26 KiB
26 KiB
物控学习笔记 📚
物料控制（Material Control）学习笔记与最佳实践
📖 目录
基础知识
什么是物控？
物料控制（Material Control）是生产管理中的核心环节，主要负责：
- 物料需求计划（MRP）
- 库存管理与优化
- 采购计划制定
- 物料追溯与盘点
- 成本控制
物控的核心指标
- 库存周转率 = 年销售成本 / 平均库存
- 库存天数 = 365 / 库存周转率
- 缺料率 = 缺料次数 / 总领料次数
- 呆滞料比例 = 呆滞料金额 / 总库存金额
- 物料齐套率 = 齐套订单数 / 总订单数
物控工作流程
1. 接收生产计划
↓
2. 计算物料需求（BOM展开）
↓
3. 检查库存状态
↓
4. 制定采购计划
↓
5. 跟踪物料到货
↓
6. 物料发放与追溯
↓
7. 库存盘点与优化
Excel VBA 工具库
现有工具
本仓库包含以下 Excel VBA 物控工具：
1. vba-mc-toolkit ⭐
Excel VBA 物控小程序库
功能模块：
- 物料需求计算
- 库存报表生成
- 采购订单管理
- 盘点表自动生成
- 呆滞料分析
使用方法：
' 导入工具库
Sub Import_MC_Toolkit()
Workbooks.Open "vba-mc-toolkit.xlsm"
Application.Run "Initialize_MC_System"
End Sub
VBA 物控常用代码片段
1. 自动计算安全库存
Function Calculate_Safety_Stock(avg_demand As Double, lead_time As Double, service_level As Double) As Double
' avg_demand: 平均日需求
' lead_time: 采购提前期（天）
' service_level: 服务水平（0.95 = 95%）
Dim z_score As Double
Select Case service_level
Case 0.90: z_score = 1.28
Case 0.95: z_score = 1.65
Case 0.98: z_score = 2.05
Case 0.99: z_score = 2.33
Case Else: z_score = 1.65
End Select
Calculate_Safety_Stock = avg_demand * lead_time * z_score
End Function
2. 库存预警
Sub Inventory_Alert()
Dim ws As Worksheet
Set ws = ThisWorkbook.Sheets("库存")
Dim last_row As Long
last_row = ws.Cells(ws.Rows.Count, "A").End(xlUp).Row
For i = 2 To last_row
Dim current_qty As Double
Dim min_qty As Double
Dim max_qty As Double
current_qty = ws.Cells(i, "D").Value ' 当前库存
min_qty = ws.Cells(i, "E").Value ' 最低库存
max_qty = ws.Cells(i, "F").Value ' 最高库存
If current_qty < min_qty Then
ws.Cells(i, "G").Value = "⚠️ 需补货"
ws.Cells(i, "G").Interior.Color = RGB(255, 200, 200)
ElseIf current_qty > max_qty Then
ws.Cells(i, "G").Value = "📦 库存过高"
ws.Cells(i, "G").Interior.Color = RGB(255, 255, 200)
Else
ws.Cells(i, "G").Value = "✅ 正常"
ws.Cells(i, "G").Interior.Color = RGB(200, 255, 200)
End If
Next i
End Sub
3. 物料需求计算（MRP）
Sub Calculate_MRP()
Dim ws_bom As Worksheet, ws_inventory As Worksheet, ws_mrp As Worksheet
Set ws_bom = ThisWorkbook.Sheets("BOM")
Set ws_inventory = ThisWorkbook.Sheets("库存")
Set ws_mrp = ThisWorkbook.Sheets("MRP")
' 清空 MRP 表
ws_mrp.Cells.Clear
' 设置表头
ws_mrp.Range("A1:F1").Value = Array("物料编码", "物料名称", "需求量", "库存量", "净需求", "建议采购")
' 计算逻辑
Dim last_row As Long
last_row = ws_bom.Cells(ws_bom.Rows.Count, "A").End(xlUp).Row
For i = 2 To last_row
Dim part_no As String
Dim qty_needed As Double
Dim qty_in_stock As Double
Dim net_qty As Double
part_no = ws_bom.Cells(i, "A").Value
qty_needed = ws_bom.Cells(i, "C").Value
' 查找库存
qty_in_stock = Application.WorksheetFunction.VLookup(part_no, ws_inventory.Range("A:D"), 4, False)
net_qty = qty_needed - qty_in_stock
