SAP MM IM层面盘点流程中偷懒技巧之设计

简介: SAP MM IM层面盘点流程中偷懒技巧之设计

SAP MM IM层面盘点流程中偷懒技巧之设计



大家知道,SAP IM层面的盘点,标准流程是:创建盘点凭证,录入盘点结果,差异清账处理。



常用的事务代码如下:


MI01 – 创建盘点凭证;

MI02 – 修改盘点凭证;

MI21 – 打印盘点凭证;

MI04 – 输入盘点结果;

MI05 – 修改盘点结果;

MI20 – 显示盘点差异清单;

MI07 – 将盘点差异过账;


同时SAP系统还设计了另外的2个事务代码MI08和MI09,虽然项目实践中用的并不多,但是不失为2个帮助业务人员偷懒的小技巧。



这2个事务代码,笔者在之前的诸多项目中,都没有用到过,当然了笔者也没有花时间去研究过。直到在P3项目的集成测试阶段,笔者发现global template里的test script中有个脚本是关于MI09的,这才引起了笔者的好奇与研究;同时也注意到了MI08这个事务代码。



1), MI08 – 记录盘点结果同时过账盘点差异;


image.png



回车进入如下界面,


image.png



保存,


image.png



也就是说:MI08 = MI04+MI07。



2), MI09- 直接录入盘点结果保存后自动产生盘点凭证;

image.png




image.png



保存,

image.png




自动创建盘点凭证并完成结果录入 !



也就是说,MI09 = MI01 + MI04。




那有没有一个事务代码,其效果=MI01+MI04+MI07, 也就是说将盘点凭证的创建/结果录入/差异过账一步同时搞定?笔者查了,还真的有,事务代码是MI10。


image.pngimage.png







保存之,



image.png




至此,笔者不能不佩服SAP系统功能的强大与完美。它不仅仅考虑到相关流程的标准做法,同时也很人性化的想到了如何帮助业务部门用户偷懒,减少系统操作的工作量。



技术角度,我们不能不承认,MI08/MI09/MI10 的设计很好很省力很人性化。



业务角度,正如在我介绍这些偷懒技巧给仓库业务部门用户的时候他们反馈的一样,功能很好很省事,但是会有风险,业务人员在盘点的实际操作中不可能使用这些偷懒技巧。毕竟业务要确保手工输入的数据的准确认,录入了盘点结果之后,需要去检查difference list,确认在系统里的difference list符合业务实际盘点结果的差异,这才能在系统里做difference clearing的操作。



SAP费力没讨好,岂不是很尴尬?


相关文章
|
网络协议 关系型数据库 开发者
开源即时通讯(IM)项目OpenIM源码部署流程
开源即时通讯(IM)项目OpenIM源码部署流程
958 0
开源即时通讯(IM)项目OpenIM源码部署流程
SAP MM/FI_运费处理方式
常见的采购运费处理方式
SAP MM 途损处理方式
通常客户采购业务需求提到货物运输有损耗,需要针对此业务给出合理方案输出,下面笔者针对此类业务分析下各种实现方案的可行性!
|
测试技术
400电话客服呼叫中心搭建流程及注意事项
400电话客服呼叫中心搭建流程及注意事项
433 0
400电话客服呼叫中心搭建流程及注意事项
SAP WM高阶IM层面冻结物料库存过账后WM层面有三个不同的移动类型?
SAP WM高阶IM层面冻结物料库存过账后WM层面有三个不同的移动类型?
SAP WM高阶IM层面冻结物料库存过账后WM层面有三个不同的移动类型?
SAP WM 使用Storage Location Reference实现IM层面的存储地点和WM层面的存储类型之间的软关联(2)
SAP WM 使用Storage Location Reference实现IM层面的存储地点和WM层面的存储类型之间的软关联(2)
SAP WM 使用Storage Location Reference实现IM层面的存储地点和WM层面的存储类型之间的软关联(2)
SAP WM 使用Storage Location Reference实现IM层面的存储地点和WM层面的存储类型之间的软关联(1)
SAP WM 使用Storage Location Reference实现IM层面的存储地点和WM层面的存储类型之间的软关联(1)
SAP WM 使用Storage Location Reference实现IM层面的存储地点和WM层面的存储类型之间的软关联(1)
|
21天前
|
机器学习/深度学习 自然语言处理 搜索推荐
深度分析 | 2024主流的智能客服系统有哪些?他们是怎么实现的?
本文深入探讨了智能客服系统的使用方法和相关技术实现逻辑,涵盖前端交互、服务接入、逻辑处理、数据存储四大层面,以及自然语言处理、机器学习、语音识别与合成、数据分析与挖掘、知识库管理和智能推荐系统等核心技术,帮助企业更好地理解和应用智能客服系统,提升服务效率和客户满意度。
115 1
|
3月前
|
存储 自然语言处理 机器人
实战揭秘:当RAG遇上企业客服系统——从案例出发剖析Retrieval-Augmented Generation技术的真实表现与应用局限,带你深入了解背后的技术细节与解决方案
【10月更文挑战第3天】随着自然语言处理技术的进步,结合检索与生成能力的RAG技术被广泛应用于多个领域,通过访问外部知识源提升生成内容的准确性和上下文一致性。本文通过具体案例探讨RAG技术的优势与局限,并提供实用建议。例如,一家初创公司利用LangChain框架搭建基于RAG的聊天机器人,以自动化FAQ系统减轻客服团队工作负担。尽管该系统在处理简单问题时表现出色,但在面对复杂或多步骤问题时存在局限。此外,RAG系统的性能高度依赖于训练数据的质量和范围。因此,企业在采用RAG技术时需综合评估需求和技术局限性,合理规划技术栈,并辅以必要的人工干预和监督机制。
175 3

热门文章

最新文章