计算机物流信息管理系统的设计研究

发布时间：2014-10-01 10:24

2.2.1 数据库技术。数据库是按照数据结构来组织、存储和管理数据的仓库，以集中的方式控制数据，使用户可以按照不同的条件来查询、添加、修改信息。数据库通常分为层次式数据库、网络式数据库和关系式数据库。本系统中采用关系式数据库进行数据库设计。数据库设计分三个阶段：①需求分析：调查和分析用户的业务活动和数据的使用情况，确定所用数据的种类、数量、范围以及流通情况；②数据建模：首先建立概念数据模型，以此模型反应现实中各部门的信息结构、流通情况、信息要求等关系，再根据数据库管理系统将此概念模型转换为系统支持的逻辑数据模式；③物理设计：根据具体计算机结构将数据库管理系统所提供的存储结构、存取方法、存取路径等进行选定。
通常数据库设计还需要进行验证设计和运行维护设计
等。
2.2.2 数据挖掘技术。数据挖掘技术是一种从大量数据中寻找规律，揭示隐含的、未知的、具有潜在价值的信息的技术，可用于预测、关联分析、聚类、分类、偏差检测和时序模式搜索等，是决策支持系统的基础。数据挖掘主要包括三个步骤:①数据准备：从相关的数据源中选取所需的数据并整合成用于挖掘的数据集；②规律寻找：用某种方法将数据集所含的规律找出来；③规律表达：用用户可以理解的方式将所挖掘出的规律表达出来。
图 1 具体描述了在本物流系统中数据挖掘的流程，其中模型的建立是数据挖掘的核心，因此需要对本次开发中使用的 Microsoft 聚集挖掘模型作以简要的介绍。
Microsoft 聚集挖掘模型是一种基于迭代技术的挖掘方法，通过反复扫描数据找出相似特征，重新定义分组界限，将数据按照找出的特征进行新的聚集分类，具有无向、可处理大量数据集合节省内存的特点。
2.2.3 智能决策支持技术。智能决策分析技术就是将上述两种技术与人工智能相结合，应用现代管理科学、计算机科学的理论和方法，针对提出的决策问题进行决策分析、提出解决方案，帮助管理者快速做出正确决策的智能人机信息交互技术。智能决策支持系统的结构由三部分组成：①人机接口：用于表达决策问题、决策目标和决策方法；②问题处理系统：将提出的问题结构化分析，对于结构化问题采用构建模型计算求解，对于非结构问题则由推理机解决；③知识库子系统和推理机：存储不能用数据或者模型表示的知识和经验，并根据用户提出的问题对知识库中的规则等进行处理。

2.3 系统设计

2.3.1 数据库设计。本系统采用 Microsoft SQL Server 2000 作为外部数据库，表 1 为数据库表中商品信息表的设计结构，采购信息表、销售信息表、库存信息表等其他数据库表可参照表本系统采用 Visual Basic 进行开发，因此使用 VB 提供的 ADO 编程法进行数据库访问，即在窗体的 Load 事件过程中搭建一个可以连通数据库的“桥”程序，以此作为接口访问。代码如下：
Private Sub Form_Load()
Dim cn As ADODB.Connection
Dim rs As ADODB.Recordset
Dim sSQL As String
Dim sOut As String
Dim Count As Integer
Set cn = New ADODB.Connection
Set rs = New ADODB.Recordset ' Set properties of the Connection. cn.ConnectionString = "DSN=RDC Nwind;UID=;PWD=;" cn.ConnectionTimeout = 30 cn.Open
If cn.State = adStateOpen Then _
MsgBox "Connection to NorthWind Successful!" sSQL = "SELECT DISTINCT Orders.ShipCountry FROM
Orders"
Set rs = cn.Execute(sSQL)
'Enumerate the recordset sOut = "" For Count = 1 To 10 sOut = sOut & rs("ShipCountry") & vbCrLf rs.MoveNext
Next Count
MsgBox sOut, vbExclamation, "ADO Results" cn.Close
End Sub
2.3.2 数据挖掘设计。本系统采用 OLAP 聚集挖掘模型，步骤包括：确定挖掘数据库，选择挖掘算法，定义实例的键，处理模型。代码如下：
Dim dsorole as dso.role
Dim dsocol as dso.culumn
Set dsodb=dsosvr.mdstores(me.text2.text)
Set dsodmn=dsodb.miningmodels.addnew(.text3.text.sbclsolap)
付晓豹，等：计算机物流信息管理系统的设计研究
Set dsorle=dsodmn.roles.addnew(“all users”)
With dsodmn
.description=”数据挖掘”
.miningalgorithm=”Microsfot_decision”’选择挖掘算法
.caseminmension=”sales”‘选择挖掘维度
.trainingquery=’’’
.update end with end sub
本系统还采用了天才博通科技有限公司研发的 GDM 数据挖掘系统进行更为科学、快速、可视化的数据挖掘分析，以供用户对数据进行深度处理并实施决策。
2.3.3 功能模块设计。功能模块中多数功能基于数据库设计和数据挖掘设计完成，如采购、销售、库存、供应链的数据查询和报表生成可通过对数据库的访问来完成；各类曲线绘制、价格分析、客户需求分析和辅助决策等可调用数据挖掘系统对相应数据进行分析来生成。
除此之外，库存管理还需要按照如下几个标准进行调节标准进行控制：
①存货总成本：TC=D×U＋D/Q×K＋
0.5Q×C＋TCs
其中：D:年需求量，U：单位产品成本，Q：订货批次，K：每次订货成本，
C：单位产品年存储成本，TCs：缺货成本 J。
②经济订货量：最低总库存成本的合理订货量。