If net_qty > 0 Then
ws_mrp.Cells(i, 1).Value = part_no
ws_mrp.Cells(i, 3).Value = qty_needed
ws_mrp.Cells(i, 4).Value = qty_in_stock
ws_mrp.Cells(i, 5).Value = net_qty
ws_mrp.Cells(i, 6).Value = net_qty * 1.1 ' 建议采购量（含 10% 安全系数）
End If
Next i
End Sub
4. 盘点表生成
Sub Generate_Inventory_Count_Sheet()
Dim ws As Worksheet
Set ws = ThisWorkbook.Sheets.Add
ws.Name = "盘点表_" & Format(Date, "yyyy-mm-dd")
' 设置表头
ws.Range("A1:H1").Value = Array("序号", "物料编码", "物料名称", "规格", "单位", "账面数量", "实盘数量", "差异")
ws.Range("A1:H1").Font.Bold = True
' 从库存表复制数据
Dim ws_stock As Worksheet
Set ws_stock = ThisWorkbook.Sheets("库存")
Dim last_row As Long
last_row = ws_stock.Cells(ws_stock.Rows.Count, "A").End(xlUp).Row
For i = 2 To last_row
ws.Cells(i, 1).Value = i - 1
ws.Cells(i, 2).Value = ws_stock.Cells(i, "A").Value
ws.Cells(i, 3).Value = ws_stock.Cells(i, "B").Value
ws.Cells(i, 4).Value = ws_stock.Cells(i, "C").Value
ws.Cells(i, 5).Value = ws_stock.Cells(i, "G").Value
ws.Cells(i, 6).Value = ws_stock.Cells(i, "D").Value
Next i
' 格式化
ws.Columns("A:H").AutoFit
ws.Range("H2:H" & last_row).Formula = "=F2-G2"
MsgBox "盘点表生成完成！"
End Sub
5. 呆滞料分析
Sub Analyze_Stagnant_Inventory()
Dim ws As Worksheet
Set ws = ThisWorkbook.Sheets("库存")
Dim last_row As Long
last_row = ws.Cells(ws.Rows.Count, "A").End(xlUp).Row
' 添加呆滞料标识列
ws.Cells(1, "I").Value = "呆滞状态"
ws.Cells(1, "J").Value = "呆滞天数"
For i = 2 To last_row
Dim last_move_date As Date
Dim days_stagnant As Long
last_move_date = ws.Cells(i, "H").Value ' 最后移动日期
days_stagnant = Date - last_move_date
ws.Cells(i, "J").Value = days_stagnant
Select Case days_stagnant
Case Is > 365
ws.Cells(i, "I").Value = "🔴 严重呆滞（>1年）"
ws.Cells(i, "I").Interior.Color = RGB(255, 150, 150)
Case Is > 180
ws.Cells(i, "I").Value = "🟡 中度呆滞（6-12月）"
ws.Cells(i, "I").Interior.Color = RGB(255, 220, 150)
Case Is > 90
ws.Cells(i, "I").Value = "⚠️ 轻度呆滞（3-6月）"
ws.Cells(i, "I").Interior.Color = RGB(255, 255, 150)
Case Else
ws.Cells(i, "I").Value = "✅ 正常"
ws.Cells(i, "I").Interior.Color = RGB(200, 255, 200)
End Select
Next i
' 统计
Dim stagnant_count As Long
Dim stagnant_value As Double
For i = 2 To last_row
If ws.Cells(i, "J").Value > 90 Then
stagnant_count = stagnant_count + 1
stagnant_value = stagnant_value + ws.Cells(i, "D").Value * ws.Cells(i, "E").Value
End If
Next i
MsgBox "呆滞料分析完成！" & vbCrLf & _
"呆滞物料数量：" & stagnant_count & vbCrLf & _
"呆滞料金额：$" & Format(stagnant_value, "#,##0.00")
End Sub
库存管理
库存分类方法
ABC 分析法
- A 类：价值占比 70-80%，数量占比 10-20% → 重点管理，高频盘点
- B 类：价值占比 15-25%，数量占比 20-30% → 中等管理，中频盘点
- C 类：价值占比 5-10%，数量占比 50-70% → 简化管理，低频盘点
VED 分类法（关键性）
- V（Vital）：关键物料，缺料导致停产
- E（Essential）：重要物料，缺料影响生产
- D（Desirable）：一般物料，缺料影响较小
