下采购订单-总结purcurement for consumption material

本文对比了StoreMaterial与ConsumableMaterial的区别,详细介绍了库存采购与消耗性物料采购流程,并涉及了后台配置及操作细节。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 Store Material 与 Consumable Material(冲销型的物料) 的区别:
 


 

两种物料的区别
Store MaterialConsumable Material 
必须要输入物料号物料号可以有,也可以无
可以无account assignment category必须有account assignment category
过账到stock accounts过账到consumption accounts
在物料主数据中有数量,价值和消耗的更新只有数量和消耗更新,无价值更新
移动平均价有更新



一、库存采购-purcurement for store

1.首先选择标准采购po, 输入vendor.然后输入采购组织、采购组、公司代码。回车

2.在header 中输入物料号(或者直接输入短文本,单位,数量)、价格(如果已经建了infor record,就直接输入infor record号就行,已经确立价格了)、工厂、物料组(决定account assigment)

3.保存,生成PO号。



二.采购消耗性物料-purcurement for consumption

消耗性物料:收货后不经过库存,直接进入某个成本中心/asset/订单等(被消耗掉)。

1.同上;

2. 可以输入物料号,也可以不输。如果不输入物料号,必须输入账户分类类别-Account assignment cateloge, 其余同上;

3.同上。



三、后台配置:spro

purchasing----Material master Record----无物料主数据的项目的输入帮助:物料组对应的valuation class,也就对应的账户科目,前提是无物料号的情况下。

如果存在物料号,就直接对应valuation class, 就对应账户科目。



四、细节

1.在项目item里,交货中若选择收货就可以收货,不选就不可以收货。

2.框架订单,类似于合作伙伴。(没有收货可以做发票)

### 处理分析 Hourly-Energy-Consumption 数据集 #### 加载数据 为了有效处理 `hourly-energy-consumption` 数据集,首先需要加载并查看数据结构。此数据集包含了多个CSV文件,每个文件代表不同地区的小时级能耗记录。 ```python import pandas as pd # 假设已下载解压至 'data' 文件夹下 df = pd.read_csv('data/PJME_hourly.csv', parse_dates=['Datetime']) print(df.head()) ``` #### 探索性数据分析(EDA) 了解数据的基本统计特征对于后续建模至关重要。通过绘制时间序列图可以直观观察到用电模式随时间季节的变化趋势[^1]。 ```python import matplotlib.pyplot as plt plt.figure(figsize=(10, 6)) plt.plot(df['Datetime'], df['PJME_MW']) plt.title('Hourly Energy Consumption') plt.xlabel('Date Time') plt.ylabel('Power(MW)') plt.show() ``` #### 缺失值处理 实际应用中可能会遇到缺失的数据点,在构建模型之前应当妥善解决这些问题。常用的方法包括向前填充、向后填充以及插值法等。 ```python # 检查是否有缺失值 missing_values = df.isnull().sum() if missing_values.any(): # 使用线性插值填补缺失值 df.interpolate(method='linear', inplace=True) print(missing_values) ``` #### 特征工程 创建额外的时间特性可以帮助捕捉周期性趋势成分,从而提升预测性能。例如提取年份、月份、星期几作为新列加入原始表格中[^3]。 ```python df['Year'] = df['Datetime'].dt.year df['Month'] = df['Datetime'].dt.month df['DayOfWeek'] = df['Datetime'].dt.dayofweek ``` #### 构建预测模型 基于上述预处理后的高质量输入变量,
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值