CN114648280A - 一种基于大数据的库存呆滞料原因追溯方法及系统 - Google Patents
一种基于大数据的库存呆滞料原因追溯方法及系统 Download PDFInfo
- Publication number
- CN114648280A CN114648280A CN202210559645.3A CN202210559645A CN114648280A CN 114648280 A CN114648280 A CN 114648280A CN 202210559645 A CN202210559645 A CN 202210559645A CN 114648280 A CN114648280 A CN 114648280A
- Authority
- CN
- China
- Prior art keywords
- tracing
- level
- reason
- inventory
- stagnant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于大数据的库存呆滞料原因追溯方法及系统,方法包括:从ERP系统和PLM系统获取原始分析数据;将原始分析数据导入构建的库存呆滞料原因追溯模型并运行模型;所述库存呆滞料原因追溯模型的构建包括:设置追溯层级,每一层级对应一呆滞料原因;设置层级间追溯逻辑及层级内追溯逻辑;按照层级间追溯逻辑逐层进行呆滞原因分析,在每一层级执行对应的层级内追溯逻辑;输出当前物料的呆滞原因。本发明能够使企业快速、准确定位到物料的呆滞原因,明确呆滞料的核心源头及责任部门,及时进行处理和优化,极大降低企业的库存成本。
Description
技术领域
本发明属于大数据处理技术领域,尤其涉及大数据库存分析,具体为一种基于大数据的库存呆滞料原因追溯方法及系统。
背景技术
企业在发现库存呆滞异常时,通常只能给出库存呆滞料数量和时间,而难以快速、准确定位呆滞原因。
由于库存呆滞的原因涉及到大量数据的核对和追溯,包括MRP类型数据、订货点数据、最小批量数据、安全库存设置等,其数据追溯量大、关联因素多,使得准确定位库存呆滞的原因非常麻烦且低效,并且只能对少部分呆滞料(如价值较高的物料)进行呆滞原因定位。而由于无法及时、准确的定位库存呆滞原因,使得多数企业无法针对呆滞料给出准确的业务改进建议,对库存呆滞料的管理往往比较粗放,最终导致大量的库存积压。
经检索,公开号CN105069596A的中国专利于2015年11月18日公开了一种呆滞库存分析方法,该方法能够快速定位、准确分析呆滞库存/物料信息,可以快速查询用户当前的呆滞库存状况,但是无法给出库存呆滞料原因,即难以明确呆滞料的源头或责任部门,导致无法从源头控制呆滞料的发生,不利于企业降低库存成本。
发明内容
为克服上述现有技术的不足,本发明提供一种基于大数据的库存呆滞料原因追溯方法及系统,用以解决上述至少一个技术问题。
根据本发明说明书的一方面,提供一种基于大数据的库存呆滞料原因追溯方法,包括:
从ERP系统和PLM系统获取原始分析数据;
将原始分析数据导入构建的库存呆滞料原因追溯模型并运行模型;所述库存呆滞料原因追溯模型的构建包括:设置追溯层级,每一层级对应一呆滞料原因;设置层级间追溯逻辑及层级内追溯逻辑;按照层级间追溯逻辑逐层进行呆滞原因分析,在每一层级执行对应的层级内追溯逻辑;
输出当前物料的呆滞原因。
上述技术方案通过ERP系统和PLM系统获取原始分析数据,即与呆滞料相关的各种数据,使得用于呆滞原因分析的数据更加全面,以提高分析结果的准确性;在选定目标物料后,运行库存呆滞料原因追溯模型,该库存呆滞料原因追溯模型按照追溯层级及层级间追溯逻辑逐层进行呆滞原因分析,且在每一层级执行对应的层级内追溯逻辑,直至定位到目标物料呆滞原因所在的层级,此时停止模型运行并输出目标物料呆滞原因,从而使得企业能够快速、准确定位到物料的呆滞原因,明确呆滞料的核心源头及责任部门,及时进行处理和优化,极大降低企业的库存成本。
作为进一步的技术方案,获取原始分析数据进一步包括:
从ERP系统获取库存呆滞料清单,用于形成超预留报表;
从超预留报表抽取入库单、采购订单、生产订单、采购申请单、生产计划订单、销售订单及物料主数据;
从PLM系统抽取设计变更单;
基于从超预留报表及PLM系统抽取的数据,形成原始分析数据。
上述技术方案从ERP系统和PLM系统中提取跟呆滞料相关的全部数据,并通过分层次的数据抽取得到不同的类型表单,再依据这些表单分层级进行呆滞原因追溯时,能极大提升分析覆盖面,确保呆滞原因分析的准确性;同时,由于多表单依据不同追溯逻辑的分层级调用,极大提高了呆滞原因分析的效率,从而帮助企业更加合理地管控库存。
作为进一步的技术方案,层级间追溯逻辑进一步包括:先追溯采购因素所涵盖的各层级,在未追溯到呆滞原因时,再追溯计划因素所涵盖的各层级。