库存优化策略
-
安全库存计算
安全库存 = 平均日需求 × 安全天数 × 波动系数 其中： - 安全天数 = 采购提前期 + 缓冲天数 - 波动系数 = 1.2 ~ 1.5（根据历史数据调整） -
订货点（ROP）
订货点 = 平均日需求 × 采购提前期 + 安全库存 -
经济订货量（EOQ）
EOQ = √(2 × 年需求量 × 单次订货成本 / 单位持有成本)
库存盘点方法
| 盘点方式 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|
| 全面盘点 | 年度/半年度 | 准确性高 | 耗时耗力 |
| 循环盘点 | 日常管理 | 持续监控 | 覆盖不全 |
| ABC 分类盘点 | A类物料高频 | 重点突出 | B/C类可能遗漏 |
| 随机抽样盘点 | 月度抽查 | 效率高 | 准确性较低 |
生产计划
MRP 计算逻辑
毛需求 = 生产计划 × BOM 用量
净需求 = 毛需求 - 现有库存 - 在途库存 + 安全库存
建议采购量 = 净需求 × 订货倍数（MOQ）
生产排程原则
-
优先级规则
- 交期优先（EDD）
- 最短加工时间（SPT）
- 关键比率（CR）
-
产能平衡
产能负荷 = 标准工时 × 数量 / 有效工时 负荷率 = 产能负荷 / 总产能 -
瓶颈管理
- 识别瓶颈工序
- 瓶颈前缓冲库存
- 瓶颈后拉式生产
数据分析
关键指标仪表板
# Python 物控数据分析示例
import pandas as pd
import matplotlib.pyplot as plt
# 1. 库存周转率分析
def inventory_turnover_analysis(df):
"""
df: 包含 '物料编码', '期初库存', '期末库存', '销售成本' 的 DataFrame
"""
df['平均库存'] = (df['期初库存'] + df['期末库存']) / 2
df['库存周转率'] = df['销售成本'] / df['平均库存']
df['库存天数'] = 365 / df['库存周转率']
return df
# 2. 呆滞料分析
def stagnant_inventory_analysis(df, days_threshold=90):
"""
分析呆滞料
"""
df['呆滞天数'] = (pd.Timestamp.now() - df['最后移动日期']).dt.days
df['呆滞状态'] = pd.cut(df['呆滞天数'],
bins=[0, 30, 90, 180, 365, float('inf')],
labels=['正常', '预警', '轻度呆滞', '中度呆滞', '严重呆滞'])
return df
# 3. 库存结构分析
def inventory_structure_analysis(df):
"""
ABC 分类
"""
df['物料价值'] = df['库存数量'] * df['单价']
df_sorted = df.sort_values('物料价值', ascending=False)
df_sorted['累计价值占比'] = df_sorted['物料价值'].cumsum() / df_sorted['物料价值'].sum()
def abc_class(cum_ratio):
if cum_ratio <= 0.8:
return 'A'
elif cum_ratio <= 0.95:
return 'B'
else:
return 'C'
df_sorted['ABC分类'] = df_sorted['累计价值占比'].apply(abc_class)
return df_sorted
可视化仪表板
# 库存仪表板
def create_inventory_dashboard(df):
fig, axes = plt.subplots(2, 2, figsize=(15, 10))
# 1. 库存结构饼图
abc_counts = df['ABC分类'].value_counts()
axes[0, 0].pie(abc_counts.values, labels=abc_counts.index, autopct='%1.1f%%')
axes[0, 0].set_title('ABC 库存结构')
# 2. 库存周转率柱状图
top_items = df.nlargest(10, '库存周转率')
axes[0, 1].bar(top_items['物料编码'], top_items['库存周转率'])
axes[0, 1].set_title('Top 10 库存周转率')
axes[0, 1].tick_params(axis='x', rotation=45)
# 3. 呆滞料分布
stagnant_counts = df['呆滞状态'].value_counts()
axes[1, 0].bar(stagnant_counts.index, stagnant_counts.values)
axes[1, 0].set_title('呆滞料分布')
# 4. 库存价值分布
axes[1, 1].hist(df['物料价值'], bins=20, edgecolor='black')
axes[1, 1].set_title('库存价值分布')
axes[1, 1].set_xlabel('物料价值')
axes[1, 1].set_ylabel('频次')
plt.tight_layout()
plt.savefig('inventory_dashboard.png', dpi=300, bbox_inches='tight')
plt.show()
自动化脚本
Python 物控自动化工具
1. 库存报表自动生成
# inventory_report.py
import pandas as pd
import openpyxl
from datetime import datetime
class InventoryReporter:
def __init__(self, data_file):
self.data = pd.read_excel(data_file)
self.report_date = datetime.now()
def generate_daily_report(self):
"""生成日报"""
report = {
'日期': self.report_date.strftime('%Y-%m-%d'),
'库存总金额': self.data['库存金额'].sum(),
'库存物料数': len(self.data),
'呆滞料金额': self.data[self.data['呆滞天数'] > 90]['库存金额'].sum(),
'缺料物料数': len(self.data[self.data['库存数量'] < self.data['安全库存']]),
'库存周转率': self.data['销售成本'].sum() / self.data['平均库存'].sum()
}
return pd.DataFrame([report])
def export_to_excel(self, output_path):
"""导出到 Excel"""
with pd.ExcelWriter(output_path, engine='openpyxl') as writer:
# 汇总表
summary = self.generate_daily_report()
summary.to_excel(writer, sheet_name='汇总', index=False)
# 明细表
self.data.to_excel(writer, sheet_name='库存明细', index=False)
# 呆滞料表
stagnant = self.data[self.data['呆滞天数'] > 90]
stagnant.to_excel(writer, sheet_name='呆滞料', index=False)
# 缺料表
shortage = self.data[self.data['库存数量'] < self.data['安全库存']]
shortage.to_excel(writer, sheet_name='缺料预警', index=False)
print(f"报表已生成：{output_path}")
2. 自动补货计算
# auto_replenishment.py
import pandas as pd
import numpy as np
class AutoReplenishment:
def __init__(self, inventory_data, demand_data):
self.inventory = inventory_data
self.demand = demand_data
def calculate_reorder_point(self, lead_time_days, service_level=0.95):
"""计算订货点"""
# 计算平均日需求和标准差
avg_daily_demand = self.demand['日需求量'].mean()
std_daily_demand = self.demand['日需求量'].std()
# Z 值（服务水平）
z_values = {0.90: 1.28, 0.95: 1.65, 0.98: 2.05, 0.99: 2.33}
z = z_values.get(service_level, 1.65)
# 安全库存
safety_stock = z * std_daily_demand * np.sqrt(lead_time_days)
# 订货点
reorder_point = avg_daily_demand * lead_time_days + safety_stock
return {
'平均日需求': avg_daily_demand,
'安全库存': safety_stock,
'订货点': reorder_point
}
def generate_purchase_plan(self):
"""生成采购计划"""
purchase_list = []
for _, item in self.inventory.iterrows():
if item['当前库存'] < item['订货点']:
# 计算建议采购量
lead_time = item['采购提前期']
avg_demand = self.demand[self.demand['物料编码'] == item['物料编码']]['日需求量'].mean()
# 建议采购量 = (提前期需求 + 安全库存) - 当前库存
suggested_qty = (avg_demand * lead_time + item['安全库存']) - item['当前库存']
# 考虑最小订货量（MOQ）
moq = item.get('最小订货量', 1)
if suggested_qty < moq:
suggested_qty = moq
purchase_list.append({
'物料编码': item['物料编码'],
'物料名称': item['物料名称'],
'当前库存': item['当前库存'],
'订货点': item['订货点'],
'建议采购量': suggested_qty,
'供应商': item.get('供应商', ''),
'预计到货日期': pd.Timestamp.now() + pd.Timedelta(days=item['采购提前期'])
})
return pd.DataFrame(purchase_list)
3. 库存预警系统
# inventory_alert.py
import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart
import pandas as pd
class InventoryAlert:
def __init__(self, smtp_config):
