↓ 跳过正文
  1. 项目/

面向工业数据管理的零件成本管理系统

作者
李佳鸿
记录科研、工程实践与长期学习。
目录
项目

面向工业制造场景设计并实现的零件成本管理系统,围绕零件主数据、BOM、成本计算、元数据治理与 AI 助手构建完整业务流程,并结合数据标准化、数据同源和元数据驱动的数据治理思想。

面向工业数据管理的零件成本管理系统
状态
Completed
周期
2026
我的角色
系统设计、数据库设计与全栈实现
团队:Individual Project
  • Python
  • Streamlit
  • FastAPI
  • MySQL
  • SQLAlchemy
  • Pydantic
  • pandas
  • Plotly
  • REST API
  • OpenAI API

分享

项目简介
#

随着制造业数字化和智能化的发展,零件、物料、BOM、设备、区域、单位、货币和成本记录等数据逐渐成为企业生产经营中的重要数据资产。

零件成本管理也不再只是简单的成本汇总,而是涉及基础数据标准化、零件主数据管理、BOM 结构维护、成本计算规则、结果分析和数据追溯等多个环节。

本项目面向工业制造场景,设计并实现了一套 **面向工业数据管理的零件成本管理系统**。

系统结合数据治理思想,围绕基础配置、零件主数据、BOM、成本计算、元数据地图和 AI 助手等功能展开,形成:

基础数据配置 → 零件管理 → BOM 维护 → 成本计算 → 结果分析 → 元数据查询 → AI 辅助

的完整业务流程。

项目采用 Python 技术栈完成前端、后端、数据库和智能化功能开发,重点体现工业数据管理、业务系统设计与数据治理思想在实际软件系统中的落地。


1. 项目目标
#

项目目标是开发一套面向工业制造场景的零件成本管理系统,实现基础数据、零件主数据、BOM、成本数据和元数据的一体化管理。

系统主要完成以下目标:

  • 统一维护单位、货币、汇率、区域、设备、物料类型和物质价格等基础数据;

  • 以零件 `Part` 作为核心主数据,支撑 BOM 和成本计算;

  • 通过 BOM 头和 BOM 明细维护父子件关系与层级结构;

  • 记录材料成本、制造成本、间接费用和总成本;

  • 通过图表展示成本构成和分析结果;

  • 建立元数据字典和数据地图,提升系统数据的可理解性;

  • 接入 AI 助手,为用户提供操作问答、数据解释和成本分析建议。


2. 数据治理设计
#

系统设计参考数据治理中的统一语言、数据同源、元数据驱动和数据可追溯等思想。

2.1 统一语言
#

单位、货币、区域、设备、物料类型、物质分类和物质价格等基础数据由统一模块维护,并被其他业务模块引用。

通过基础数据统一维护,减少相同业务概念在不同模块中的重复定义,使系统形成一致的数据标准。

2.2 数据同源
#

系统以零件 `Part` 作为 BOM 和成本计算的统一主数据来源。

BOM、成本记录和附件等信息均围绕零件建立关系,实现:

一点录入,多点调用

从而减少数据重复维护,保证不同业务模块之间的数据一致性。

2.3 元数据驱动
#

系统通过元数据字典描述数据库中的:

  • 表;

  • 字段;

  • 数据类型;

  • 主键;

  • 外键;

  • 字段含义;

  • 表间关系。

通过元数据管理,提高数据的可理解性和可检索性。

2.4 可追溯与可扩展
#

系统保留:

  • BOM 层级关系;

  • 成本明细;

  • 主数据引用关系;

  • 元数据信息。

这些信息为后续成本规则扩展、报表分析和 AI 检索增强提供基础。


3. 系统总体设计
#

3.1 系统架构
#

系统采用:

前端展示层 → 后端服务层 → 数据存储层 → 智能增强层

的分层架构。

其中:

  • **前端展示层**:负责页面展示、数据录入、查询筛选、图表分析和用户交互;

  • **后端服务层**:负责 REST API、业务逻辑处理、参数校验和成本计算;

  • **数据存储层**:负责基础配置、零件主数据、BOM 数据和成本结果的持久化;

