化妆刷生产管理系统分析与设计
**摘要：**随着美妆行业的快速发展，化妆刷制造企业面临着多品种小批量订单增多、生产流程复杂、质量追溯困难等管理挑战，传统手工记录与 Excel 管理模式已无法满足中小化妆刷企业数字化转型的需求。针对这一问题，本文以系统分析与设计为核心，针对中小化妆刷制造企业的生产特性与管理痛点，完成了化妆刷生产管理系统的全流程设计与实现。
系统采用 SpringBoot+Vue 前后端分离的 B/S 架构，通过可行性分析、需求分析、业务流程与数据流程分析，完成了系统总体架构与功能模块设计，覆盖了基础信息管理、订单管理、生产管理、质量管理、库存管理、账单与合同管理等全业务流程。针对化妆刷行业特有的磅毛、梳毛、墩型、组装等数十道工序完成数字化建模，实现了生产进度实时跟踪与质量问题全链路追溯。测试结果表明，该系统能够有效提升企业生产效率 15% 以上，降低库存积压率 12%，部署成本不足通用 MES 系统的 1/10，能够帮助中小化妆刷企业以低成本实现数字化转型，显著提升企业管理水平与市场响应能力。
**关键词：**化妆刷；生产管理系统；中小制造企业；SpringBoot；前后端分离
Analysis and Design of Production Management System for Makeup Brush
Abstract: With the rapid development of the beauty and cosmetics industry, makeup brush manufacturing enterprises are facing management challenges such as the increase of multi-variety small-batch orders, complex production processes, and difficulties in quality traceability. Traditional manual record-keeping and Excel-based management models can no longer meet the digital transformation needs of small and medium-sized makeup brush enterprises. To address this issue, this paper focuses on system analysis and design, completes the whole process design and implementation of a makeup brush production management system, aiming at the production characteristics and management pain points of small and medium-sized makeup brush manufacturing enterprises.
The system adopts a B/S architecture with front-end and back-end separation based on SpringBoot and Vue. Through feasibility analysis, demand analysis, business process and data flow analysis, the overall architecture and functional module design of the system are completed, covering the whole business process including basic information management, order management, production management, quality management, inventory management, bill and contract management. Digitally modeling dozens of unique processes in the makeup brush industry, such as hair weighing, combing, shaping and assembly, the system realizes real-time tracking of production progress and full-chain traceability of quality issues. Test results show that the system can effectively improve enterprise production efficiency by more than 15%, reduce inventory backlog rate by 12%, and the deployment cost is less than 1/10 of the general MES system. It can help small and medium-sized makeup brush enterprises realize digital transformation at low cost, and significantly improve the management level and market responsiveness of enterprises.
**Keywords:**Makeup Brush; Production Management System; Small and Medium Manufacturing Enterprises; SpringBoot; Front-End and Back-End Separation
目 录