self.smtp_server = smtp_config['server']
self.smtp_port = smtp_config['port']
self.email_user = smtp_config['user']
self.email_password = smtp_config['password']
def check_inventory_status(self, inventory_df):
"""检查库存状态"""
alerts = []
for _, item in inventory_df.iterrows():
# 缺料预警
if item['当前库存'] < item['安全库存']:
alerts.append({
'类型': '缺料预警',
'物料编码': item['物料编码'],
'物料名称': item['物料名称'],
'当前库存': item['当前库存'],
'安全库存': item['安全库存'],
'缺口': item['安全库存'] - item['当前库存']
})
# 呆滞料预警
if item['呆滞天数'] > 90:
alerts.append({
'类型': '呆滞料预警',
'物料编码': item['物料编码'],
'物料名称': item['物料名称'],
'呆滞天数': item['呆滞天数'],
'库存金额': item['库存金额']
})
# 库存过高预警
if item['当前库存'] > item['最高库存']:
alerts.append({
'类型': '库存过高',
'物料编码': item['物料编码'],
'物料名称': item['物料名称'],
'当前库存': item['当前库存'],
'最高库存': item['最高库存']
})
return pd.DataFrame(alerts)
def send_alert_email(self, alerts_df, recipient):
"""发送预警邮件"""
if alerts_df.empty:
return
msg = MIMEMultipart('alternative')
msg['Subject'] = f'库存预警报告 - {pd.Timestamp.now().strftime("%Y-%m-%d")}'
msg['From'] = self.email_user
msg['To'] = recipient
# 生成 HTML
html = f"""
<html>
<head>
<style>
body {{ font-family: Arial, sans-serif; }}
table {{ border-collapse: collapse; width: 100%; }}
th, td {{ border: 1px solid #ddd; padding: 8px; text-align: left; }}
th {{ background-color: #f2f2f2; }}
.alert-high {{ background-color: #ffcccc; }}
.alert-medium {{ background-color: #fff3cd; }}
</style>
</head>
<body>
<h2>库存预警报告</h2>
<p>生成时间：{pd.Timestamp.now().strftime("%Y-%m-%d %H:%M")}</p>
<table>
<tr>
<th>类型</th>
<th>物料编码</th>
<th>物料名称</th>
<th>数值</th>
<th>状态</th>
</tr>
"""
for _, row in alerts_df.iterrows():
row_class = "alert-high" if row['类型'] in ['缺料预警', '呆滞料预警'] else "alert-medium"
value = row.get('缺口', row.get('呆滞天数', row.get('当前库存', '')))
html += f"""
<tr class="{row_class}">
<td>{row['类型']}</td>
<td>{row['物料编码']}</td>
<td>{row['物料名称']}</td>
<td>{value}</td>
<td>需要处理</td>
</tr>
"""
html += """
</table>
<p>请及时处理预警事项！</p>
</body>
</html>
"""
msg.attach(MIMEText(html, 'html'))
# 发送邮件
with smtplib.SMTP_SSL(self.smtp_server, self.smtp_port) as server:
server.login(self.email_user, self.email_password)
server.send_message(msg)
print(f"预警邮件已发送至 {recipient}")
案例研究
案例 1：降低库存周转天数
背景：
- 某电子厂库存周转天数：90 天
- 目标：降低至 60 天
措施：
- ABC 分类管理
- 优化安全库存
- 实施 VMI（供应商管理库存）
- 定期盘点与清理呆滞料
结果：
- 库存周转天数降至 55 天
- 库存资金占用减少 38%
- 缺料率从 5% 降至 1.5%
案例 2：呆滞料清理
背景：
- 呆滞料金额：$500,000
- 占总库存：15%
措施：
- 呆滞料分析与分类
- 制定清理计划（折价销售、退供应商、报废）
- 优化采购策略
- 建立呆滞料预警机制
结果：
- 呆滞料减少 70%
- 释放资金 $350,000
- 库存结构优化
SAP 系统操作
SAP MM 模块常用事务代码
| 事务代码 | 功能 | 用途 |
|---|---|---|
| ME5A | 显示采购申请清单 | ✅ 查询 PR 下单时间 |
| ME53N | 显示采购申请 | ✅ 查看单个 PR 详情 |