作为进一步的技术方案,采购因素涵盖了5个层级,依次为第一层级、第二层级、第三层级、第四层级和第五层级;其中,第一层级用于调用采购申请单进行追溯,对应的呆滞原因为手工申请;第二层级用于调用物料主数据及采购订单或生产订单进行追溯,对应的呆滞原因为ND需求;第三层级用于调用物料主数据进行追溯,对应的呆滞原因为订货点;第四层级用于调用采购订单或生产订单进行追溯,对应的呆滞原因为舍入值;第五层级用于调用采购订单或生产订单进行追溯,对应的呆滞原因为最小批量。
进一步地,从原始分析数据中调用采购申请单,查询采购申请单的创建人标注字段及MRP类型,根据标注字段判定采购申请单的来源,若判定为手工申请,则停止模型运行,输出呆滞料原因“手工申请”。若判定不是手工申请,则进入下一层级继续追溯。
进一步地,若该采购申请单对应有采购计划单,则可对采购计划单执行第一层级内追溯逻辑,判定是否为采购计划单导致的多余采购或重复采购。
进一步地,进入到第二层级后,从原始分析数据中调用物料主数据,查询其MRP类型,若物料主数据的MRP类型为ND-无计划,则停止模型运行,输出呆滞料原因“ND需求”。由于该层级的采购订单或生产订单均是手工入库,因此只需查询物料主数据的MRP类型即可判定是否为无计划需求。采购订单针对原材料而言,生产订单则针对半成品或成品而言,因此,对于原材料呆滞,则定位为采购订单无计划需求;对于半成品或成品,则定位为生产订单无计划需求。
进一步地,进入到第三层级后,从原始分析数据中调用物料主数据,查询其MRP类型,寻找呆滞料订货点情况,追溯是否因为再订货量超出需求造成的库存呆滞,若是则输出呆滞料原因“订货点”。
进一步地,进入到第四层级后,从原始分析数据中调用采购订单或生产订单,再基于采购订单或生产订单得到采购申请单或生产计划订单,若采购申请单或生产计划订单的数量是舍入值的倍数且生产真正的需求数量(通过物料的BOM结构获取)小于采购申请量或计划订单量,则输出呆滞原因“舍入值”。在该层级追溯中,先基于采购订单进行呆滞原因追溯,再基于生产订单进行呆滞原因追溯,若基于采购订单进行追溯时已定位到呆滞原因,则不再进行基于生产订单的呆滞原因追溯。
进一步地,进入到第五层级后,从原始分析数据中调用采购订单或生产订单,再基于采购订单或生产订单得到采购申请单或生产计划订单,若采购申请单或生产计划订单的数量大于最小批量(最小批量大于零),且真正的需求数量小于采购申请量或计划订单量,则输出呆滞原因“最小批量”。在该层级追溯中,先基于采购订单进行呆滞原因追溯,再基于生产订单进行呆滞原因追溯,若基于采购订单进行追溯时已定位到呆滞原因,则不再进行基于生产订单的呆滞原因追溯。
在第四层级、第五层级的呆滞原因追溯过程中,采购订单或生产订单均是通过入库单来得到,而入库单为经由库存入库记录查找到的最后一次入库单。
作为进一步的技术方案,计划因素涵盖了5个层级,依次为第六层级、第七层级、第八层级、第九层级和第十层级;其中,第六层级用于调用采购申请单或采购计划订单对应的成品WBS需求进行追溯,对应的呆滞原因为需求变更;第七层级用于调用生产计划订单和设计变更单进行追溯,对应的呆滞原因为设计变更;第八层级用于调用入库单和销售订单进行追溯,对应的呆滞原因为预测不准;第九层级用于调用生产计划订单和销售订单进行追溯,对应的呆滞原因为计划加码;第十层级用于调用物料主数据进行追溯,对应的呆滞原因为最小库存设置。
进一步地,进入到第六层级后,通过追溯采购申请单对应的成品WBS需求,判断源头是否存在。如没有找到源头项目挂接记录则判定为需求取消或者变更(依据“项目挂接版本变更记录”和“销售交付报表”已有记录)。该层级追溯中,如果采购申请单对应的有采购计划订单,则也可通过追溯采购计划订单对应的成品WBS需求,判断源头是否存在。进一步地,进入第七层级后,查询生产订单组件删除与当时生产订单BOM对比(订单未删除,只删除组件),若生产订单组件删除有相应记录(表示该物料因设计变更被删除),而生产订单BOM里仍然存在,则呆滞原因可判定为“设计变更”。在定位设计变更后,通过PLM系统的BOM关联查询系统中的设计变更原因,进一步确定是设计改进或设计错误导致的设计变更。
进一步地,进入第八层级后,从原始分析数据中调用入库单和销售订单,通过入库单追溯销售订单中的实际来源,即查询系统中的销售订单类型字段,如来源为客户锁定,则判断此呆滞料为可处理呆滞,如来源为预测订单,则判断此呆滞料为订单预测不准原因导致的呆滞。
进一步地,进入第九层级后,通过追溯呆滞物料生产工单中的销售订单号,以及根据销售订单号追溯生产计划,对实际订单数量与生产计划数量进行比对(按照BOM进行运算),如生产计划的数量超出实际订单的数量,则判断为计划加码原因造成的库存呆滞。
进一步地,进入第十层级后,追溯物料主数据的最小库存设置数据,如果最小库存数据设置大于0 ,则判断物料是由于最小库存设置原因造成的呆滞,需要修改最小库存数据。
作为进一步的技术方案,在某个追溯层级追溯到呆滞原因后,库存呆滞料原因追溯模型停止运行,输出当前追溯层级所对应的呆滞料原因。只要追溯到呆滞原因即停止模型运行,既能在当前层级之前的层级追溯中有效利用各种数据,满足呆滞原因追溯的全面性,又能够经由层级追溯避免对全部数据进行逐一追溯进而增加数据计算量。
