引言
隨著制造業數字化轉型的深入，物料管理作為工廠生產運營的核心環節，其信息化、智能化水平直接影響生產效率與成本控制。傳統的物料管理多依賴手工記錄或孤立的信息系統，存在數據不同步、追溯困難、決策滯后等問題。本文旨在設計并實現一個基于現代Web技術的工廠物料管理系統，采用Flask作為后端框架，Vue.js作為前端框架，并搭配Element UI組件庫，構建一個高效、直觀、可擴展的管理平臺，以滿足畢業設計（論文）在計算機軟硬件領域的綜合實踐要求。
系統架構設計
本系統采用前后端分離的架構模式，清晰劃分了關注點，提升了開發效率與系統可維護性。
- 后端架構（Flask）: 使用Python的輕量級Web框架Flask構建RESTful API。它負責核心業務邏輯、數據處理與數據庫交互。主要模塊包括：
- 模型層（Model）: 使用SQLAlchemy ORM定義物料、倉庫、供應商、入庫單、出庫單、用戶等數據實體及其關系，實現與MySQL數據庫的映射。
- 視圖層（View/Controller）: 設計一系列API端點，處理前端發起的HTTP請求（如GET、POST、PUT、DELETE），完成數據的增刪改查、庫存盤點、流水查詢、權限驗證等操作。
- 服務層: 封裝復雜的業務邏輯，如庫存預警、物料追溯、報表生成等，確保代碼結構清晰。
- 前端架構（Vue.js + Element UI）: 使用Vue.js構建單頁面應用（SPA），提供動態、響應式的用戶界面。Element UI作為基于Vue的桌面端組件庫，為系統提供了豐富、美觀且一致的UI組件。
- 路由管理: 使用Vue Router實現頁面間的無刷新跳轉，對應不同的功能模塊（如儀表盤、物料管理、出入庫、報表統計）。
- 狀態管理: 對于跨組件共享的數據（如用戶登錄狀態），采用Vuex進行集中式狀態管理。
- 組件化開發: 將頁面拆分為可復用的組件，如搜索框、表單、數據表格、圖表等，提高開發效率。
- API交互: 使用Axios庫與后端Flask API進行異步通信，獲取和提交數據。
- 數據庫設計: 采用關系型數據庫MySQL，設計規范化的數據表結構，確保數據完整性。核心表包括：
material（物料信息）、warehouse（倉庫信息）、inbound<em>order/outbound</em>order（出入庫單）、inventory（實時庫存表）等，并建立適當的索引以優化查詢性能。
系統核心功能模塊實現
- 用戶認證與權限管理: 實現基于JWT（JSON Web Token）的登錄認證。不同角色（如管理員、倉庫員、采購員）擁有不同的操作權限，通過后端API中間件和前端路由守衛進行雙重控制。
- 物料主數據管理: 提供對物料基礎信息（編碼、名稱、規格、型號、單位、分類、安全庫存等）的增刪改查功能，支持Excel導入導出。
- 倉庫與庫存管理:
- 多倉庫管理: 支持定義多個物理或邏輯倉庫。
- 實時庫存監控: 系統自動根據出入庫記錄計算并展示各物料在各倉庫的實時庫存量。
- 庫存預警: 當物料庫存低于設定的安全庫存時，系統在儀表盤或通過消息進行預警提示。
- 出入庫流程管理:
- 入庫管理: 支持采購入庫、生產退料入庫等，創建入庫單，自動更新庫存。
- 出庫管理: 支持生產領料、銷售出庫等，創建出庫單，執行庫存扣減，并支持先進先出（FIFO）等策略。
- 流水追溯: 詳細記錄每一次物料移動的流水，可追溯任一物料的來源與去向。
- 查詢與報表統計:
- 綜合查詢: 提供多條件組合查詢，快速定位物料、單據。
- 可視化報表: 利用ECharts等庫，在儀表盤或報表頁面生成庫存量趨勢圖、物料出入庫統計圖等，輔助管理決策。
- 操作日志: 記錄關鍵操作日志，便于審計。
軟硬件環境與關鍵技術
- 軟件開發環境: PyCharm / VS Code, Node.js, npm/yarn。
- 后端技術棧: Python 3.x, Flask, SQLAlchemy, JWT, MySQL。
- 前端技術棧: Vue.js 2.x/3.x, Vue Router, Vuex, Axios, Element UI, ECharts。
- 硬件部署環境: 可部署于普通PC服務器或云服務器（如阿里云ECS），滿足畢業設計演示與小型工廠試用需求。
與展望
本項目成功設計并實現了一個功能相對完備的工廠物料管理系統。系統結合了Flask的高效靈活與Vue.js的響應式前端優勢，借助Element UI實現了良好的用戶體驗。它有效解決了傳統物料管理中的信息孤島問題，提升了庫存準確性和管理效率，達到了計算機專業畢業設計在系統分析、設計、編碼、測試等方面的綜合訓練目的。
未來展望：系統可進一步擴展，集成條形碼/RFID掃描設備實現快速盤點和出入庫；增加與ERP、MES等企業級系統的接口；引入大數據分析進行需求預測；或遷移至微服務架構以支撐更大規模的并發訪問。