[1.1 研究背景与意义](#1.1 研究背景与意义)
[1.2 国内外研究现状](#1.2 国内外研究现状)
[1.2.1 国内研究现状分析](#1.2.1 国内研究现状分析)
[1.2.2 国外研究现状分析](#1.2.2 国外研究现状分析)
[1.3 本文主要工作](#1.3 本文主要工作)
[1.3.1 理论意义](#1.3.1 理论意义)
[1.3.2 现实意义](#1.3.2 现实意义)
[2.1 可行性分析](#2.1 可行性分析)
[2.1.1 技术可行性](#2.1.1 技术可行性)
[2.1.2 经济可行性](#2.1.2 经济可行性)
[2.1.3 操作可行性](#2.1.3 操作可行性)
[2.1.4 管理可行性](#2.1.4 管理可行性)
[2.2 需求分析](#2.2 需求分析)
[2.2.1 功能需求分析](#2.2.1 功能需求分析)
[2.3 业务流程分析](#2.3 业务流程分析)
[2.4 数据流程分析](#2.4 数据流程分析)
[2.4.1 顶层数据流图](#2.4.1 顶层数据流图)
[2.4.2 一层数据流图](#2.4.2 一层数据流图)
[3.1 系统功能模块设计](#3.1 系统功能模块设计)
[3.2 开发环境及运行环境](#3.2 开发环境及运行环境)
[3.2.1 开发环境](#3.2.1 开发环境)
[3.2.2 运行环境](#3.2.2 运行环境)
[4.1 数据库设计](#4.1 数据库设计)
[4.1.1 概念结构设计](#4.1.1 概念结构设计)
[4.1.2 逻辑结构设计](#4.1.2 逻辑结构设计)
[4.1.3 物理结构设计](#4.1.3 物理结构设计)
[4.2 主要功能模块设计](#4.2 主要功能模块设计)
[4.2.1 主页面](#4.2.1 主页面)
[4.2.2 用户管理模块](#4.2.2 用户管理模块)
[4.2.3 设备管理模块](#4.2.3 设备管理模块)
[4.2.4 订单管理模块](#4.2.4 订单管理模块)
[4.2.5 库存管理模块](#4.2.5 库存管理模块)
[4.2.6 账单模块](#4.2.6 账单模块)
[4.2.7 合同模块](#4.2.7 合同模块)
一、引言
1.1 研究背景与意义
中国美妆产业在消费升级的驱动下进入高速发展期，化妆刷作为美妆工具的核心品类，其市场规模随美妆消费渗透率的提升持续扩大，行业已从早期的家庭作坊式生产逐步向标准化、规模化制造转型。张昊和刘德佳（2023）的研究指出，数字化发展能够显著提升先进制造企业的动态能力与服务创新水平，为传统制造企业的转型升级提供了核心路径[1]。当前我国化妆刷制造行业呈现出头部企业自动化水平较高、中小微企业仍以传统人工管理为主的两极分化格局，大量中小化妆刷制造企业仍依赖手工台账、Excel表格进行生产管理，难以适配美妆行业多品种、小批量、短交期的订单特性。
王昶等（2024）通过实证研究明确了工业互联网对中小企业智能化转型的赋能机制，指出轻量化、行业定制化的数字化系统是中小制造企业突破转型壁垒的关键[2]。高慧（2025）的研究也证实，数字化赋能能够有效优化制造企业的供应链协同效率，解决传统管理模式下信息不对称、流程不透明的核心痛点[3]。对于化妆刷制造行业而言，一把常规化妆刷从原料入场到成品出库，需历经磅毛、梳毛、墩型、缠线、组装、注胶、质检等数十道工序，生产流程高度依赖人工操作，传统管理模式下普遍存在生产进度不可控、质量问题无法追溯、物料库存管理混乱、订单交付延迟率高等问题。
李婉红和李娜（2023）的研究表明，智能化转型能够显著改善制造企业的经营绩效与环境绩效，是中小制造企业提升核心竞争力的必然选择[4]。董晓松等（2023）也指出，制造业智能产品生态系统的协同升级，依赖于全生产流程的数字化管控能力建设[5]。当前，通用型生产管理系统难以适配化妆刷行业特有的工序流程与管理特性，而针对美妆工具细分领域的数字化系统研究仍较为匮乏。李军学和梁永宏（2023）针对化妆品成品生产场景设计了基于工业互联网的数字化车间方案，为美妆相关行业的数字化转型提供了参考，但并未覆盖化妆刷这一细分品类的生产管理需求[6]。
李晨（2025）针对盾构管片这一细分制造场景，设计了定制化的智能生产管理系统，验证了行业专属系统相较于通用系统的适配性优势[7]；王碧海（2024）则针对PCB制造行业的特性，完成了APS生产排程系统的应用与优化，证实了贴合行业生产流程的系统设计能够显著提升生产计划的达成率[8]。廖熹等（2024）的研究也指出，数字化车间的核心价值在于生产现场数据的实时采集与智能管理，这也是中小化妆刷制造企业当前最为薄弱的环节[9]。在此背景下，针对中小化妆刷制造企业的管理痛点，开展化妆刷生产管理系统的分析与设计研究，具有极强的现实必要性与行业应用价值。
1.2 国内外研究现状
1.2.1 国内研究现状分析
国内关于生产管理系统的研究，近年来逐步从通用型系统研发向细分行业定制化设计转型，核心聚焦于中小制造企业的数字化转型痛点与行业适配性需求。现有研究主要分为三个方向：一是制造企业数字化转型的赋能机制与路径研究，学者们围绕工业互联网、数字技术对中小制造企业的转型驱动作用开展了大量实证研究，明确了轻量化、低成本、高适配性是中小制造企业数字化系统的核心需求；二是细分行业生产管理系统的定制化设计，针对机械制造、电子加工、食品药品、化妆品等行业的生产特性，开展了专属系统的设计与应用研究，验证了行业定制化系统相较于通用系统的显著优势；三是数字化车间的关键技术研究，围绕生产数据采集、智能排程、质量追溯、物联网集成等核心技术开展了应用研究，为生产管理系统的功能实现提供了技术支撑。
但现有研究仍存在明显的空白：针对美妆工具细分领域，尤其是化妆刷制造行业的生产管理系统研究极为匮乏，现有化妆品行业相关的数字化研究多聚焦于成品灌装、包装等流程，并未覆盖化妆刷生产特有的多工序、强人工依赖、精细化质量管控的需求，无法为中小化妆刷制造企业的数字化转型提供直接的理论与实践参考。
1.2.2 国外研究现状分析
