论文部分内容阅读
信息化建设有利于提高企业生产效率和管理水平,保障企业健康发展。在一些电子元器件筛选企业中,由于与客户企业网络隔离造成双方信息阻塞,导致客户不能及时掌握送检进度。而筛选企业在进行任务安排时,因不能提前合理预估企业客户送检任务量,造成未能按时完成筛选任务的情况发生。因此,利用信息技术实现内外网数据安全快捷共享,同时使用数据分析与预测技术在电子元器件筛选企业进行任务决策时提供支持,无疑有利于提高企业生产效率和管理水平。本文介绍了电子元器件送检流程追踪与统计分析预测系统的设计与实现。根据西安某电子有限公司(以下简称S公司)对系统的使用规划,本系统将由两个子系统组成。基于客户对开发语言的要求,将分别采用不同的软件系统结构和技术路线。基于C/S结构的电子元器件送检流程追踪子系统,设计了内外网络信息传输方案,实现信息安全快捷共享。同时对送检流程中电子元器件物资状态进行标记和追踪,并提高了送检工作效率。本子系统主要功能模块包含送检流程追踪、合格证管理、日志管理等。其中送检流程追踪是对送检流程进行优化设计和物资状态追踪。合格证管理是简化合格证出具操作,提高合格证管理工作效率。日志管理是记录用户操作信息,方便以后事故责任划分。系统客户端开发时使用VB语言,内外网信息传递方案中使用了比较流行的QR Code二维码技术,同时结合AES加密和Base64编码等技术实现信息安全快捷传输。基于B/S结构的统计分析预测子系统,主要是分析历史数据并预测未来数据趋势,为S公司任务决策提供支持。同时还包括对历史数据进行统计计算并绘制图表,减轻工作人员负担。本子系统主要功能模块包含统计分析、周期计算和任务预测等。其中统计分析是对历史数据进行统计计算。周期计算是对电子元器件检测周期的预估,而任务预测是分析历史数据规律并预测未来变化趋势。系统在编码实现中采用Spring Boot、Spring MVC、MyBatis等框架提高开发效率,使用Thymeleaf模板引擎和Highcharts图表库完成前端可视化,同时使用负载均衡服务器Nginx和缓存数据库Redis对系统性能调优。在任务趋势分析与预测中使用开源Prophet框架从不同成分对历史数据进行分析,使用TensorFlow深度学习框架对历史数据进行训练并预测未来变化趋势。系统在生产环境已经稳定运行一年多,从反馈情况来看,很好地解决了用户的痛点,切实提高了送检工作效率,得到了用户好评。