Q=姨2D×I/J
其中：D：年需求量，I：每次订货成本，J：单位货物报关仓储成本。
③永续盘存再订货点：检查日常库存状态确定再次进行订货的库存量点。
ROP=D×T＋SS
其中：D:平均日需求量，T：平均周期，SS：安全库存。
④定期盘存再订货点：按时间周期检查库存状态确定再订货的库存量点。
ROP=D×(T＋P/2)＋SS
⑤修正补给水平：将定期盘存和永续盘存结合，使用短间隔定期检查库存状态确定补给水平。
TGT=D×(T＋P)＋SS
⑥预测订货量：通常订货量要收到多种因素的影响。
Ft=Bt＋St＋T＋Ct＋Pt＋I
其中 Ft:t 时间需求水平，Bt：t 时间基本需求水平，St：t 时间季节因素，T（Bt+1/Bt）：t 时间趋势因素，Ct：t 时间周期因素，
Pt：t 时间促销因素，I：随即数量。
⑦实际订货量：Q=D×P＋M－N－B
其中 D：库存控制目标天数，P：日均销售量，M：在批发量，
N：当前库存量，B：再订量。
通过以上标准，可以对库存订货进行安排，实现库存量的合理控制。
至此，物流信息管理系统的核心设计已经基本完成，在通过使用 VB 对操作系统的界面进行绘制，对各模块间融合进行优化之后，该系统已经可以进入实际应用阶段，图 2 为系统客户管理功能的截图。
图2 客户管理界面

3 结语

本文通过对某物流公司物流信息系统的数据库、功能模块和智能决策技术详细分析，介绍了计算机物流信息系统的基本原理、结构和相关技术，最后提出了该系统的分析设计方案，通过数据库技术、数据挖掘分析技术和人工智能技术结合，成功的实现了物流信息自动化、科学化、高效化管理，为物流企业带来了更高的经济效益。随着计算机技术的不断发展，物流信息系统在网络化、集成化等方面还有很大的提升空间，通过更加深入的研究，物流信息系统一定会逐步完善功能，实现为物流公司提供更为科学高效的信息管理。

[参考文献]

[1]王燕.基于物联网的现代企业物流信息系统的设计与应用[J].软件导
刊,2012.
[2]陈京民.数据仓库与数据挖掘技术[M].北京:电子工业出版社,2002.
[3]马少斌.物流信息系统数据库设计[J].甘肃联合大学学报,2011.
[4]何留杰,李静.基于计算机的天车物流管理系统设计[J].物流技术,
2012.
[5]莫卫东.VisualBasiC6.0 高级编程技巧—数据访问篇[M].西安：西安交通大学出版社,2000.
[6]聂耿青,吴燕.现代化物流中心管理信息系统的设计与实现[J].物流技术,2006.

本文编号：9383