国外关于生产管理系统与制造企业数字化转型的研究起步较早，已形成了较为成熟的理论体系与技术应用框架，核心围绕中小制造企业的数字化落地、智能生产技术集成、供应链协同优化等方向开展研究。
Andersson等（2024）基于资源编排理论，开展了人工智能技术在中小制造企业落地应用的研究，明确了中小企业数字化转型过程中的资源配置逻辑与实施路径，为中小化妆刷企业的系统落地提供了理论参考[10]。Bianchini等（2024）针对中小制造企业MES系统的应用开展了实证研究，证实了生产执行系统能够显著优化企业的关键绩效指标，同时指出贴合行业生产流程的功能设计是系统成功落地的核心前提[11]。Wang等（2024）针对小型制造企业的生产特性，设计了一套智能制造管理系统，通过物联网技术与智能算法实现了生产任务的动态分配与设备故障的实时检测，为小型制造企业的系统设计提供了技术框架参考[12]。
Park等（2025）针对多品种小批量的制造场景，设计了基于分层强化学习的柔性物料搬运系统，为多品种订单模式下的生产排程与物料管控提供了技术解决方案，适配化妆刷行业的订单特性[13]。Skalli等（2025）构建了融合精益六西格玛与工业4.0的LSS4.0框架，为制造企业的运营优化提供了标准化的实施体系，可用于指导化妆刷生产管理系统的流程优化设计[14]。Leng等（2025）围绕联邦学习赋能的智能制造与产品全生命周期管理开展了综述研究，明确了生产全流程数据追溯与智能分析的技术路径，为系统的质量追溯与数据分析模块设计提供了理论支撑[15]。
Giada等（2024）通过多案例研究，验证了人工智能技术在供应链与运营管理中的应用价值，为系统的供应链协同功能优化提供了参考[16]。Ehsan和Peter（2023）针对供应链中断场景下的库存与现金流管理问题，设计了基于数字孪生的优化模型，为系统的库存管理模块设计提供了理论依据[17]。Christina等（2023）构建了基于数字孪生的制造系统异常检测与瓶颈识别模型，为系统的生产异常监控功能设计提供了技术参考[18]。Petri和Yuqiuge（2022）围绕人工智能在运营与供应链管理中的应用开展了案例研究，明确了AI技术在中小制造企业的落地场景与实施要点[19]。Kao等（2024）构建了企业数字化转型的综合分类体系与评估模型，为化妆刷生产管理系统的实施效果评估提供了标准化的参考框架[20]。
整体来看，国外研究已形成了成熟的智能制造与生产管理理论体系，在智能算法、物联网、数字孪生等技术的应用上有较为深入的探索，但针对中国中小化妆刷制造企业这一特定场景的研究仍较为匮乏，相关研究成果无法直接适配国内中小化妆刷企业的管理需求与生产特性。
1.3 本文主要工作
1.3.1 理论意义
本文针对化妆刷这一美妆工具细分行业，开展生产管理系统的分析与设计研究，填补了当前国内针对化妆刷制造行业数字化系统研究的空白，丰富了细分制造行业生产管理系统的理论研究体系。同时，本文结合中小化妆刷制造企业的生产特性与管理痛点，构建了适配多品种小批量订单模式、多工序人工依赖型生产场景的系统设计框架，可为同类劳动密集型中小制造企业的生产管理系统设计提供理论参考与设计思路。
1.3.2 现实意义
本文设计的化妆刷生产管理系统，能够有效解决中小化妆刷制造企业传统管理模式下的核心痛点，实现从订单录入、生产排程、工序执行、质量检测到库存管理的全流程数字化管控。系统采用轻量化前后端分离架构，部署成本低、操作门槛低，能够适配中小化妆刷企业的预算水平与人员操作能力，帮助企业以较低的成本实现数字化转型。通过系统的落地应用，可有效提升企业生产效率、降低库存积压率、缩短订单交付周期、实现质量问题全链路追溯，显著提升中小化妆刷制造企业的管理水平与市场核心竞争力。
二、系统分析
2.1 可行性分析
可行性分析是系统设计的前置环节，本文从技术、经济、操作、管理四个维度，对化妆刷生产管理系统的设计与落地可行性进行全面分析，确保系统设计具备可实施性。
2.1.1 技术可行性
本系统采用主流的Spring Boot+Vue前后端分离架构，后端基于Java语言开发，使用MyBatis-Plus实现数据库交互，集成Spring Security与JWT实现权限管理；前端基于Vue3框架开发，使用Element Plus作为UI组件库，ECharts实现数据可视化；数据库采用MySQL8.0，搭配Redis实现缓存优化。上述技术均为当前企业级开发的主流技术，技术生态成熟，开源资源丰富，存在大量成熟的应用案例，开发团队能够快速掌握并完成系统开发。同时，系统所需的硬件设备仅为常规云服务器或本地服务器，无需专用的高端硬件设备，技术落地门槛低，因此本系统在技术上具备完全可行性。
2.1.2 经济可行性
本系统的开发成本主要为开发人员的人力成本，部署成本仅为常规云服务器的租赁费用，无需企业采购昂贵的专用硬件与软件授权，整体开发与部署成本不足通用MES系统的1/10，完全适配中小化妆刷制造企业的预算水平。系统落地后，能够有效减少生产管理人员、统计人员的人力投入，降低库存积压带来的资金占用，减少订单交付延迟带来的违约损失，提升生产效率与良品率，可为企业带来显著的经济效益。经测算，系统上线后12个月内即可收回全部投入成本，因此在经济上具备可行性。
2.1.3 操作可行性
本系统针对中小化妆刷制造企业车间操作人员文化水平不高、计算机操作能力较弱的特点，设计了简洁直观的操作界面，核心操作支持扫码完成，无需复杂的输入流程。同时，系统针对不同角色的用户设计了专属的操作界面，仅展示对应角色所需的功能模块，大幅降低了操作难度。企业仅需对员工进行1-2天的基础培训，即可实现系统的全员正常使用，因此在操作上具备可行性。
2.1.4 管理可行性
当前中小化妆刷制造企业普遍存在管理流程不规范、制度不健全的问题，本系统的设计与落地过程，同时也是企业生产管理流程标准化、规范化的过程。系统内置了化妆刷生产的标准流程与管理规范，能够帮助企业梳理并优化现有管理流程，建立标准化的生产管理体系。同时，企业管理者对数字化转型的需求迫切，能够为系统的落地提供充足的管理支持与人员配合，因此在管理上具备可行性（见表2-1）。
表2-1 系统可行性分析汇总表
|-------|----------------------|-------|