根据本发明说明书的一方面,提供一种基于大数据的库存呆滞料原因追溯系统,所述系统包括:
输入模块,用于将从ERP系统和PLM系统获取的原始分析数据导入库存呆滞料原因追溯模型;所述库存呆滞料原因追溯模型包括:设置模块,用于设置追溯层级,每一层级对应一呆滞料原因,及设置层级间追溯逻辑及层级内追溯逻辑;执行模块,用于按照层级间追溯逻辑逐层进行呆滞原因分析,在每一层级执行对应的层级内追溯逻辑;
分析模块,用于运行库存呆滞料原因追溯模型;
输出模块,用于输出当前物料的呆滞原因。
上述系统通过构建库存呆滞料原因追溯模型为呆滞料提供逐层级的原因追溯,能够快速、准确定位到呆滞原因所在层级并输出呆滞原因;用户仅需输入库存呆滞结果,系统则自动将库存呆滞结果通过数据抽取形成原始分析数据并存储在模型中,模型运行并按照物料号,逐个进行呆滞原因分析。与现有手工库存呆滞原因分析手段相比,其分析数据更加全面,分析结果更加准确。
进一步地,上述系统利用大数据Spark分布式计算引擎并不断调优,在不影响业务系统运行的前提下,可将月度分析时间压缩至5小时内,将运算速度和分析效率提升约300倍,解决了现有企业库存呆滞原因分析往往需要核对、计算几十万条数据,而传统的软件系统难以满足如此量级的数据计算和处理需求的问题。
作为进一步的技术方案,所述追溯层级包括十个层级,所述十个层级按照从第一层级到第十层级的顺序逐层进行呆滞原因追溯,且这十个层级对应的呆滞原因依次为手工申请、ND需求、订货点、舍入值、最小批量、需求变更、设计变更、预测不准、计划加码和最小库存设置。该技术方案通过库存呆滞料原因追溯模型,将企业已形成呆滞的库存物料进行逐层原因分析,输出呆滞原因所在层级,定位产生呆滞的核心源头和责任部门,进而及时处理和进行优化;将粗放式的手工分析转变成精细化的自动分析,将局部分析扩展至全面分析,大大提高呆滞原因分析的效率和准确率,从而帮助企业更加合理有效的管控库存。
作为进一步的技术方案,所述输入模块进一步包括:
获取模块,用于从ERP系统获取库存呆滞料清单,以形成超预留报表;
抽取模块,用于从超预留报表抽取入库单、采购订单、生产订单、采购申请单、生产计划订单、销售订单及物料主数据,以及从PLM系统抽取设计变更单;
存储模块,用于基于从超预留报表及PLM系统抽取的数据形成原始分析数据并存储;
调用模块,用于根据追溯逻辑从存储模块中调用相应数据并输入至分析模块。
作为进一步的技术方案,所述获取模块进一步包括:成品库存子模块、半成品库存子模块或原材料库存子模块。
与现有技术相比,本发明的有益效果在于:
(1)本发明通过基于大数据系统的库存呆滞料原因追溯模型,可以及时对所有库存呆滞物料进行全面的原因追溯分析,明确源头和责任部门,从而制定有效的处理举措,及时处理呆滞,并推动业务后续改进和完善,从源头上控制呆滞料的发生,帮助企业降低库存成本。
(2)本发明通过库存呆滞料原因追溯模型,能够基于输入的库存呆滞结果自动运行并反映出库存呆滞的物料和原因,解决传统企业库存呆滞异常需要依赖于大量的数据查找且无法准确定位呆滞原因的问题;此外,本发明通过层级间追溯、层级内追溯可以对库存呆滞料进行深度分析,对造成呆滞料的设计变更、多余采购、计划不准、库存控制策略等问题进行追溯,最终给出库存呆滞的原因。
(3)本发明利用库存呆滞料原因追溯模型,可以对几十万行数据进行快速运算和追溯,解决现有传统信息系统无法满足大量数据快速运算和关联查询的要求,帮助企业及时、全面的追溯库存呆滞原因。
附图说明
图1为根据本发明实施例的基于大数据的库存呆滞料原因追溯方法的流程示意图。
图2为根据本发明实施例的基于大数据的库存呆滞料原因追溯方法的追溯原理示意图。
图3为根据本发明实施例的基于大数据的库存呆滞料原因追溯方法的呆滞原因层级示意图。
图4为根据本发明实施例的基于大数据大库存呆滞料原因追溯系统的示意图。
图5为根据本发明实施例的基于大数据大库存呆滞料原因追溯系统的输入模块示意图。
图6为根据本发明实施例的基于大数据大库存呆滞料原因追溯系统的分析模块示意图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述,显然,所描述发实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
根据本发明说明书的一方面,提供一种基于大数据的库存呆滞料原因追溯方法,如图1所示,包括:
输入步骤:从ERP系统和PLM系统获取原始分析数据。
获取原始分析数据进一步包括:
从ERP系统获取库存呆滞料清单,用于形成超预留报表;
从超预留报表抽取入库单、采购订单、生产订单、采购申请单、生产计划订单、销售订单及物料主数据;
从PLM系统抽取设计变更单;
基于从超预留报表及PLM系统抽取的数据,形成原始分析数据。
分析步骤:将原始分析数据导入构建的库存呆滞料原因追溯模型并运行模型;所述库存呆滞料原因追溯模型的构建包括:设置追溯层级,每一层级对应一呆滞料原因;设置层级间追溯逻辑及层级内追溯逻辑;按照层级间追溯逻辑逐层进行呆滞原因分析,在每一层级执行对应的层级内追溯逻辑。
