浅谈特征件管理

简介:
什么是特征件?
先举个例子吧,到商店买件衬衫,你告诉导购小姐需要购买的衬衫品牌,几经讨价之后达成100元一件,之后您还会做什么呢?嗯,你告诉导购小姐:我要白底红条180的一件,你很孝顺,还为你的父亲大人买了同样品牌的一件衬衣,要的是灰色175款的。按照现在的行业惯例:这样的两件衬衫价格是完全一样的,你需要付的是200元钱。
而经销商在采购衬衫的时候,采购进价也完全都是一样的,订单上写的是订购那种品牌的衬衫100套,每套60元,然后列举了不同颜色不同尺寸的订购数量。
在ERP中该怎样的管理这样的一些数据呢?通常,我们将某品牌的相同品质的衬衫定义一个物料编码,然后指定这个物料具有扩展的属性,并且通过一个数据表记录这个物料对应的扩展属性清单,在订货、销售、库存的时候都要既定义这个物料的订货数、销售数、库存数,还要指定这个物料对应不同的扩展属性(特征)对应的订货数、销售数、库存数。
这是我们称呼这个物料为特征件,即具有附加扩展属性,并且这些附加扩展属性将同进销存以及生产相关的物料。
怎样管理特征件?
生产、订货、销售、出库、包装、物流时,很多商品涉及到特征件。那么该怎样对特征件进行管理呢?
的确,特征件看起来有点象批号或者序列号吧,但又绝对无法使用批号和序列号来管理。但是我们可以借鉴处理批号的方式来进行特征件的处理。
首先,在SAP物料主数据定义中加入一个属性值,是否是特征件,有效值为“y/n”。然后定义用户表--物料特征属性表,用于记录物料特征属性清单,至少包括以下字段:物料编码,特征行号(编号),特征属性描述等;相应的还要有一个特征件记录单以及特征件交易记录清单,类似SAP中的OIBT和IBT1,分别用于记录特征件在当前仓库中的数量、状态、交易过程。
然后在订货、入库、销售、库存管理中可以通过类似批号或者序列号管理机制,订货时不管要指明所定物料的数量,还要指定不同特征值对应的订货清单;同样入库、转储、调拨、销售和盘点的时候都需要自动触发处理。
但是在生产管理中,稍微有些复杂,就是对于特征件的BOM单管理,BOM单上一些原料物料是与特征属性无关的,一些事相关的,对于特征属性相关的物料,它总是同特征属性值形成对应管理,就是说在BOM单中需要加入关联特征属性定义字段,如果属于特征关联物料,将关联到特征属性值。这样在生产计划(ProductionOrder)中,根据生产订单的特征属性值直接关联到BOM单的物料,从而可控管理生产物料计划。当然还有更为复杂的特征件BOM管理(比如特征件的某BOM项目将根据不同的特征属性值有不同的使用比例),那只是需要更加精细化控制。
并不是所有的特征属性都会影响到生产的BOM清单,但是任何特征属性都会影响到生产过程管理。


本文转自foresun  51CTO博客,原文链接:http://blog.51cto.com/foresun/40499,如需转载请自行联系原作者
相关文章
|
11月前
|
机器学习/深度学习 算法 开发者
特征生成(特征创建)
特征生成(特征创建)
|
数据采集 数据管理 大数据
【DBMS 数据库管理系统】数据仓库特征 ( 特征一 : 面向主题组织数据 | 特征二 : 数据集成 | 特征三 : 数据不可更新 | 特征四 : 随时间不断变化 )
【DBMS 数据库管理系统】数据仓库特征 ( 特征一 : 面向主题组织数据 | 特征二 : 数据集成 | 特征三 : 数据不可更新 | 特征四 : 随时间不断变化 )
235 0
|
机器学习/深度学习 存储 自然语言处理
文档级关系抽取:基于结构先验产生注意力偏差SSAN模型
文档级关系抽取:基于结构先验产生注意力偏差SSAN模型
文档级关系抽取:基于结构先验产生注意力偏差SSAN模型
|
机器学习/深度学习 算法 开发者
自组织特征映射神经网络-1|学习笔记
快速学习自组织特征映射神经网络-1
197 0
自组织特征映射神经网络-1|学习笔记
|
机器学习/深度学习 算法 数据挖掘
自组织特征映射神经网络-2| 学习笔记
快速学习自组织特征映射神经网络-2。
62 0
自组织特征映射神经网络-2| 学习笔记
|
机器学习/深度学习 算法 开发者
自组织特征映射神经网络-1| 学习笔记
快速学习自组织特征映射神经网络-1。
95 0
自组织特征映射神经网络-1| 学习笔记
|
机器学习/深度学习 算法 开发者
自组织特征映射神经网络-2|学习笔记
快速学习自组织特征映射神经网络-2
79 0
自组织特征映射神经网络-2|学习笔记
|
机器学习/深度学习 算法
|
存储 数据库 uml
系统建模
结构化系统建模 1.数据流图 DFD(Data Flow Diagram) 数据流图由数据流(data flow),加工(process),文件(data store),源 / 宿(Source / Sink)四部分组成。 数据流是有一组固定成分的数据组成,表示数据的流向,用箭头表示。它可以从源、文件流向加工,也可以从加工流向文件和宿,还可以从一个加工流向另一个加工。 加
1968 0
|
2月前
|
存储 数据建模
维度建模-1
维度建模-1
28 1