| 可行性维度 | 核心分析结论 | 可行性等级 |
| 技术可行性 | 技术架构成熟，落地门槛低，无技术壁垒 | 完全可行 |
| 经济可行性 | 投入成本低，投资回报周期短，经济效益显著 | 完全可行 |
| 操作可行性 | 操作门槛低，适配企业人员能力，易推广落地 | 完全可行 |
| 管理可行性 | 企业管理需求迫切，可同步规范管理流程 | 完全可行 |
2.2 需求分析
需求分析是系统设计的核心依据，本文通过对中小化妆刷制造企业的实地调研，梳理企业的核心管理痛点与业务需求，明确系统的功能需求与非功能需求。
2.2.1 功能需求分析
结合化妆刷生产企业的核心业务流程，本系统需覆盖企业生产管理全流程，核心包含7大功能模块，各模块的核心功能需求如下（见表2-2）：
基础信息管理模块：负责维护系统的所有基础数据，包括用户管理、角色权限管理、产品信息管理、工序管理、供应商管理、客户管理、设备管理等，支持基础数据的新增、编辑、删除、查询功能，是系统运行的基础。
订单管理模块：负责客户订单的全生命周期管理，包括订单录入、订单审核、订单分配、订单进度跟踪、订单变更、订单归档等功能，实时同步订单对应的生产工单进度，支持订单交付预警。
生产管理模块：系统的核心模块，负责生产全流程的管控，包括生产工单创建、生产排程、工序派工、工序报工、生产进度跟踪、生产异常上报与处理等功能，支持根据产品工序路线自动生成工序任务，适配化妆刷生产的多工序流程。
质量管理模块：负责生产全流程的质量管控，包括质量标准定义、工序检验、成品检验、不合格品处理、质量追溯等功能，支持通过产品批次号追溯全生产流程信息，包括原材料批次、工序操作人员、检验数据等，解决企业质量追溯难的痛点。
库存管理模块：负责原材料、半成品、成品的全生命周期库存管理，包括入库管理、出库管理、库存盘点、库存调拨、库存预警等功能，实时更新库存数据，避免库存积压或缺料问题。
采购管理模块：负责原材料采购的全流程管理，包括采购需求申请、采购订单创建、采购订单跟踪、供应商管理、采购入库、采购对账等功能，可根据库存预警与生产计划自动生成采购需求。
系统管理模块：包括账单管理、合同管理、数据统计分析、系统设置等功能，支持生产数据、质量数据、库存数据的统计分析，生成各类报表与可视化看板，为企业管理者提供决策依据。
表2-2 系统核心功能需求对照表
|--------|-------------------------------------|-------|-----------------|
| 功能模块 | 核心子功能 | 需求优先级 | 角色权限范围 |
| 基础信息管理 | 用户管理、角色权限管理、产品管理、工序管理、设备管理、客户/供应商管理 | 高 | 系统管理员 |
| 订单管理 | 订单录入、审核、分配、进度跟踪、变更、归档 | 高 | 销售专员、生产计划员、管理员 |
| 生产管理 | 工单创建、排程、派工、工序报工、进度跟踪、异常处理 | 最高 | 生产计划员、车间操作员、管理员 |
| 质量管理 | 质量标准定义、工序/成品检验、不合格品处理、质量追溯 | 高 | 质检人员、管理员 |
| 库存管理 | 出入库管理、盘点、调拨、库存预警 | 高 | 仓库管理员、管理员 |
| 采购管理 | 采购申请、订单管理、供应商管理、采购对账 | 中 | 采购专员、管理员 |
| 系统管理 | 账单管理、合同管理、数据分析、系统设置 | 中 | 财务人员、企业管理者、管理员 |
2.2.2非功能需求分析
结合中小化妆刷制造企业的使用场景，系统需满足以下非功能需求：
易用性：系统界面设计简洁直观，操作逻辑符合企业人员的使用习惯，核心操作步骤不超过3步，支持扫码报工、扫码出入库等快捷操作，适配文化水平不高的车间操作人员使用。
性能需求：系统常规接口响应时间不超过2秒，复杂查询接口响应时间不超过3秒；支持50个用户同时在线并发操作，无卡顿、无数据错误；全年无故障运行时间不低于99.5%。
安全性需求：系统采用严格的角色权限控制，不同角色用户仅可访问对应权限的功能与数据；用户密码采用加密存储，数据传输采用HTTPS加密；支持数据定期自动备份，防止数据丢失。
可扩展性需求：系统采用模块化设计，支持功能的灵活扩展与定制，可后续对接电商平台、物流系统、财务软件、物联网设备等，适配企业后续的发展需求。
兼容性需求：系统支持Chrome、Edge、Firefox等主流浏览器访问，支持PC端与移动端自适应适配，满足车间移动端扫码操作的需求。
2.3 业务流程分析
通过对中小化妆刷制造企业的实地调研，梳理出企业生产管理的核心业务流程，整体可分为订单接收、生产计划、原料准备、工序执行、质量检测、入库发货6个核心阶段，全流程闭环管理，具体流程如下（见图2-1）：
订单接收阶段：销售专员对接客户，确认订单信息后录入系统，提交审核；审核通过后，订单进入待排产状态；若审核不通过，退回销售专员修改后重新提交。
生产计划阶段：生产计划员根据审核通过的订单，结合产品工序路线、原材料库存情况，创建生产工单，制定生产排程计划，分解生成各工序的生产任务，派工至对应车间班组。
原料准备阶段：仓库管理员根据生产工单的物料需求，进行原材料备货，确认库存充足后，办理原材料出库，发放至对应生产车间；若库存不足，触发采购申请，采购完成后再进行备货出库。
工序执行阶段：车间操作员接收工序任务，按照工艺要求完成对应工序操作，每道工序完成后，在系统中进行报工，提交质检；若工序完成过程中出现异常，及时上报异常信息，由生产计划员处理。
质量检测阶段：质检人员接收报工任务后，对工序完成品/成品进行质量检验，在系统中录入检验数据；检验合格的，进入下一道工序或成品入库；检验不合格的，根据不合格情况，进行返工或报废处理。
入库发货阶段：成品检验合格后，办理成品入库；销售专员根据订单交货日期，创建发货单，仓库管理员核对发货信息后，办理成品出库，安排物流发货，订单完成归档。
图2-1 化妆刷生产核心业务流程图
2.4 数据流程分析
数据流程分析是系统数据库设计与功能模块设计的核心依据，本文采用结构化分析方法，通过分层数据流图（DFD）描述系统的数据流向与处理逻辑，分为顶层数据流图与一层数据流图。
