物料主数据中日期对MRP影响测试

简介: 测试结论: 订单完成日期= 需求日期—收货处理时间 订单开始日期= 订单完成日期—自制生产日期 计划转换日期= 1.1 测试数据: 当然日期:2011-2-25 成品料号:100000025  策略40 独立需求:2011-3-10   数量 100 1.

测试结论:

订单完成日期= 需求日期—收货处理时间

订单开始日期= 订单完成日期—自制生产日期

计划转换日期=

1.1 测试数据:

当然日期:2011-2-25

成品料号:100000025  策略40

独立需求:2011-3-10   数量 100

1.2 1、采购视图

1.2.1 收货处理时间(这个时间和MRP2中收货处理时间相同)

收货处理时间  2

期望结果(这个应该考虑)

计划订单

计划转换日期2011-3-8    订单开始日期 2011-3-8  订单完成日期 2011-3-8       GR处理时间 2

实际结果:

计划转换日期2011-3-8    订单开始日期 2011-3-8  订单完成日期 2011-3-8  GR处理时间 2

期望和实际相同

1.2.2 MD04中将会增加一行“技术补充提前期”,日期=当前日期+收货处理时间

1.2.2.1 测试结论:

订单完成日期= 需求日期—收货处理时间

订单开始日期= 订单开始日期—自制生产日期

计划转换日期=

1.3 2MRP2

1.3.1 自制生产

自制生产    1  收货处理时间  2

 

设置了自制生产时间的MD04,多出了红色部分的一行“技术补充提前期”,日期=当前日期+自制生产+收货处理时间

 

期望结果(这个应该考虑)

计划订单

计划转换日期2011-3-7    订单开始日期 2011-3-7  订单完成日期 2011.03.08    GR处理时间 2

实际结果:

计划转换日期2011-3-7    订单开始日期 2011-3-7  订单完成日期 2011-3-8  GR处理时间 2

期望和实际相同

1.3.1.1 测试结论:

订单完成日期= 需求日期—收货处理时间

订单开始日期= 订单完成日期—自制生产日期

计划转换日期=

1.3.2 收货处理时间(这个时间和采购视图中收货处理时间相同,略)

收货处理时间

1.3.3 计划交货时间(这个是外部采购时间,用户使用 SAP 零售系统,该计划的交货时间能从在买主主记录的供应商子范围中获取。)

1.3.3.1 测试结论:

对成品不起作用,对外购的才可能起作用

 

1.3.4 安全时间/作业覆盖(未测试)

 

1.4 MPR3

1.4.1 总计补货提前时间

1.4.1.1 测试结论:

不参与MRP运算,在可用性检查时考虑

维护 总补充提前期 用于内部采购物料字段的点,在外部采购中,系统加入来自采购,计划发货时间和收货处理时间的时间,并使用这个总和作为用于带有补充提前期的用于可用性检查的补充提前期。

1.5 工作计划视图

1.5.1 厂内生产时间(这个和MR2中的自制生产相同,测试略)

 
目录
相关文章
|
8月前
|
分布式计算 Shell MaxCompute
odps测试表及大量数据构建测试
odps测试表及大量数据构建测试
|
9月前
|
开发框架 .NET Java
C#集合数据去重的5种方式及其性能对比测试分析
C#集合数据去重的5种方式及其性能对比测试分析
111 11
|
9月前
|
开发框架 .NET Java
C#集合数据去重的5种方式及其性能对比测试分析
C#集合数据去重的5种方式及其性能对比测试分析
138 10
|
10月前
|
机器学习/深度学习 算法 UED
在数据驱动时代,A/B 测试成为评估机器学习项目不同方案效果的重要方法
在数据驱动时代,A/B 测试成为评估机器学习项目不同方案效果的重要方法。本文介绍 A/B 测试的基本概念、步骤及其在模型评估、算法改进、特征选择和用户体验优化中的应用,同时提供 Python 实现示例,强调其在确保项目性能和用户体验方面的关键作用。
324 6
|
11月前
|
机器学习/深度学习 监控 计算机视觉
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
本文介绍了如何使用YOLOv7进行目标检测,包括环境搭建、数据集准备、模型训练、验证、测试以及常见错误的解决方法。YOLOv7以其高效性能和准确率在目标检测领域受到关注,适用于自动驾驶、安防监控等场景。文中提供了源码和论文链接,以及详细的步骤说明,适合深度学习实践者参考。
2745 1
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
10月前
|
机器学习/深度学习 算法 UED
在数据驱动时代,A/B 测试成为评估机器学习项目效果的重要手段
在数据驱动时代,A/B 测试成为评估机器学习项目效果的重要手段。本文介绍了 A/B 测试的基本概念、步骤及其在模型评估、算法改进、特征选择和用户体验优化中的应用,强调了样本量、随机性和时间因素的重要性,并展示了 Python 在 A/B 测试中的具体应用实例。
239 1
|
11月前
|
存储 测试技术 数据库
数据驱动测试和关键词驱动测试的区别
数据驱动测试 数据驱动测试或 DDT 也被称为参数化测试。
207 1
|
11月前
|
SQL 分布式计算 Hadoop
Hadoop-14-Hive HQL学习与测试 表连接查询 HDFS数据导入导出等操作 逻辑运算 函数查询 全表查询 WHERE GROUP BY ORDER BY(一)
Hadoop-14-Hive HQL学习与测试 表连接查询 HDFS数据导入导出等操作 逻辑运算 函数查询 全表查询 WHERE GROUP BY ORDER BY(一)
165 4
|
11月前
|
机器学习/深度学习 并行计算 数据可视化
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用PaddleClas框架完成多标签分类任务,包括数据准备、环境搭建、模型训练、预测、评估等完整流程。
786 0
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
|
11月前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
379 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)

热门文章

最新文章