由于目前仓储物流业的规模都比较大, 所以其接受客户的订单也就比较多, 大量订单带来一系列的问题。首先, 订单的增多意味着大量货物相关信息的存储, 如物品的客户信息、发货信息、紧迫度信息、存储入库信息、出库信息等就会形成一系列大量的有用信息, 这些信息需要有效的处理。另外由于订单的增多还会导致物品种类的增多, 物品种类的增多所带来的问题也比较突出, 迫切需要仓储企业考虑货物种类的分类以及存储问题, 有些货物属于危险品, 有些东西属于易燃、易爆物品, 还有的物品属于易碎、易破损产品, 不同物品的不同特性都需要仓储管理人员对所仓储物品做不同的仓储的解决方案。因此最为重要和迫切的问题是对大量订单的仓储货物信息进行有效的动态管理, 本文就是利用数据库的知识将仓储物品相关的信息进行整理与搜集, 然后存储在计算机的数据库中以方便后续的查询与分析等。

数据库技术在各行各业中的应用已日益广泛, 最初数据库的定义是按照数据结构对数据进行组织、存储以及管理数据的仓库, 根据定义可以看出数据库的实质是根据数据本身的性质以及组织结构将其进行分类存储以及对其进行查询和管理的一个自动化存储系统。

数据库可以大致分为三个主要的层次;第一个层次为物理层, 该层次的载体是各种存储的设备, 包括一些硬盘以及内存等, 数据都是以0-1代码的形式存储, 在该层次下数据主要是由指令下的位串、字符以及字组成;第二层次为概念数据层, 该层利用逻辑表示出了数据库的整体, 在这里定义每个数据的逻辑以及每个数据之间的相互的逻辑关系;第三层次为逻辑数据层, 表示了一个或一些特定用户使用的数据集合, 即逻辑记录的集合。

数据库的模式种类大致可以分为层次模型数据库、关系模型数据库以及网状模型数据库等。其中前两种数据库的类型都是构造类型的, 是一种格式化的模型。但是随着仓储技术的不断发展, 新形势要求使得这两种数据库技术已经不再适应现在的情况。微软公司在20世纪90年代提出了关系数据库的新概念, 与以往层次数据库技术与网状数据库结构所不同的是, 该数据库技术能够使数据变得独立, 而且使不同的类型数据之间具有一定的相容性。目前关系数据库技术在各行各业的应用日益深入, 在各行各业的数据的管理中发挥着巨大的作用。在关系数据库中表示数据的方法或者是表示其关系的做法是将其制作成表格的形式, 这些表格即表示了数据又表示了数据与数据之间的关系。关系数据库模型的核心是关系, 即数据的集合就是各种关系的集合。

目前的数据库的形式通常都支持SQL查询语句。数据库查询语句的广泛支持性使得在编写前台的应用程序时可以将应用程序所用到数据放到单独的数据库中, 程序与数据的连接可以通过SQL查询语句来连接。

模式分解有以下几种情形, 首先如果关系数据库模型中的每个关系都已经不可再分, 那么该关系模式为第一范式, 从实际情形中各种数据来看, 这种数据库模型是最为常见也是最为基本的一种数据库模型, 但是在很多的情况下应用此模式并不是最为理想的方式。如果关系数据库模式为第一范式, 但是对应的非主属性要完全靠候选键来确定, 那么该关系数据库模式就是第二范式。第三种范式所具有的特点是其本身也属于第一种范式, 但是非主属性跟关系数据库的候选键没有直接的关系。BC范式是最后一种情况, 如果某个关系模型属于第一范式, 但每个属性对于关系数据库候选键没有传递性。

立体仓储货物由于货物的相关信息以及以货物为核心的相关的业务流程信息的繁多, 那么就要求该数据能够存储到相关的存储设备上, 也就是数据库中。首先是货物的交接包括交接的相关双方的时间信息、地点信息以及货物的种类信息货物的相关的发货信息、客户信息以及存储时间信息, 还包括紧迫度信息等, 这些信息在交接后可由仓储相关的管理人员采用录入的方式实现存储, 其次, 货物入库时需要有入库相关信息的存储, 比如入库的时间、入库交接双方业务员的信息以及货物种类状态是否良好的相关信息。最后, 货物实现入库之后存储位置的信息, 货物存储的状态的信息以及货物相关业务流程信息, 既可以通过仓储管理人员录入, 也可以通过相关的设备实现自动录入, 可以对数据库中的信息利用数学建模的知识建立相关目的分析模型, 对数据进行分析, 得到货物状态的信息, 可对日常货物管理及业务流程优化起到指导的作用。