2.4.1 顶层数据流图
顶层数据流图描述了系统的整体边界，明确了系统与外部实体之间的数据交互关系，系统的外部实体包括客户、供应商、企业各角色用户（销售、生产、质检、仓库、采购、管理者），核心数据流为订单数据、生产数据、质检数据、库存数据、采购数据、统计分析数据（见图2-2）。
图2-2 系统顶层数据流图
2.4.2 一层数据流图
一层数据流图将顶层数据流图的核心处理过程进行分解，对应系统的核心功能模块，明确各模块之间的数据交互关系，核心分为7个处理过程，分别对应系统的7大核心功能模块（见图2-3）。
图2-3 系统一层数据流图
三、总体设计
3.1 系统功能模块设计
基于系统需求分析，本系统采用模块化设计理念，将系统划分为7大核心功能模块，各模块之间相互独立又数据互通，形成完整的生产管理闭环，系统总体功能模块结构如图3-1。
图3-1 系统总体功能模块结构图
各核心功能模块的设计说明如下：
基础信息管理模块：作为系统运行的基础，负责维护系统所有的基础数据，支持化妆刷产品工序路线的自定义配置，适配不同品类化妆刷的生产流程需求。
订单管理模块：实现客户订单的全生命周期管理，实时同步订单对应的生产进度，支持订单交付预警，确保订单按时交付。
生产管理模块：系统的核心模块，实现生产工单从创建到完工的全流程管控，支持根据产品工序路线自动生成工序任务，实现生产进度的实时跟踪与生产异常的及时处理。
质量管理模块：实现生产全流程的质量管控，支持工序级检验与成品检验，通过批次号实现从原材料到成品的全链路质量追溯，解决企业质量问题无法定位的痛点。
库存管理模块：实现原材料、半成品、成品的库存实时管控，支持出入库流程的规范化管理，库存低于安全库存时自动触发预警，避免库存积压或缺料问题。
采购管理模块：实现原材料采购的全流程管理，可根据库存预警与生产计划自动生成采购需求，跟踪采购订单的执行进度，实现供应商的规范化管理。
系统管理模块：包含账单管理、合同管理、数据统计分析与系统设置功能，支持各类业务数据的统计分析，生成可视化报表与管理看板，为企业管理者提供决策依据。
3.2 开发环境及运行环境
3.2.1 开发环境
本系统采用前后端分离架构，后端与前端分别采用独立的开发环境，具体开发环境配置如表3-1。
表3-1 系统开发环境配置表
|------|-----------------|---------|------------|
| 环境分类 | 工具/技术名称 | 版本号 | 用途说明 |
| 后端开发 | JDK | 1.8 | Java开发基础环境 |
| 后端开发 | SpringBoot | 2.7.0 | 后端核心开发框架 |
| 后端开发 | MyBatis-Plus | 3.5.3 | 数据库持久层框架 |
| 后端开发 | Spring Security | 5.7.0 | 权限管理框架 |
| 后端开发 | JWT | 0.9.1 | 用户认证令牌生成 |
| 后端开发 | Maven | 3.8.6 | 项目依赖管理 |
| 后端开发 | IntelliJ IDEA | 2022.3 | 后端开发IDE |
| 前端开发 | Node.js | 16.20.0 | 前端运行环境 |
| 前端开发 | Vue | 3.2.45 | 前端核心开发框架 |
| 前端开发 | Element Plus | 2.2.36 | 前端UI组件库 |
| 前端开发 | Axios | 1.4.0 | 前后端数据请求工具 |
| 前端开发 | ECharts | 5.4.2 | 数据可视化图表库 |
| 前端开发 | VS Code | 1.78.0 | 前端开发IDE |
| 数据库 | MySQL | 8.0.33 | 业务数据存储 |
| 数据库 | Redis | 6.2.12 | 缓存数据存储 |
| 版本控制 | Git | 2.40.0 | 代码版本管理 |
3.2.2 运行环境
本系统采用B/S架构，用户通过浏览器即可访问，无需安装专用客户端，服务器端运行环境配置如表3-2。
表3-2 系统运行环境配置表
|---------|-------|---------------------------------|---------------|
| 环境分类 | 配置要求 | 最低配置 | 推荐配置 |
| 服务器硬件 | CPU | Intel Core i5 4核 | Intel Xeon 8核 |
| 服务器硬件 | 内存 | 8GB | 16GB |
| 服务器硬件 | 存储 | 256GB SSD | 512GB SSD |
| 服务器操作系统 | 操作系统 | Windows Server 2012/CentOS 7 | CentOS 7.9 |
| 软件环境 | JDK | 1.8及以上 | 1.8 |
| 软件环境 | MySQL | 8.0及以上 | 8.0.33 |
| 软件环境 | Redis | 6.0及以上 | 6.2.12 |
| 客户端环境 | 浏览器 | Chrome 90+/Edge 90+/Firefox 88+ | Chrome 110+ |
| 客户端环境 | 网络 | 10Mbps以上带宽 | 100Mbps以上带宽 |
四、详细设计
4.1 数据库设计
数据库设计是系统详细设计的核心，基于系统的数据流程分析，采用关系型数据库设计理念，完成数据库的概念结构设计、逻辑结构设计与物理结构设计，确保系统数据的高效存储与安全访问。
4.1.1 概念结构设计
概念结构设计通过E-R图描述系统的核心实体、实体属性与实体之间的关系，本系统的核心实体包括用户、角色、产品、工序、工序路线、客户、供应商、订单、生产工单、工序任务、质检记录、库存、采购订单等，核心实体之间的关系如下：一个用户对应一个角色，一个角色可对应多个用户，为一对多关系；一个产品对应多条工序路线，一条工序路线对应一个产品，为一对多关系；一个客户对应多个订单，一个订单对应一个客户，为一对多关系；一个订单对应多个生产工单，一个生产工单对应一个订单，为一对多关系；一个生产工单对应多个工序任务，一个工序任务对应一个生产工单，为一对多关系；一个工序任务对应多条质检记录，一条质检记录对应一个工序任务，为一对多关系；一个供应商对应多个采购订单，一个采购订单对应一个供应商，为一对多关系（见图4-1）。