层级间追溯逻辑进一步包括:先追溯采购因素所涵盖的各层级,在未追溯到呆滞原因时,再追溯计划因素所涵盖的各层级。
采购因素涵盖了5个层级,依次为第一层级、第二层级、第三层级、第四层级和第五层级;其中,第一层级用于调用采购申请单进行追溯,对应的呆滞原因为手工申请;第二层级用于调用物料主数据及采购订单或生产订单进行追溯,对应的呆滞原因为ND需求;第三层级用于调用物料主数据进行追溯,对应的呆滞原因为订货点;第四层级用于调用采购订单或生产订单进行追溯,对应的呆滞原因为舍入值;第五层级用于调用采购订单或生产订单进行追溯,对应的呆滞原因为最小批量。
计划因素涵盖了5个层级,依次为第六层级、第七层级、第八层级、第九层级和第十层级;其中,第六层级用于调用采购申请单或采购计划订单对应的成品WBS需求进行追溯,对应的呆滞原因为需求变更;第七层级用于调用生产计划订单和设计变更单进行追溯,对应的呆滞原因为设计变更;第八层级用于调用入库单和销售订单进行追溯,对应的呆滞原因为预测不准;第九层级用于调用生产计划订单和销售订单进行追溯,对应的呆滞原因为计划加码;第十层级用于调用物料主数据进行追溯,对应的呆滞原因为最小库存设置。
输出步骤:输出当前物料的呆滞原因。在某个追溯层级追溯到呆滞原因后,库存呆滞料原因追溯模型停止运行,输出当前追溯层级所对应的呆滞料原因。
作为一种实施方式,如图2-3所示,A是成品,B、C是其下层部件,D、E是B的下层采购件,F、G是C的下层采购件。
利用本发明方法进行基于大数据的库存呆滞料原因追溯,进一步包括:
步骤1,ERP系统对成品(A)、半成品库(B、C)、原材料库(D、E、F、G)进行库存呆滞分析,形成库存呆滞分析结果,即“超预留报表”;
步骤2,大数据系统抽取“超预留报表”,形成库存呆滞数据,然后基于该库存呆滞数据抽取得到入库单、采购订单、生产订单、采购申请、生产计划订单、物料主数据并存储至大数据系统的数据库中,同时从PLM系统抽取设计变更单并存储至数据库中,形成原始分析数据。
步骤3,系统运行库存呆滞料原因追溯模型,该模型依据库存呆滞料数据,逐个物料对物料入库单进行分析,然后追溯到采购订单、生产订单、物料主数据等数据,再进一步追溯到生产计划、采购计划等计划数据,再追溯到销售订单、设计变更单等数据,逐层进行呆滞原因分析。
库存呆滞料原因追溯模型的分层级追溯步骤如下:
第一层级追溯,追溯逻辑为:从原始分析数据中调用采购申请单,查询采购申请单的创建人标注字段及MRP类型,根据标注字段判定采购申请单的来源,若创建人标注字段为个人工号,MRP类型为“其他”,判定为手工申请,则停止模型运行,输出呆滞料原因“手工申请”。若判定不是手工申请,则进入下一层级继续追溯。若该采购申请单对应有采购计划单,则可对采购计划单执行第一层级内追溯逻辑,判定是否为采购计划单导致的多余采购或重复采购。
第二层级追溯,追溯逻辑为:由于物料不参与MRP计算(MRP类型为ND,ND表示不参与MRP计算,无计划),且库存来源订单是手工采购订单或手工生产订单入库,因此仅需查询物料主数据的MRP类型。例如,考虑到物料可能来自不同的工厂,因此依据工厂号及物料号,抓取物料主数据字段“MRP类型”,若为“ND”,则判定原因为“ND需求”。
第三层级追溯,追溯逻辑为:依据工厂号及物料号,抓取物料主数据字段“再订货点”,判断其MRP类型,若为“VB(VB表示物料按再订货点产生需求)”,再订货点>0 ,则判定原因为“订货点”。
第四层级追溯,追溯逻辑为:物料参与MRP计算(MRP类型为PD ,再订货点=0),且MRP需求量小于采购申请量或计划订单量,舍入值大于 1。这里PD表示采购需求计划。
例如,通过库存入库记录找最后一次入库单,通过入库单找采购订单或生产订单,再基于采购订单或生产订单得到采购申请单或生产计划订单,若采购申请单或生产计划订单的数量是舍入值的倍数(舍入值>1)且真正的需求数量小于采购申请量或计划订单量,则输出呆滞原因“舍入值”。
SAP物料的最小批量与舍入值:最小批量小于舍入值2倍时,按照舍入值倍数产生计划单,如果最小批量大于舍入值2倍时,考虑最小批量产生计划单。
SAP取数逻辑:
a)通过物料(matnr)+工厂(werks)查询mseg 表,“限制移动类型”(bwart)为“101”,获得最后一次入库信息。SAP里面的移动类型101,表示按照采购订单收货到库存。Mseg表是SAP中存放物料凭证行项目信息的表。
b)通过获得的采购订单编号(ebeln)+采购订单行项目(ebelp)查询表ekpo ,获得采购订单数量(menge)。说明:EKPO是SAP中采购订单的明细表。
c)通过获得的生产订单编号(aufnr)查询表afko,获得生产订单数量(gamng)。AFKO是SAP中生产订单头表。
第五层级追溯,追溯逻辑为:物料参与MRP计算(MRP类型为PD,再订货点=0),且MRP需求量小于采购申请量或计划订单量。