数据库中数据的存储方式是对仓储业务流程过程中各种事物的属性进行抽象化, 然后建立各种不同数据的表格形式。在物资仓储的过程中所涉及的数据类型主要包含两种基本形式:一种为货物的各种属性以及物资出入库过程中各种数据的记录等, 具体来讲物资在仓储过程中的属性包括了每一件货物的编码信息、种类信息、数量信息、体积信息、重量信息、生产日期、生产厂家等。在物资出入库的过程中, 货物又增加了许多的属性, 如入库的时间、交接双方责任人信息、货位分配信息等, 所有的这些数据构成了货物数据的各种属性数据。本文将货物作为数据库的一次信息的记录, 然后将货物的属性设为各种相应的字段。通过货物在仓储过程中的数据生成, 本文建立了两个表格, 其中一个表格为货物基本属性表, 其次为货物出入库属性表。其中货物基本属性表其属性包括货物的编号、种类、数量、体积以及重量等。货物出入库属性表包括货物存储的位置、入库的时间、物资出库的时间、交接双方责任人信息等, 然后通过货物出入库时对相应货物数据表格的运算, 实现了货物出入库后数据的更新。这两种表格以及对表格相应的运算, 基本实现了仓储货物的信息利用数据库中数据的形式来表示。

在确定仓储货物的表示方法之后, 接下来就要根据货物各种数据的输入来生成两种对应的表格, 第一种单据为货物的基本属性单据, 第二种是货物的出库以及入库单据等。这些单据用以查询, 但是无法对其进行相应的数据处理。这些数据一般存储在计算机的磁盘上或者内存中, 数据的传输与调用完全通过计算机的程序而不用通过人工的输入, 这在一定程度上提高了系统的效率。

一般来说, 建立数据库的作用是为了能够对仓储管理过程中货物的各种属性进行及时的查询, 掌握货物实时的状态, 使管理人员来对货物进行统筹安排。假设在仓储管理的过程中, 有关人员需要查询某类货物存储的位置, 那么就可以利用下面的查询语句进行货物位置的查询:

如果知道货物的种类要查询货物的编号, 或者货物的体积, 或者货物的重量等都可以按照上述方式进行查询, 只需要将关键字进行替换即可。对物资的出入库属性进行统计的话, 相应的查询语句如下:

除此之外还可以利用相应的查询语句组合的方式对物资的各种属性进行查询。

利用货物基本属性的数据库, 可以对其中的数据进行数据挖掘, 得到对人们有利的管理经验, 通过海量数据中隐藏的规律, 对仓储的情况进行分析, 可得到仓储运作的一个情形。该技术的主要方式与步骤是首先从数据库中寻找与人们想得到的数据相关的原始数据, 然后通过一定的算法对数据进行分析, 这样就可以得到诸如仓储货物的消耗速度等内在深入分析。

一般来说事物的分类是根据事物区别于其他事物所不同的属性, 进行相应的分类工作。事物的分类是为了更好地处理事物或者更好地对事物进行分析。在本文中, 货物的分类也是按照货物的属性进行的, 可以得到货物在不同的属性之下更好的处理方式, 如对货物的进货或者发货地进行分类, 可以有效降低物流运输的成本, 货物按其种类进行货位分配不仅能够更加方便管理还能够提高拣货的效率, 因此对货物进行分类存储, 也是利用数据库中数据的方式之一。

仓储货物库存的预算与估计是数据库技术在仓储货物管理中最为经典的应用之一。对仓库中的每一类货物都根据物资出入库等数据建立该种物资消耗的模型, 然后通过设定每种物资短缺的一个阈值对货物进行实时监测, 如果货物数量出现短缺, 就要对仓库中的物资进行相应的调度。

货物的聚类与货物的分类是联系在一起, 通常是根据货物某些共性特征先对其进行相应的聚类操作, 然后再根据货物的某些属性, 对货物进行相应的分类操作, 聚类是分类的基础, 一般货物总是先进行聚类操作, 然后在进行分类操作。

每次货物的出库都不是单独的某种货物的出库, 往往伴随着其他货物的出库。通过对货物的出库数据进行相应的分析, 得到货物与货物出库之间的关联, 或者说是某种货物的出库都伴随着一系列货物的出库等现象, 通过对货物进行出库关联性分析, 将有相互关联的货物放置在一起, 有利于提升货物出库的速度。

目前仓储物流业面临着海量信息的存储及分析的困难, 这是制约着现代仓储物流业提高管理水平。仓储管理水平的高低直接决定了企业的业务成本以及经营效率, 所以货物信息的采集、存储以及分析是该行业发展所面临的一个瓶颈, 本文将数据库的知识应用于立体仓储货物管理系统的建设, 利用数据库技术建立仓储业信息存储载体, 构建相关信息的挖掘与分析系统, 从而促进仓储物流业管理水平的提升。