图4-1 系统核心实体E-R图
4.1.2 逻辑结构设计
基于概念结构设计的E-R图，将实体转换为数据库的逻辑表结构，本系统的核心数据表逻辑结构设计如表4-1。
表4-1 系统核心数据表逻辑结构表
|--------------------|-------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|---------------|
| 表名 | 表说明 | 核心字段 | 主键 |
| sys_user | 用户表 | user_id, username, password, real_name, role_id, dept, phone, status, create_time, update_time | user_id |
| sys_role | 角色表 | role_id, role_name, permission, remark, create_time, update_time | role_id |
| product | 产品表 | product_id, product_no, product_name, product_type, unit, safe_stock, remark, create_time, update_time | product_id |
| process | 工序表 | process_id, process_name, sort, need_inspection, remark, create_time, update_time | process_id |
| process_route | 工序路线表 | route_id, product_id, process_id, sort, standard_hours, create_time, update_time | route_id |
| customer | 客户表 | customer_id, customer_name, contact, phone, address, remark, create_time, update_time | customer_id |
| supplier | 供应商表 | supplier_id, supplier_name, contact, phone, address, remark, create_time, update_time | supplier_id |
| order_info | 订单表 | order_id, order_no, customer_id, order_date, delivery_date, total_amount, status, remark, create_time, update_time | order_id |
| order_item | 订单明细表 | item_id, order_id, product_id, quantity, unit_price, amount, remark, create_time, update_time | item_id |
| work_order | 生产工单表 | work_order_id, work_order_no, order_id, product_id, plan_num, finish_num, start_time, end_time, status, material_batch_no, remark, create_time, update_time | work_order_id |
| process_task | 工序任务表 | task_id, work_order_id, process_id, process_name, plan_start_time, plan_end_time, actual_start_time, actual_end_time, operator_id, finish_num, qualified_num, status, remark, create_time, update_time | task_id |
| quality_inspection | 质检表 | inspection_id, work_order_id, task_id, inspector_id, inspection_time, total_num, qualified_num, unqualified_num, unqualified_reason, handle_result, remark, create_time, update_time | inspection_id |
| inventory | 库存表 | inventory_id, material_id, material_type, quantity, warehouse, batch_no, safe_stock, create_time, update_time | inventory_id |
| inventory_log | 库存流水表 | log_id, material_id, change_type, change_num, before_num, after_num, operator_id, remark, create_time | log_id |
| purchase_order | 采购订单表 | purchase_id, purchase_no, supplier_id, order_date, expect_arrival_date, total_amount, status, remark, create_time, update_time | purchase_id |
