. 车票库存管理系统的业务流程

从库存的角度来看, 车票的流通无非分为出库和入库两种;从各种流通方式来看, 入库又细分为新票入库、生产入库、回收入库等几种类型, 出库中细分为生产出库、配送出库等几种类型, 还有库内流动及调拨等特殊类型。仓库内又按照业务类型进行区域划分, 也就是通常库存管理中所说的库位, 车票在不同库位再按照分不同的票种进行存放, 做到业务清晰、条理清楚。

库存管理离不开仓库内车票的盘点工作, 也就是盘盈盘亏, 车票库存管理系统除了对于每个票种的每种业务类型进行记录和维护, 自然会根据不同库位中各票种的期初库存、本期出入库数量、期末库存进行结算, 为每月的盘点工作提供数据核对的依据, 减轻手工作业量的同事, 使得数据透明化, 以达到监督流程、加强管理的目的。

3. 车票库存管理系统的功能模块

从上图中可以看出, 车票库存管理系统的数据处理部分的功能模块主要包括了新票到货入库、生产入库、回收入库、生产出库、配送出库、车票库内流动、盘盈盘亏和库存结算几个部分, 前六个功能主要是各种业务类型数据的维护, 后面两个功能提供出库存盘点时所需的数据。除此之外, 系统还提供了一些各种出入库单修改和删除的功能, 用以特殊情况下的数据处理, 同时该系统还提供了各式各样的查询统计报表, 为组织经营管理、完善工作流程提供了充分的数据分析依据, 以下对各类功能进行简单介绍。

3.1 新票到货入库

从厂家购买的新车票入库, 办理新票到货入库, 输入新票到货的各项信息, 打印新票到货入库单。

3.2 生产出库

车票编码员从库房领取车票进行车票编码、制票、注销等操作, 先办理生产出库, 输入生产出库的各项信息, 打印生产出库单。

3.3 生产入库

车票编码员从库房领取车票进行车票编码、制票、注销等操作, 生产完成后, 办理生产入库, 输入生产入库的各项信息, 打印生产入库单。

3.4 配送出库

ACC将车票配送给线路、银行或者其他相关单位, 办理配送出库, 输入配送出库的各项信息, 打印配送出库单。

3.5 回收入库

线路、银行或者其他相关单位领出未用完来ACC上交的车票, 办理回收入库, 输入回收库的各项信息, 打印回收入库单。

3.6 车票库内流动

车票因为各种原因需要在库内从一个区流动到另一个区, 比如, 某种票, 因为票务政策调整, 不再使用, 从编码区进入废票区, 办理车票库内流动, 输入库内流动的各项信息, 打印库内流动单。

3.7 车票盘盈盘亏处理

库存盘点时, 如果实际库存和账面库存不符, 为了使账面库存和实际库存相符, 办理盘盈盘亏处理, 输入盘盈盘亏处理的各项信息, 打印盘盈盘亏处理单。

3.8 库存结算

根据出入库记录, 计算当前各种票卡库存结存数量。各种库存报表都是根据历次结存来计算。

3.9 出入库单的变更

用户本人录入的出入库单信息在结账前可以进行修改和删除, 对于他人录入的信息则没有此类权限。通常结账前出入库单信息可以变更, 一旦结账则无法变更, 此时需要特殊的权限来进行操作。

3.1 0 统计报表

按照库位、票种、业务类型、业务日期等等综合条件进行查询, 满足日常工作中各类数据统计和分析的需求。

4. 结束语

车票库存管理系统在实际工作中起到了至关重要的作用, 除了替代以前的手工记账、查账的方式, 减轻了工作量, 提高了工作效率, 除此之外, 还有检索迅速、查找方便、可靠性高、存储量大、保密性好、寿命长等手工管理所无法比拟的优点, 成为车票管理的重要手段, 通过查询报表功能不仅可以发现各种登记不规范的情况, 还可以通过数据发现管理上的漏洞, 对工作流程进一步加以规范, 车票库存管理系统在日常车票管理工作中发挥着科学化、正规化管理的重要作用。

摘要：车票是乘坐地铁的必备工具, 如何做好车票的管理工作, 直接影响着运营成本, 库存管理已经成为企业的一个重要组成部分, 随着经济的高速发展, 现代企业制度的不断完善, 利用信息化手段开发出车票库存管理系统, 为企业提供充足的信息和快捷的查询手段, 这在信息化横行的时代无疑成为必然趋势。本文主要讲述了车票库存管理系统的设计原理、模块组成及管理流程。

关键词：库存管理,信息化,地铁

参考文献

[1]张璐.库存管理系统设计及功能实现.数字技术与应用[J], 2010 (4) .