例如,通过库存入库记录找最后一次入库单,通过入库单找采购订单或生产订单,再基于采购订单或生产订单得到采购申请单或生产计划订单。如果采购申请单或生产计划订单的数量大于最小批量(最小批量大于零),且真实需求数量小于采购申请量或计划订单量,就判定原因为“最小批量”。
如果是舍入值已计算且呆滞原因定位在第四层级,则不再归位第五层级的呆滞原因。
SAP取数逻辑:
a)通过物料(matnr)+工厂(werks)查询mesg表,限制移动类型(bwart)为101,获得最后一次入库信息。
b)通过获得的采购订单编号(ebeln)+采购订单行项目(ebelp)查询表ekpo,获得采购订单数量(MENGE)。
c)通过获得的生产订单编号(AUFNR)查询表afko获得生产订单数量(gamng)。
第六层级追溯,追溯逻辑为:通过追溯采购申请单(如果有采购计划订单,则追溯采购计划订单)对应的成品WBS需求,判断源头是否存在。如没有找到源头项目挂接记录则判定为需求取消或者变更(依据“项目挂接版本变更记录”和“销售交付报表”已有记录)。
采购申请单或采购计划订单的需求追溯逻辑如下:
查找需求源头:依据超预留物料(即呆滞物料)的“超预留报表”,循环查找上层物料需求,直到找到成品的项目挂接为止。
循环查找及计算过程如下:
依据工厂、物料查找超预留报表RESB,确认该预留的生产订单号并判断订单状态和预留状态(如下四种状态):
a)如上层生产订单存在,但该物料在超预留报表上被删除,代表原生产订单存在但是预留物料被替换,则可归为第七层级变更,停止循环;
b)如果找到上层生产订单整体被删除或TECO关闭,则需查找被删除或关闭订单的原因,将订单产品作为物料(且同时工厂、WBS号相同),回到步骤a)继续在超预留报表向上查找;
c)如果上层订单找到且订单及备料均正常状态,代表本层物料及订单供需平衡,还需要继续往上找需求源头,将本订单产品作为物料(且同时工厂、WBS号相同),回到步骤a)继续在超预留报表向上查找;
d)如果未找到生产订单,代表此物料已经到顶层,循环可以终止,且该订单直接对应项目挂接需求(工厂、WBS、物料号完全相同)。
判断需求源头(项目挂接)的更改情况:
a)如果项目挂接最新记录不存在,则判断为需求取消;
b)如果找到最新记录,但其数量或者时间变更(依据销售交付表需求变更版本记录),则判定为需求变更。
第七层级追溯,追溯逻辑为:查询生产订单组件删除与当时生产订单BOM对比(订单未删除,只删除组件),若生产订单组件删除有相应记录(表示该物料因设计变更被删除),而生产订单BOM里仍然存在,则呆滞原因可判定为“设计变更”。在定位设计变更后,通过PLM系统的BOM关联查询系统中的设计变更原因,确认是设计改进或设计错误导致的设计变更。
数据来源:通过SAP中Zpco02查询组件删除记录;通过PLM中的变更申请单查询设计变更原因。
第八层级追溯,追溯逻辑为:通过超预留物料(即呆滞物料)给出的成品呆滞料,查找入库单对应的生产工单,并追溯到生产工单对应的销售订单,然后对销售订单中的销售订单类型字段进行判定,如该字段为客户锁定,说明此订单有真实的客户需求,未来此呆滞料为可处理呆滞料,如果该字段为预测订单,则判断此呆滞料为订单预测不准原因导致的呆滞。
数据来源:通过SAP中VA03查询销售订单类型是客户锁定或销售预测。
第九层级追溯,追溯逻辑为:追溯呆滞物料入库单对应的生产工单和销售订单,对比销售订单数量和该订单下挂的生产计划数量,此过程需要按照物料BOM定额层层计算,对比每一层物料计划生产与实际生产的数量,如生产计划数量大于销售订单数量,则判定为计划加码原因造成的库存呆滞。
数据来源:通过SAP中CO03查询生产计划数量;通过VA03查询销售订单数量。
第十层级追溯,追溯逻辑为:物料主数据MRP视图最小批量大小字段大于0 ,物料按照最小库存量进行采购。
依据工厂号及物料号,抓取物料主数据字段“最小批量大小”,若大于0,则判定原因为“最小库存设置”。
根据本发明说明书的一方面,提供一种基于大数据的库存呆滞料原因追溯系统,如图4-6所示,所述系统包括:
输入模块,用于将从ERP系统和PLM系统获取的原始分析数据导入库存呆滞料原因追溯模型;所述库存呆滞料原因追溯模型包括:设置模块,用于设置追溯层级,每一层级对应一呆滞料原因,及设置层级间追溯逻辑及层级内追溯逻辑;执行模块,用于按照层级间追溯逻辑逐层进行呆滞原因分析,在每一层级执行对应的层级内追溯逻辑;
分析模块,用于运行库存呆滞料原因追溯模型;
输出模块,用于输出当前物料的呆滞原因。
所述输入模块进一步包括:
获取模块,用于从ERP系统获取库存呆滞料清单,以形成超预留报表;
抽取模块,用于从超预留报表抽取入库单、采购订单、生产订单、采购申请单、生产计划订单、销售订单及物料主数据,以及从PLM系统抽取设计变更单;
存储模块,用于基于从超预留报表及PLM系统抽取的数据形成原始分析数据并存储;
调用模块,用于根据追溯逻辑从存储模块中调用相应数据并输入至分析模块。