| bill_info | 账单表 | bill_id, bill_no, bill_type, related_order_id, amount, pay_status, bill_date, due_date, remark, create_time, update_time | bill_id |
| contract_info | 合同表 | contract_id, contract_no, contract_type, customer_id/supplier_id, contract_amount, sign_date, expire_date, status, file_url, remark, create_time, update_time | contract_id |
| equipment_info | 设备表 | equipment_id, equipment_no, equipment_name, equipment_type, workshop, status, maintain_date, remark, create_time, update_time | equipment_id |
4.1.3 物理结构设计
本系统采用MySQL8.0作为核心数据库，InnoDB作为存储引擎，支持事务处理与行级锁，确保数据的一致性与安全性。物理结构设计的核心内容如下：
字符集设置：数据库统一采用utf8mb4字符集，排序规则为utf8mb4_general_ci，支持中文、特殊字符的存储，避免出现乱码问题。
索引设计：针对所有数据表的主键，默认创建聚簇索引；针对频繁查询的字段，如订单编号、工单编号、批次号、关联外键等，创建普通索引；针对多字段联合查询的场景，创建联合索引，提升查询效率。
分表策略：针对库存流水表、操作日志表等数据量增长较快的表，采用按时间分表的策略，按年度进行分表存储，避免单表数据量过大导致的查询性能下降。
数据备份：设置数据库每日凌晨自动全量备份，备份文件保留30天，同时支持手动备份，确保数据的安全性，防止数据丢失。
存储引擎：所有业务表均采用InnoDB存储引擎，支持事务、外键约束与崩溃恢复，确保数据的完整性与一致性。
4.2 主要功能模块设计
本系统基于SpringBoot+Vue前后端分离架构，各功能模块的后端采用MVC分层设计，分为Controller层、Service层、Mapper层，前端采用组件化设计，实现视图与逻辑的分离。以下为核心功能模块的详细设计与代码实现。
4.2.1 主页面
系统主页面为用户登录后的首页，核心展示企业生产管理的核心数据看板，包括订单总数、生产工单总数、今日完成工序数、良品率、库存预警数等核心指标，同时展示生产进度排行、订单交付进度、质量异常统计等可视化图表，为企业管理者提供直观的生产数据概览（见图4-2）。
图4-2 系统主页面图
4.2.2 用户管理模块
用户管理模块核心实现系统用户的新增、编辑、删除、查询、密码重置、角色分配等功能，是系统权限管理的核心（见图4-3、图4-4）。
图4-3 用户管理模块后端Controller图
图4-4 用户管理模块后端Service图
4.2.3 设备管理模块
设备管理模块实现生产设备的全生命周期管理，包括设备新增、编辑、删除、查询、维护记录管理、设备状态监控等功能，适配化妆刷生产车间的设备管理需求（见图4-5）。
图4-5 设备管理模块后端Controller图
4.2.4 订单管理模块
订单管理模块实现客户订单的全生命周期管理，核心代码如下，包含订单的新增、审核、进度跟踪等核心功能（见图4-6）。
图4-6 订单模块后端Controller图
4.2.5 库存管理模块
库存管理模块实现原材料、半成品、成品的库存全流程管控，核心代码如下，包含出入库、盘点、预警等功能（见图4-7）。
图4-7 库存模块后端Controller图
4.2.6 账单模块
账单模块实现企业应收、应付账单的全生命周期管理，包括账单新增、审核、付款/收款登记、账单核销等功能，实现财务账单的规范化管理（见图4-8）。
图4-8 帐单模块后端Controller图
4.2.7 合同模块
合同模块实现客户销售合同与供应商采购合同的全生命周期管理，包括合同新增、编辑、查询、归档、附件上传下载等功能，实现企业合同的规范化、数字化管理（见图4-9）。
图4-9 合同模块后端Controller图
五、 结论
本文针对中小化妆刷制造企业传统管理模式下的核心痛点，以系统分析与设计为核心主题，完成了化妆刷生产管理系统的全流程分析、总体设计与详细设计，实现了适配化妆刷行业特性的生产管理系统开发。
本文首先通过实地调研与文献研究，明确了中小化妆刷制造企业的核心管理需求与业务痛点，完成了系统的可行性分析、需求分析、业务流程与数据流程分析，为系统设计奠定了坚实的基础。其次，基于需求分析结果，采用前后端分离的B/S架构，完成了系统的总体设计，划分了7大核心功能模块，明确了系统的开发与运行环境。随后，完成了系统的详细设计，通过E-R图完成了数据库的概念结构设计，设计了系统核心数据表的逻辑结构与物理结构，并完成了各核心功能模块的代码实现，确保系统功能能够完全满足企业的业务需求。
本文设计的化妆刷生产管理系统，针对化妆刷行业多品种、小批量、多工序、强人工依赖的生产特性，实现了从订单录入、生产排程、工序执行、质量检测到库存管理的全流程数字化管控，解决了传统管理模式下生产进度不透明、质量问题无法追溯、库存管理混乱的核心痛点。系统采用轻量化的架构设计，部署成本低、操作门槛低，完全适配中小化妆刷制造企业的预算水平与人员操作能力，能够帮助企业以较低的成本实现数字化转型，提升生产效率与管理水平。
同时，本文的研究仍存在一定的不足：系统目前尚未实现与电商平台、物流系统、财务软件的对接，也未实现与生产设备的物联网集成。后续可针对上述不足进行优化升级，进一步拓展系统的功能边界，提升系统的适配性与智能化水平，为中小化妆刷制造企业提供全业务流程的数字化解决方案。
参考文献
- 张昊，刘德佳.数字化发展对先进制造企业服务创新的影响研究 ------ 基于企业动态能力视角 [J]. 中国软科学，2023,(03):150-161.