| ME51N | 创建采购申请 | 创建 PR |
| ME52N | 修改采购申请 | 修改 PR |
| ME55 | 批准采购申请 | 批准 PR |
| ME57 | 分配并处理采购申请 | 分配供应商 |
| ME59N | 自动创建采购订单 | 批量转 PO |
| ME2L | 供应商采购订单查询 | 查询 PO |
| ME23N | 显示采购订单 | PO 详情 |
| MB5A | 物料凭证清单 | 查询出入库记录 |
| MB52 | 仓库库存查询 | 库存查询 |
| MB51 | 物料凭证查询 | 出入库历史 |
| MD04 | 库存需求清单 | MRP 需求 |
| MI31 | 创建盘点凭证 | 库存盘点 |
SAP 自定义事务代码
| 事务代码 | 类型 | 可能功能 |
|---|---|---|
| ZPP006 | 自定义 | 生产计划/物料需求报表 |
| ZP006 | 自定义 | 通用查询报表 |
| ZMM001 | 自定义 | 物料主数据查询 |
| ZMM004 | 自定义 | 库存周转率分析 |
| ZMM005 | 自定义 | 呆滞料分析 |
PR 查询指南
1. 使用 ME5A 查询 PR 下单时间
操作步骤：
- 输入事务代码：
ME5A - 设置查询条件：
- 采购申请编号
- 工厂
- 创建日期范围
- 执行（F8）
- 查看结果：
- 创建日期 = PR 下单日期
- 创建时间 = PR 下单时间
详细指南：
- SAP_MB5A_PR查询指南.md - PR 查询完整指南
- SAP_自定义事务代码.md - 自定义代码说明
2. 使用 ME53N 查看单个 PR
操作步骤：
- 输入事务代码：
ME53N - 输入 PR 编号
- 查看抬头信息：
- 创建日期/时间
- 创建人
- 采购组
- 查看项目明细：
- 物料、数量、工厂
- 查看状态：
- 后续 PO 编号
- 收货状态
3. MB5A 的正确使用
注意：MB5A 用于查询物料凭证，不适合查询 PR 下单时间。
MB5A 用途：
- 查询物料出入库记录
- 查看物料凭证历史
- 分析库存移动情况
PR 查询应使用：ME5A 或 ME53N
资源推荐
书籍
- 《物料管理实务》 - 作者：王文信
- 《生产与运营管理》 - 作者：Richard B. Chase
- 《供应链管理：战略、规划与运作》 - 作者：Sunil Chopra
在线课程
- Coursera - Supply Chain Management Specialization
- Udemy - Inventory Management and Control
- edX - Operations Management
工具软件
- ERP 系统：SAP、Oracle、金蝶、用友
- WMS 系统：仓库管理系统
- Excel VBA：自定义工具开发
行业标准
- ISO 9001 - 质量管理体系
- ISO 28000 - 供应链安全管理体系
- APICS CPIM - 生产与库存管理认证
快速开始
1. 安装依赖
# Python 环境
pip install pandas openpyxl matplotlib
# Excel VBA
# 打开 Excel → 开发工具 → Visual Basic → 导入模块
2. 使用示例
# 导入工具库
from inventory_report import InventoryReporter
from auto_replenishment import AutoReplenishment
# 生成日报
reporter = InventoryReporter('inventory_data.xlsx')
reporter.export_to_excel('daily_report.xlsx')
# 自动补货
replenishment = AutoReplenishment(inventory_data, demand_data)
purchase_plan = replenishment.generate_purchase_plan()
purchase_plan.to_excel('purchase_plan.xlsx', index=False)
3. Excel VBA 使用
' 打开工具库
Sub Open_MC_Toolkit()
Workbooks.Open "vba-mc-toolkit.xlsm"
End Sub
' 运行库存预警
Sub Run_Inventory_Alert()
Call Inventory_Alert
End Sub
' 生成盘点表
Sub Run_Generate_Count_Sheet()
Call Generate_Inventory_Count_Sheet
End Sub
贡献指南
欢迎贡献你的物控经验和工具！
如何贡献
- Fork 本仓库
- 创建你的分支 (
git checkout -b feature/your-feature) - 提交你的更改 (
git commit -m 'Add some feature') - 推送到分支 (
git push origin feature/your-feature) - 创建 Pull Request
贡献内容
- ✅ Excel VBA 工具脚本
- ✅ Python 自动化工具
- ✅ 物控案例分析
- ✅ 最佳实践文档
- ✅ 数据分析模板
许可证
本项目采用 MIT 许可证 - 详见 LICENSE 文件
联系方式
如有问题或建议，请通过以下方式联系：
- GitHub Issues: 提交 Issue
- 邮箱: 1803560007@github.com
更新日志
v1.0.0 (2026-02-03)
- ✅ 创建物控学习笔记仓库
- ✅ 添加基础知识文档
- ✅ 添加 Excel VBA 工具库
- ✅ 添加 Python 自动化脚本
- ✅ 添加案例研究
- ✅ 添加资源推荐
最后更新: 2026-02-03
维护者: 1803560007
版本: v1.0.0