所述获取模块进一步包括:成品库存子模块、半成品库存子模块或原材料库存子模块。
上述系统通过构建库存呆滞料原因追溯模型为呆滞料提供逐层级的原因追溯,能够快速、准确定位到呆滞原因所在层级并输出呆滞原因;用户仅需输入库存呆滞结果,系统则自动将库存呆滞结果通过数据抽取形成原始分析数据并存储在模型中,模型运行并按照物料号,逐个进行呆滞原因分析。与现有手工库存呆滞原因分析手段相比,其分析数据更加全面,分析结果更加准确。
上述系统利用大数据Spark分布式计算引擎并不断调优,在不影响业务系统运行的前提下,可将月度分析时间压缩至5小时内,将运算速度和分析效率提升约300倍,解决了现有企业库存呆滞原因分析往往需要核对、计算几十万条数据,而传统的软件系统难以满足如此量级的数据计算和处理需求的问题。
所述追溯层级包括十个层级,所述十个层级按照从第一层级到第十层级的顺序逐层进行呆滞原因追溯,且这十个层级对应的呆滞原因依次为手工申请、ND需求、订货点、舍入值、最小批量、需求变更、设计变更、预测不准、计划加码和最小库存设置。该技术方案通过库存呆滞料原因追溯模型,将企业已形成呆滞的库存物料进行逐层原因分析,输出呆滞原因所在层级,定位产生呆滞的核心源头和责任部门,进而及时处理和进行优化;将粗放式的手工分析转变成精细化的自动分析,将局部分析扩展至全面分析,大大提高呆滞原因分析的效率和准确率,从而帮助企业更加合理有效的管控库存。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案。
Claims (10)
1.一种基于大数据的库存呆滞料原因追溯方法,其特征在于,包括:
从ERP系统和PLM系统获取原始分析数据;
将原始分析数据导入构建的库存呆滞料原因追溯模型并运行模型;所述库存呆滞料原因追溯模型的构建包括:设置追溯层级,每一层级对应一呆滞料原因;设置层级间追溯逻辑及层级内追溯逻辑;按照层级间追溯逻辑逐层进行呆滞原因分析,在每一层级执行对应的层级内追溯逻辑;
输出当前物料的呆滞原因。
2.根据权利要求1所述一种基于大数据的库存呆滞料原因追溯方法,其特征在于,获取原始分析数据进一步包括:
从ERP系统获取库存呆滞料清单,用于形成超预留报表;
从超预留报表抽取入库单、采购订单、生产订单、采购申请单、生产计划订单、销售订单及物料主数据;
从PLM系统抽取设计变更单;
基于从超预留报表及PLM系统抽取的数据,形成原始分析数据。
3.根据权利要求1所述一种基于大数据的库存呆滞料原因追溯方法,其特征在于,层级间追溯逻辑进一步包括:先追溯采购因素所涵盖的各层级,在未追溯到呆滞原因时,再追溯计划因素所涵盖的各层级。
4.根据权利要求3所述一种基于大数据的库存呆滞料原因追溯方法,其特征在于,采购因素涵盖了5个层级,依次为第一层级、第二层级、第三层级、第四层级和第五层级;其中,第一层级用于调用采购申请单进行追溯,对应的呆滞原因为手工申请;第二层级用于调用物料主数据及采购订单或生产订单进行追溯,对应的呆滞原因为ND需求;第三层级用于调用物料主数据进行追溯,对应的呆滞原因为订货点;第四层级用于调用采购订单或生产订单进行追溯,对应的呆滞原因为舍入值;第五层级用于调用采购订单或生产订单进行追溯,对应的呆滞原因为最小批量。
5.根据权利要求4所述一种基于大数据的库存呆滞料原因追溯方法,其特征在于,计划因素涵盖了5个层级,依次为第六层级、第七层级、第八层级、第九层级和第十层级;其中,第六层级用于调用采购申请单或采购计划订单对应的成品WBS需求进行追溯,对应的呆滞原因为需求变更;第七层级用于调用生产计划订单和设计变更单进行追溯,对应的呆滞原因为设计变更;第八层级用于调用入库单和销售订单进行追溯,对应的呆滞原因为预测不准;第九层级用于调用生产计划订单和销售订单进行追溯,对应的呆滞原因为计划加码;第十层级用于调用物料主数据进行追溯,对应的呆滞原因为最小库存设置。
6.根据权利要求4或5所述一种基于大数据的库存呆滞料原因追溯方法,其特征在于,在某个追溯层级追溯到呆滞原因后,库存呆滞料原因追溯模型停止运行,输出当前追溯层级所对应的呆滞料原因。
7.一种基于大数据的库存呆滞料原因追溯系统,其特征在于,所述系统包括:
输入模块,用于将从ERP系统和PLM系统获取的原始分析数据导入库存呆滞料原因追溯模型;所述库存呆滞料原因追溯模型包括:设置模块,用于设置追溯层级,每一层级对应一呆滞料原因,及设置层级间追溯逻辑及层级内追溯逻辑;执行模块,用于按照层级间追溯逻辑逐层进行呆滞原因分析,在每一层级执行对应的层级内追溯逻辑;
分析模块,用于运行库存呆滞料原因追溯模型;
输出模块,用于输出当前物料的呆滞原因。
8.根据权利要求7所述一种基于大数据的库存呆滞料原因追溯系统,其特征在于,所述追溯层级包括十个层级,所述十个层级按照从第一层级到第十层级的顺序逐层进行呆滞原因追溯,且这十个层级对应的呆滞原因依次为手工申请、ND需求、订货点、舍入值、最小批量、需求变更、设计变更、预测不准、计划加码和最小库存设置。
9.根据权利要求7所述一种基于大数据的库存呆滞料原因追溯系统,其特征在于,所述输入模块进一步包括:
获取模块,用于从ERP系统获取库存呆滞料清单,以形成超预留报表;
抽取模块,用于从超预留报表抽取入库单、采购订单、生产订单、采购申请单、生产计划订单、销售订单及物料主数据,以及从PLM系统抽取设计变更单;
存储模块,用于基于从超预留报表及PLM系统抽取的数据形成原始分析数据并存储;
调用模块,用于根据追溯逻辑从存储模块中调用相应数据并输入至分析模块。
10.根据权利要求7所述一种基于大数据的库存呆滞料原因追溯系统,其特征在于,所述获取模块进一步包括:成品库存子模块、半成品库存子模块或原材料库存子模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210559645.3A CN114648280A (zh) | 2022-05-23 | 2022-05-23 | 一种基于大数据的库存呆滞料原因追溯方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210559645.3A CN114648280A (zh) | 2022-05-23 | 2022-05-23 | 一种基于大数据的库存呆滞料原因追溯方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114648280A true CN114648280A (zh) | 2022-06-21 |
Family
ID=81997687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210559645.3A Pending CN114648280A (zh) | 2022-05-23 | 2022-05-23 | 一种基于大数据的库存呆滞料原因追溯方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648280A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035617A (zh) * | 2023-10-08 | 2023-11-10 | 苏州慧工云信息科技有限公司 | 物料呆滞分析的方法、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069596A (zh) * | 2015-08-19 | 2015-11-18 | 国家电网公司 | 一种呆滞库存分析方法和系统 |
CN105719060A (zh) * | 2016-01-16 | 2016-06-29 | 中利科技集团股份有限公司 | 一种电缆制造的管理方法 |
CN110503477A (zh) * | 2019-08-26 | 2019-11-26 | 上海携程国际旅行社有限公司 | 订单的毛利异常原因的分析方法、系统、设备和存储介质 |
US20210289746A1 (en) * | 2019-03-22 | 2021-09-23 | Arizona Board Of Regents On Behalf Of Arizone State University | Systems, methods, and apparatuses for implementing real time beef cattle monitoring utilizing radio-frequency identification (rfid) based technologies |
CN113837655A (zh) * | 2021-10-14 | 2021-12-24 | 杭州云呼医疗科技有限公司 | 一种针对医疗公司药仓的医疗器械管理系统 |
-
2022
- 2022-05-23 CN CN202210559645.3A patent/CN114648280A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069596A (zh) * | 2015-08-19 | 2015-11-18 | 国家电网公司 | 一种呆滞库存分析方法和系统 |
CN105719060A (zh) * | 2016-01-16 | 2016-06-29 | 中利科技集团股份有限公司 | 一种电缆制造的管理方法 |
US20210289746A1 (en) * | 2019-03-22 | 2021-09-23 | Arizona Board Of Regents On Behalf Of Arizone State University | Systems, methods, and apparatuses for implementing real time beef cattle monitoring utilizing radio-frequency identification (rfid) based technologies |