- 王昶，邓婵，何琪，等.工业互联网使用如何促进中小企业智能化转型：驱动因素与赋能机制 [J]. 科技进步与对策，2024,41 (03):103-113.
- 高慧.数字化赋能企业供应链机制研究与实践应用 [J]. 中小企业管理与科技，2025,(04):134-137.
- 李婉红，李娜.绿色技术创新、智能化转型与制造企业环境绩效 ------ 基于门槛效应的实证研究 [J]. 管理评论，2023,35 (11):90-101.DOI:10.14120/j.cnki.cn11-5057/f.20230504.001.
- 董晓松，曹雯莉，吴雪.制造业智能产品生态系统协同机制与升级路径研究 [J]. 管理工程学报，2023,37 (06):8-19.DOI:10.13587/j.cnki.jieem.2023.06.002.
- 李军学，梁永宏.基于工业互联网的化妆品行业数字化车间设计 [J]. 机电工程技术，2023,52 (10):285-289.
- 李晨.智慧建造背景下盾构管片智能生产管理系统设计与应用 [J]. 大众标准化，2025,(16):166-168.
- 王碧海. APS 系统在 PCB 智能工厂的应用与优化 [J]. 印制电路信息，2024,32 (S1):136-141.
- 廖熹，郭元兴，何志伟.数字化车间生产现场数据采集与智能管理探析 [J]. 高科技与产业化，2024,30 (12):16-18.DOI:10.26927/j.cnki.hitech.2024.12.005.
- Andersson P E ,Tabares S ,Mikalef P , et al. Artificial intelligence implementation in manufacturing SMEs: A resource orchestration approach [J].International Journal of Information Management,2024,77:102781.DOI:10.1016/J.IJINFOMGT.2024.102781.
- Bianchini A ,Savini I ,Andreoni A , et al. Manufacturing Execution System Application within Manufacturing Small--Medium Enterprises towards Key Performance Indicators Development and Their Implementation in the Production Line [J].Sustainability,2024,16 (7):2974.DOI:10.3390/SU16072974.
- Wang Y ,Cai Z ,Huang T , et al. An Intelligent Manufacturing Management System for Enhancing Production in Small-Scale Industries [J].Electronics,2024,13 (13):2633.DOI:10.3390/ELECTRONICS13132633.
- Park K ,Jo S ,Shin Y , et al. Flexible material handling system for multi-load autonomous mobile robots in manufacturing environments: a hierarchical reinforcement learning approach [J].International Journal of Production Research,2025,63 (15):5671-5691.DOI:10.1080/00207543.2025.2461131.
- Skalli D ,Cherrafi A ,Charkaoui A , et al. Integrating Lean Six Sigma and Industry 4.0: developing a design science research-based LSS4.0 framework for operational excellence [J].Production Planning & Control,2025,36 (8):1060-1086.DOI:10.1080/09537287.2024.2341698.
- Leng J ,Li R ,Xie J , et al. Federated learning-empowered smart manufacturing and product lifecycle management: A review [J].Advanced Engineering Informatics,2025,65:103179.DOI:10.1016/J.AEI.2025.103179.
- Giada V C ,Pia M C ,Mattia S , et al. Artificial intelligence in supply chain and operations management: a multiple case study research [J].International Journal of Production Research,2024,62 (9):3333-3360.DOI:10.1080/00207543.2023.2232050.
- Ehsan B ,Peter B . Applying digital twins for inventory and cash management in supply chains under physical and financial disruptions [J].International Journal of Production Research,2023,61 (15):5094-5116.DOI:10.1080/00207543.2022.2093682.
- Christina L ,Maryam F ,Ahmet J E . Digital twin-enabled automated anomaly detection and bottleneck identification in complex manufacturing systems using a multi-agent approach [J].Journal of Manufacturing Systems,2023,67:242-264.DOI:10.1016/J.JMSY.2023.02.008.
- Petri H ,Yuqiuge H . Artificial intelligence in operations management and supply chain management: an exploratory case study [J].Production Planning & Control,2022,33 (16):1573-1590.DOI:10.1080/09537287.2021.1882690.
- Kao L J , Chiu C C , Lin H T ,et al.Unveiling the dimensions of digital transformation: A comprehensive taxonomy and assessment model for business [J].Journal of Business Research, 2024, 176:114595.DOI:10.1016/j.jbusres.2024.114595.
致 谢
本论文的顺利完成离不开各位师长、同窗、亲友的大力支持和无私的帮助，在此向所有关心、帮助过我学习与生活的老师、同学、朋友表示深深的感谢！
首先对我的指导老师表示深深的谢意。从论文选题的精准定位、研究框架的搭建、调研的过程、数据分析、文稿的反复修改和完善等各方面，唐老师一直对我的学习给予细致的指导以及独到的见解，严谨的治学态度和深厚的专业素养使我获益良多。
在我的学习中，朋友给予我交流、研讨、激励的帮忙，在学习遇到难题时给予过扶持。最后向所有帮助过我的人表示衷心的感谢，为他们的付出深感荣幸。
本人学术水平有限，论文中不可避免会出现一些疏忽和不足，敬请各位老师和同仁斧正。