  • **智能增强层**:提供操作引导、数据解释和成本分析建议。

系统运行时,用户通过前端完成基础配置、零件维护、BOM 编辑和成本计算等操作。

前端通过 HTTP 请求调用后端 API;后端完成参数校验、业务处理和数据库读写后,将结果返回前端,再通过表格、树形结构、图表和 AI 问答面板等形式展示。

3.2 技术选型
#

项目主要采用以下技术:

| 类别 | 技术 / 工具 | 主要作用 |

| — | — | — |

| 开发语言 | Python | 系统主要开发语言 |

| 前端框架 | Streamlit | 页面展示、表单录入和交互 |

| 后端框架 | FastAPI | REST API 与业务接口 |

| 数据库 | MySQL | 结构化数据持久化 |

| ORM | SQLAlchemy | 数据库访问与对象关系映射 |

| 数据校验 | Pydantic | API 输入输出数据校验 |

| 数据处理 | pandas | 表格数据处理与导入导出 |

| 图表展示 | Plotly | 成本构成可视化分析 |

| AI 接入 | OpenAI 兼容协议 | AI 助手问答与解释 |

| 接口通信 | HTTP / REST API | 前后端数据交互 |


4. 功能模块设计
#

系统主要划分为六个核心功能模块。

4.1 基础配置数据管理
#

基础配置模块用于统一维护系统中的标准数据,包括:

  • 单位;

  • 货币;

  • 汇率;

  • 区域;

  • 设备;

  • 物料类型;

  • 物质分类;

  • 物质价格。

这些基础配置数据作为其他业务模块的统一数据标准。


4.2 零件主数据管理
#

零件管理模块是系统的核心业务入口。

系统维护:

  • 零件编码;

  • 零件名称;

  • 零件描述;

  • 物料类型;

  • 版本等信息。

零件数据作为核心主数据,被 BOM 管理和成本计算模块共同引用。

通过统一零件主数据来源,避免相同零件信息在多个模块中重复维护。


4.3 BOM 管理
#

BOM 模块用于维护零件之间的父子层级关系。

系统通过 BOM 头和 BOM 明细记录:

  • 父零件;

  • 子零件;

  • 数量;

  • 单位;

  • 层级结构。

用户可以从零件列表直接进入某个零件的 BOM 详情页面。

BOM 数据支持两种主要展示方式:

  1. **BOM 层级树**

  2. **BOM 明细表**

层级树便于理解零件整体组成结构,明细表则便于查看具体子件、数量和单位等信息。


4.4 成本计算与分析
#

成本计算围绕单个零件展开,主要记录:

  • 材料成本;

  • 制造成本;

  • 间接费用;

  • 总成本。

系统不仅保存最终总成本,也保留不同成本构成及其明细信息。

成本计算页面主要划分为六部分:

  1. 基础数据;

  2. 材料成本;

  3. 制造成本;

  4. 间接费用;

  5. 成本明细;

  6. 结果分析。

在结果分析页面中,通过图表展示不同成本项在总成本中的占比,使成本结果更加直观。


4.5 元数据与数据地图
#

为了让系统中的数据做到:

找得到、读得懂、可追溯

项目设计了元数据字典和数据地图功能。

系统使用:

```text

metadata_dictionary.json

```

维护元数据字典。

元数据主要描述:

  • 表名;

  • 表描述;

  • 字段名称;

  • 字段含义;

  • 数据类型;

  • 是否主键;

  • 是否外键;

  • 关联表;

  • 关联字段。

用户可以按照表名或字段关键词进行检索,同时支持元数据文件下载。

元数据地图连接了业务理解和数据库技术结构,使用户不仅能够使用系统数据,也能够理解数据的来源和关系。


4.6 AI 助手
#

系统提供全局 AI 助手入口和问答面板。

用户可以在任意页面发起问题,也可以通过快捷问题进行操作咨询或成本解读。

AI 助手目前主要支持:

  • 操作路径问答;

  • 系统信息查询;

  • 数据地图解释;

  • BOM 分析;

  • 成本分析建议;

  • 基于当前页面上下文进行问答;

  • 部分流程型任务辅助。

系统调用 AI 时,会结合当前页面标识、当前零件或成本对象、系统关键数据摘要等上下文信息,使回答更加贴合用户当前操作场景。

当远程模型不可用时,系统还支持本地应急降级回复,以保证基本可用性。


5. 业务流程与数据流
#

5.1 业务流程
#

系统以零件成本管理为业务主线,整体流程为:

```mermaid

flowchart LR

A[基础配置数据维护]

--> B[零件主数据录入]

--> C[BOM 结构维护]

--> D[成本计算]

--> E[成本结果分析]

--> F[元数据地图]

--> G[AI 辅助解释]

```

整个业务流程围绕零件主数据展开。

基础数据为业务提供统一标准,零件作为核心主数据支撑 BOM 和成本计算,成本结果进一步用于分析,元数据地图和 AI 助手则增强系统的数据理解与智能交互能力。

5.2 数据流
#

系统主要数据流如下:

  1. 用户通过前端页面输入或查询数据;

  2. 前端通过 REST API 调用后端;

  3. 后端按照业务域调用对应服务逻辑;

  4. 通过 SQLAlchemy 访问 MySQL;

  5. 数据库返回查询或操作结果;

  6. 后端进行业务处理后返回前端;

  7. 前端通过表格、树形结构和图表展示结果;

  8. AI 助手结合页面上下文和业务对象提供智能解释。


6. 数据库与数据治理实现
#

6.1 数据库总体设计
#

数据库围绕零件成本管理业务进行设计,主要存储:

  • 基础配置数据;

  • 零件主数据;

  • BOM 事务数据;

  • 成本报告数据;

  • 元数据说明信息。

数据库采用 MySQL 进行持久化存储,后端通过 SQLAlchemy ORM 进行访问。

整体设计思路为:

基础配置数据作为统一标准供其他业务表引用;

零件表作为核心主数据支撑 BOM 和成本计算;

BOM 表和 BOM 明细表表达零件结构;

成本表保存成本构成和计算结果;

元数据字典描述系统表、字段和关系。


6.2 核心数据表
#

系统核心数据表主要包括以下几类。

基础配置类
#

  • `unit`

  • `currency`

  • `currency_exchange_rate`

  • `region`

  • `equipment`

  • `material_type`

  • `material_category`

  • `material`

  • `material_price`

零件管理类
#

  • `part`

  • `part_attachment`

BOM 管理类
#

  • `bom`

  • `bom_item`

成本计算类
#

  • `cost_item`

其中:

```text

part

```

是系统核心主数据表。

例如:

```text

bom.part_id

bom_item.child_part_id

cost_item.part_id

```

均与:

```text

part.id

```

建立关联。

通过这种设计,BOM 和成本计算可以共享统一的零件数据来源,体现数据同源的设计思想。


6.3 BOM 层级结构设计
#

BOM 层级结构通过:

```text

bom

bom_item

```

两类表实现。

其中:

  • `bom` 用于管理 BOM 头信息;

  • `bom_item` 用于管理子件、数量、单位等明细信息。

为了支持多层级 BOM:

```text

bom_item

```

通过:

```text

parent_item_id

```

进行自关联。

这样可以表达树形层级结构,使 BOM 不仅能够描述单层父子件关系,也能够继续向下扩展多级零件结构。


6.4 成本数据设计
#

成本数据以:

```text

cost_item

```

为核心。

主要记录:

```text

material_cost

manufacturing_cost

overhead_cost

total_cost

```

等字段。

成本数据同时通过:

```text

part_id

currency_id

unit_id

```

分别关联:

  • 零件;

  • 货币;

  • 单位。

使成本结果能够追溯到具体零件和对应计量口径。


7. 后端实现
#

系统后端采用 FastAPI 构建 REST API 服务。

后端主要负责:

  • API 接口提供;

  • 参数校验;

  • 业务逻辑处理;

  • 数据库读写;

  • 成本数据处理;

  • AI 助手请求处理。

后端按照分层思想组织。

主要包括:

  • 路由层;

  • Service 业务逻辑层;

  • Model 数据模型层;

  • Pydantic 数据校验层。

主要接口包括:

```text

/api/v1/parts

/api/v1/boms

/api/v1/bom-items

/api/v1/cost-items

/api/v1/assistant/capabilities

/api/v1/assistant/chat

```

这些接口共同支撑:

  • 基础配置;

  • 零件管理;

  • BOM 管理;

  • 成本计算;

  • AI 助手;

  • 系统健康检查

等核心业务流程。


8. 前端实现
#

系统前端采用 Streamlit 实现。

主要负责:

  • 页面展示;

  • 用户交互;

  • 表单录入;

  • 查询筛选;

  • 表格管理;

  • 图表分析;

  • API 调用;

  • AI 问答。

前端通过:

```text

requests

```

调用后端 API,通过:

```text

pandas

```

处理表格数据,通过:

```text

Plotly

```

展示成本分析图表。

系统已实现:

  • 首页工作台;

  • 基础配置管理;

  • 零件管理;

  • BOM 管理;

  • 成本计算;

  • 元数据与数据地图;

  • AI 助手;

  • 审计日志等页面。

通用数据管理功能支持:

  • 列表查看;

  • 条件筛选;

  • 新增;

  • 编辑;

  • 删除;

  • 详情查看;

  • 数据导入;

  • 数据导出。


9. 核心功能实现
#

9.1 零件管理
#

零件管理模块作为系统核心业务入口。

用户可以在零件列表页面查看:

  • 零件编码;

  • 零件名称;

  • 物料类型;

  • 描述;

  • 版本等信息。

同时支持:

  • 新增;

  • 编辑;

  • 删除;

  • 详情查看。

零件数据被 BOM 管理和成本计算模块共同引用,从而保证零件信息的一致性。


9.2 BOM 详情
#

用户可以从零件列表直接进入某个零件的 BOM 详情页面。

系统通过:

  • BOM 层级树;

  • BOM 明细表

两种方式展示 BOM 数据。

层级树便于理解零件整体组成结构,明细表则用于展示具体子件、数量和单位等详细信息。


9.3 成本计算
#

成本计算围绕单个零件展开。

页面主要包括:

  • 基础数据;

  • 材料成本;

  • 制造成本;

  • 间接费用;

  • 成本明细;

  • 结果分析。

系统保存:

```text

材料成本

制造成本

间接费用

总成本

```

并在结果分析页面通过图表展示成本占比。


9.4 元数据地图
#

元数据与数据地图模块用于帮助用户理解系统中的数据结构。

系统通过:

```text

metadata_dictionary.json

```

维护核心数据表及字段信息。

支持:

  • 表信息查看;

  • 字段信息查看;

  • 主外键关系理解;

  • 表名检索;

  • 字段关键词检索;

  • 元数据文件下载。

通过元数据地图,使数据库结构能够从“开发者可理解”进一步转化为“业务用户可解释”。


9.5 AI 助手
#

AI 助手通过:

```text

/api/v1/assistant/capabilities

/api/v1/assistant/chat

```

提供能力查询和对话服务。

AI 请求中可以携带:

  • 当前页面;

  • 当前零件;

  • 当前成本对象;

  • 系统关键计数摘要;

  • 用户历史消息。

因此 AI 助手不仅进行普通问答,还可以结合当前业务上下文进行解释和分析。

当前主要支持:

  • 操作路径问答;

  • 信息查询;

  • 数据地图解释;

  • BOM 分析;

  • 成本分析建议;

  • 当前页面上下文问答。

当远程模型不可用时,系统支持本地应急降级回复,以保证演示过程中的基本可用性。


10. 项目特点
#

10.1 数据治理与业务系统结合
#

项目不仅完成零件成本管理功能,也将数据治理思想落实到系统实际设计中。

系统中的:

  • 基础配置数据;

  • 主数据;

  • 事务数据;

  • 报告数据;

  • 元数据

分别承担不同的数据角色。


10.2 主数据驱动
#

系统以:

```text

Part

```

作为统一零件主数据来源。

BOM、成本和附件等业务对象均围绕 Part 建立关系,从而减少重复维护并提升数据一致性。


10.3 多层级 BOM
#

通过:

```text

parent_item_id

```

自关联设计支持多层级 BOM。

系统既能够通过树形结构展示整体零件组成,也能够通过明细数据查看具体业务信息。


10.4 成本构成可视化
#

系统不仅保存最终成本,还保留:

  • 材料成本;

  • 制造成本;

  • 间接费用;

  • 成本明细。

并通过图表展示成本构成,使成本分析更加直观。


10.5 元数据驱动
#

项目建立元数据字典和数据地图,将数据库技术结构转化为可搜索、可理解的数据说明。

使系统中的数据能够做到:

找得到、读得懂、可追溯。


10.6 上下文感知 AI 助手
#

AI 助手不仅提供普通问答,还能够结合:

  • 当前页面;

  • 当前业务对象;

  • 当前零件;

  • 当前成本信息;

  • 系统数据摘要

进行回答。

使 AI 能力真正融入具体业务流程,而不是作为独立聊天模块存在。


11. 总结
#

本项目围绕工业制造场景下的零件成本管理需求,设计并实现了一套较完整的零件成本管理系统。

系统以 Python 技术栈为基础:

  • 使用 Streamlit 构建前端交互页面;

  • 使用 FastAPI 提供后端 REST API;

  • 使用 MySQL 进行数据持久化存储;

  • 使用 SQLAlchemy ORM 完成数据库访问;

  • 使用 Pydantic 完成数据校验;

  • 使用 pandas 处理数据;

  • 使用 Plotly 完成成本分析可视化;

  • 通过 OpenAI 兼容协议接入 AI 助手。

最终形成:

基础数据配置 → 零件主数据管理 → BOM 维护 → 成本计算 → 结果分析 → 元数据地图 → AI 助手

的一体化业务流程。

在数据治理方面,系统将基础数据、主数据、事务数据、报告数据和元数据分别落实到实际系统设计中。

其中:

  • 基础配置数据体现统一语言;

  • `Part` 体现主数据同源;

  • BOM 体现事务数据联接;

  • `CostItem` 体现报告数据分析;

  • 元数据字典与数据地图体现元数据驱动。

通过这些设计,系统不仅完成了零件成本管理的业务功能,也进一步体现了工业数据管理中的:

  • 数据标准化;

  • 数据同源;

  • 数据可追溯;

  • 数据可理解;

  • 数据智能化应用。

相关文章