CN110503477A (zh) * | 2019-08-26 | 2019-11-26 | 上海携程国际旅行社有限公司 | 订单的毛利异常原因的分析方法、系统、设备和存储介质 |
CN113837655A (zh) * | 2021-10-14 | 2021-12-24 | 杭州云呼医疗科技有限公司 | 一种针对医疗公司药仓的医疗器械管理系统 |
Non-Patent Citations (3)
Title |
---|
王振兴等: "适应竞争性采购的成本控制管理模式探索", 《航天工业管理》 * |
赵艳丰: "消灭呆滞库存", 《纺织科学研究》 * |
马永红: "A公司供应链管理中心贴片段物料仓库呆滞物料管理方法探讨", 《物流技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117035617A (zh) * | 2023-10-08 | 2023-11-10 | 苏州慧工云信息科技有限公司 | 物料呆滞分析的方法、系统及存储介质 |
CN117035617B (zh) * | 2023-10-08 | 2024-02-20 | 苏州慧工云信息科技有限公司 | 物料呆滞分析的方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Choy et al. | A knowledge-based supplier intelligence retrieval system for outsource manufacturing | |
CN109583762B (zh) | 一种生产流程建模与产品数据追踪的系统 | |
US8606624B2 (en) | Risk reports for product quality planning and management | |
CN104778540B (zh) | 一种建材装备制造bom管理方法及管理系统 | |
EP2580700A2 (en) | Model inventory manager | |
US20090112927A1 (en) | System and Method of Transforming Data for Use in Data Analysis Tools | |
CN108647914A (zh) | 生产排程方法、装置、计算机设备和存储介质 | |
US10642838B2 (en) | Real-time or event-based analysis of process data | |
CN110580572A (zh) | 一种产品全寿命追溯系统 | |
CN110728422A (zh) | 用于施工项目的建筑信息模型、方法、装置和结算系统 | |
KR20190009705A (ko) | 데이터베이스 검색 시스템 및 방법 | |
JP2004021364A (ja) | 経営意思決定支援システム | |
CN112860769A (zh) | 一种能源规划数据管理系统 | |
CN114648280A (zh) | 一种基于大数据的库存呆滞料原因追溯方法及系统 | |
CN112819407A (zh) | 基于构件编码与信息采集技术的库存智能盘点系统和方法 | |
CN112506892A (zh) | 一种基于元数据技术的指标溯源管理系统 | |
Ivanchenkova et al. | Improving accounting and analysis of innovative costs | |
CN115170090A (zh) | 一种项目管理方法、装置、电子设备及可读存储介质 | |
Simard et al. | A general framework for data uncertainty and quality classification | |
CN113592378A (zh) | 一种大型复杂设备的bom构建方法及其管理系统 | |
Ramadhani et al. | Implementation of data warehouse in making business intelligence dashboard development using PostgreSQL database and Kimball lifecycle method | |
CN117057686A (zh) | 物料采购智能管理方法、装置、设备及存储介质 | |
CN112288150A (zh) | 一种船舶工业管件加工管控集成系统 | |
CN116775956A (zh) | 多层级bom模型的创建方法、装置、设备及存储介质 | |
CN112508381A (zh) | 机械行业项目成本的计算系统及其实现方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |