电缆智联 AI 是一个为电缆行业提供智能化解决方案的系统，结合人工智能技术，帮助企业实现库存优化、市场预测和风险评估。该系统通过数据分析和机器学习算法，为电缆公司提供决策支持，提高运营效率，降低风险成本。
系统分为三大核心功能模块：
- 实时监控库存数据
- 计算库存周转率和积压成本
- 提供库存优化方案
- 评估库存健康度
- 预警库存安全问题
- 分析历史销售数据
- 识别客户采购模式
- 预测市场价格趋势
- 提供产品结构调整建议
- 分析区域市场需求
- 客户信用风险评估
- 财务风险预警
- 政策法规影响分析
- 供应链风险监控
升级：例如：用户输入：库存明细（仓库里不同型号的产品的规格、数量、位置）、原材料库存数据、生产计划表 → 判断周转率、库存积压成本 输出：给出库存优化方案、库存健康度、能否及时周转、安全问题排查 监测：安装实时监控，智能监测 → 给出库存产品进出变化水平线、直观展示哪些产品库存还多，还少 → 帮助指导公司生产规划
用户输入：历史销售数据、客户分类及采购模式（定期/不定期）（稳定客户群体数量我还在要数据）、销售区域的市场特点（有没有开拓例如农村电缆建设，新能源建设电缆需求，是否稳定还是价格变化幅度大）、行业发展趋势 输出：价格趋势预测、产品如何调整结构，产品需求区域分析
用户输入：财务数据（现金流，应付预付账款，负债等信息）、政策法规变化（政府资金鼓励拨款资料还在问）、客户信用数据...... 输出：客户信用风险评估、财务风险预警...
- 使用 Vue3 + Element Plus 构建用户界面
- Echarts 提供数据可视化
- Axios 处理 API 请求
- FastAPI 构建高性能 API
- SQLAlchemy ORM 处理数据库操作
- 百度千帆大模型提供 AI 分析能力
- MySQL 存储结构化数据
electric-cable-ai/
│
├── frontend/ # 前端部分
│ ├── public/ # 静态资源
│ ├── src/
│ │ ├── assets/ # 图片等资源
│ │ ├── components/ # 公共组件
│ │ │ ├── common/ # 通用组件
│ │ │ ├── inventory/ # 库存相关组件
│ │ │ ├── market/ # 市场预测组件
│ │ │ └── risk/ # 风险评估组件
│ │ ├── router/ # 路由配置
│ │ ├── store/ # Vuex状态管理
│ │ ├── views/ # 页面视图
│ │ │ ├── inventory/ # 库存监测与升级页面
│ │ │ ├── market/ # 市场预测页面
│ │ │ └── risk/ # 风险评估页面
│ │ ├── App.vue # 根组件
│ │ └── main.js # 入口文件
│ ├── .env.development # 开发环境配置
│ ├── .env.production # 生产环境配置
│ ├── package.json # 前端依赖配置
│ └── vite.config.js # Vite配置
│
├── backend/ # 后端部分
│ ├── app/
│ │ ├── api/ # API接口
│ │ │ ├── endpoints/ # API端点
│ │ │ │ ├── inventory.py # 库存相关API
│ │ │ │ ├── market.py # 市场预测API
│ │ │ │ └── risk.py # 风险评估API
│ │ │ └── router.py # 路由配置
│ │ ├── core/ # 核心配置
│ │ │ ├── config.py # 配置文件
│ │ │ ├── security.py # 安全配置
│ │ │ └── database.py # 数据库配置
│ │ ├── db/ # 数据库模型
│ │ │ ├── models/ # 数据模型
│ │ │ └── session.py # 数据库会话
│ │ ├── services/ # 业务逻辑服务
│ │ │ ├── inventory/ # 库存服务
│ │ │ │ ├── calculator.py # 库存指标计算
│ │ │ │ └── optimizer.py # 库存优化
│ │ │ ├── market/ # 市场预测服务
│ │ │ │ ├── analyzer.py # 市场分析
│ │ │ │ └── predictor.py # 价格预测
│ │ │ └── risk/ # 风险评估服务
│ │ │ ├── evaluator.py # 风险评估
│ │ │ └── monitor.py # 风险监控
│ │ ├── utils/ # 工具函数
│ │ │ ├── ai_utils.py # AI模型工具
│ │ │ └── data_utils.py # 数据处理工具
│ │ └── main.py # 主入口
│ ├── tests/ # 测试用例
│ │ ├── api/ # API测试
│ │ └── services/ # 服务测试
│ ├── alembic/ # 数据库迁移
│ ├── requirements.txt # 后端依赖
│ └── Dockerfile # 后端Docker配置
│
├── docker-compose.yml # Docker编排配置
├── .gitignore # Git忽略文件
├── README.md # 项目说明
└── LICENSE # 许可证
- Node.js 16+
- Python 3.9+
- MySQL 8.0+
- Docker & Docker Compose (可选)
# 进入前端目录
cd frontend
# 安装依赖
npm install
# 开发模式启动
npm run dev
# 构建生产环境
npm run build# 进入后端目录
cd backend
# 创建虚拟环境
python -m venv venv
# 激活虚拟环境
source venv/bin/activate # Linux/macOS
venv\Scripts\activate # Windows
# 安装依赖
pip install -r requirements.txt
# 初始化数据库
alembic upgrade head
# 启动服务
uvicorn app.main:app --reload# 构建和运行所有服务
docker-compose up -d
# 查看日志
docker-compose logs -f该模块通过以下公式计算关键指标：
- 库存周转率(ITR) = 2 * cost / (beginning_inventory + ending_inventory)
- 库存周转天数(DIO) = 365 / ITR
- 呆滞库存比率(OIR) = slow_moving / total_inventory_amount
- 存货周转率(ITR2) = operating_cost / average_inventory
基于这些指标，系统会生成库存优化方案，评估库存健康度，并提供周转效率反馈。
该模块分析历史销售数据、客户采购模式、市场特点和行业趋势，通过AI模型预测：
- 价格趋势
- 产品结构调整建议
- 区域需求分析
该模块计算以下财务指标进行风险评估：
- 资产负债率(DTAR) = total_liabilities / total_assets
- 流动比率(CR) = current_assets / current_liabilities
- 净资产收益率(ROE) = net_profit / average_net_assets
- 应收账款周转率(ARTR) = 2 * revenue / (beginning_accounts_receivable + ending_accounts_receivable)
- 资产现金回收率(ACRR) = Ncfa / ending_total_assets
结合客户信用数据，系统输出综合风险评估和预警信息。
启动后端服务后，访问 http://localhost:8000/docs 查看完整的API文档。
新增组件应遵循项目的组件化结构，并使用Element Plus UI库保持风格一致。
- 遵循FastAPI的依赖注入模式
- 新增功能应编写对应的测试用例
- 数据库变更使用Alembic进行迁移
- Fork该仓库
- 创建您的特性分支 (
git checkout -b feature/amazing-feature) - 提交您的更改 (
git commit -m 'Add some amazing feature') - 推送到分支 (
git push origin feature/amazing-feature) - 开启Pull Request
本项目采用 MIT 许可证 - 详见 LICENSE 文件