OpenERP为啥改名ODOO

odoo8.0(原openERP)学习笔记之一——odoo自定义模块安装 近段时间,由于工作的需要,接触到了openERP() 阅读详情

5月15日,OpenERP S A 在合作伙伴Webinar 宣布 OE即将改名Odoo,融资1000万美元, 代码托管更换到Github, 很多内容。OpenERP

名字更改,合作伙伴合作方式也有新政策。OpenERP开源, Odoo仍将继续开源。

下面谈一下我个人对此次OE更名的一些看法。

1.Odoo 建设了一个独立的品牌IP形象,因为SAP,EBS,以及其他的一些品牌系统都是ERP.

  1. 弱化ERP只做内部管理的概念,因为ERP是企业资源计划系统,当然是要包含包括客户资源在内的外部所有资源,网站,店面同样是企业资源。

更名Odoo, 是erp+时代,当然ERP + 开源仍然是最大的卖点。

3.企业的资源和发展要跟上时代,ERP仅仅是这个名字是一个通称,容易固化人的思维,随着更新怎么也要改一个名字或者版本,没有版本叫ERP+,就和互联网一样,现在又说叫互联网+

你所不知道的Odoo和其创始人之间的故事 知道ERP的用户,想必对Odoo一定不会陌生,这款功能强大的服务软件,让许多用户都为之惊叹。在用户们体验到Odoo的优势时,势必也会对Odoo的创始人感兴趣。今天我们就来聊聊这个话题:你所不知道的Odoo和其创始人之间的故事。 比利时人Fabien Pinckaers是Odoo的创始人。当Fabien 还是个13岁的孩子是,就对商业和技术着了迷,他开始去尝试做一下软件的开发和销售,在法国Lou... 阅读详情

相关推荐

OpenERP 7.0 从入门到开发的完整指南

OpenERP 7.0是一个功能强大的企业资源规划(ERP)软件,它为企业提供了全面的解决方案,包括财务管理、库存管理、销售和采购、项目管理、人力资源等模块。作为一个开源解决方案,OpenERP 7.0受到了广泛的欢迎,尤其适合中小型企业,能够帮助企业实现业务流程自动化,提高效率和生产力。OpenERP作为一款功能全面的企业资源规划系统,其强大之处在于其模块化设计。模块是OpenERP系统中最小的功能单位,每个模块负责执行特定的业务功能或任务。

weixin_31776191的博客 1335

openerp环境的搭建

概述本文记录了http://erp.rd.in.linx 环境搭建过程,(外网访问地址:https://odoo.linx-info.com) 可作为系统维护,部署,开发人员环境搭建的参考文档。:zap: 如果搭建测试环境,只需要配置一.安装操作系统和四.安装以下软件包即可。一.安装操作系统安装 debian8.0 jessie 作为erp.rd.in.linx运行的基本系统。二.配置ceph:za

杜继恒的博客 3172

别再套用星形公式了!三角形接法PMSM的FOC控制,扇区判断与作用时间推导全解析

本文深入解析三角形接法永磁同步电机(PMSM)的FOC控制技术,重点探讨30度相位差对SVPWM扇区判断与电压矢量作用时间的影响。通过数学推导与实验验证,详细讲解修正后的扇区划分规则、作用时间计算公式优化方法,并提供可直接移植到STM32的代码实现,帮助工程师解决三角形接法特有的相电流重构与同步采样难题。

weixin_30689307的博客 473

值得考虑的10大开源的ERP系统

它是由Apache Software Foundation支持和维护的一个项目,具有广泛的应用,包括ERP、电子商务、客户关系管理(CRM)等。包括:销售、市场营销、项目管理、库存、财务等。IDURAR是一个开源的ERP、CRM系统,其主要功能包括:发票、库存、会计、人力资源等业务管理,系统基于Node.js、MongoDb、React.js开发,支持定制化。1)模块化设计:OFBiz采用了模块化的设计,提供了许多预构建的业务应用模块,涵盖了各个方面,如会计、订单管理、库存管理、产品管理、人力资源等。

阿拉伯梳子的专栏 1万+

计算机三级考试嵌入式系统重点精简汇总

第一章 嵌入式系统概论 1.1.1嵌入式系统 (1)特点:(1)专用性;(2)隐蔽性;(3)资源受限;(4)高可靠性;(5)实时性;(6)软件固化。 (2)应用:(1)冰箱、洗衣机、电饭煲、空调、摄影机、DVD播放器等;(2)数控机床、飞机、汽车、电梯、X光机、血压计等;(3)电话机、传真机、打印机、pos机、GPS导航仪、路由器等。 1.1.2嵌入式系统组成与分类 (1)逻辑组成:硬件和软件,分为处理器、存储器、I|0设备与I|O接口,数据总线; (2)处理器:分为主处理器(CPU)和协处

chemkrik的博客 1万+

基于PLC的茶叶揉捻机自动控制系统设计【附代码】

茶叶揉捻是初茶加工过程中的一道关键工序,通过揉捻可以使鲜茶叶成条、碎茶及叶组织细胞破损等。影响茶叶成条率、碎茶率和叶组织细胞破损的主要因素包括揉捻时间、压力和揉捻桶转速。为了提高茶叶品质的稳定性和减轻工人的劳动强度,本文提出了一种基于PLC自动控制技术的茶叶揉捻机控制系统设计。📊 PLC自动化设计 | 毕业设计指导 | 工业自动化解决方案。✅ 具体问题可以私信或查看文章底部二维码。✅ 感恩科研路上每一位志同道合的伙伴!

lagougongzuoshi的博客 1345

openERP为何改名odoo

5月15日,OpenERPS A 在合作伙伴Webinar 宣布 OE即将改名Odoo,融资1000万美元, 代码托管更换到Github, 很多内容。OpenERP 名字更改,合作伙伴合作方式也有新政策。OpenERP开源, Odoo仍将继续开源。 下面谈一下我个人对此次OE更名的...

chundie7631的博客 510

车载以太网抓包实战:100BASE-T1/1000BASE-T1高效监控方案解析

本文深入解析了车载以太网100BASE-T1/1000BASE-T1的高效抓包监控方案。针对智能汽车开发中的故障排查与性能测试需求,详细对比了交换机镜像、TAP分流和捕获模块三大主流方案的原理、核心优势与适用场景,并提供了基于实战经验的选型指南与操作避坑要点,帮助工程师精准定位网络问题。

desk3的博客 430

第2讲、Odoo深度介绍:开源ERP的领先者

Odoo是一款功能全面的开源ERP系统,集成了CRM、电子商务、项目管理、财务等多个业务模块。采用现代化的多层架构设计,基于Python和PostgreSQL等技术栈,具有出色的模块化与扩展性。其核心优势包括完全开源、灵活部署、一体化集成平台、按需模块化扩展以及活跃的开发者社区。Odoo支持多种扩展机制,如模型继承、视图继承和钩子方法等,使企业能灵活定制系统而不影响核心代码,是适应不同规模企业需求的理想ERP解决方案。

Melon的博客 1597

从0到1构建数据分析AI Agent:数据采集、洞察生成与报告自动化

在企业数字化转型的今天,数据分析师80%的时间被消耗在重复取数、数据清洗、报表排版等低价值劳动上,真正用于深度业务洞察和决策支持的时间不足20%。本文将从核心概念、技术原理、代码实现、落地实践全维度,教你从0到1搭建一套完整的数据分析AI Agent系统,实现「用户用自然语言提需求→Agent自动采集多源数据→AI自动挖掘业务洞察→自动生成符合业务要求的多格式报告」的全链路自动化,平均可将需求响应速度从天级压缩到分钟级,释放70%以上的分析师人力成本。

AI Python 编程之道的博客 475

网神 SecGate 3600 防火墙 app_av_import_save文件上传漏洞(含批量验证poc)

网神 SecGate 3600 防火墙 app_av_import_save文件上传漏洞(含批量验证poc)

weixin_43567873的博客 299

【魅力开源】第7集:开源ERP系统Odoo发展史(Odoo中文社区野史2019版)

开源 ERP 系统 Odoo 的发展史。

中小企业数字化转型战略顾问;曾任职用友软件、金蝶软件及两网五电、冶金设计院、先声药业、鼎阳集团等多家上市公司 1979

旗鱼优化算法(SFO)详解:从海洋猎手到智能优化

旗鱼优化算法(SFO)是一种新型群体智能优化算法,灵感来源于旗鱼的群体捕食行为。该算法采用双种群机制,模拟旗鱼(精英个体)与沙丁鱼(普通个体)的交互过程,通过交替攻击策略实现探索与开发的平衡。核心机制包括:基于猎物密度的旗鱼位置更新、随迭代衰减的攻击力度控制、以及捕食替换机制。SFO具有参数少、全局搜索能力强等特点,在高维复杂优化问题中表现优异。算法通过模拟自然界中的群体智能行为,为解决工程优化问题提供了新思路。

qq_42212808的博客 163

不用NI OPC Server,LabVIEW读取西门子S7-1200的三种实用方法

工业数据采集系统中,上位机与PLC的通信是常遇到的工程问题。西门子S7-1200作为广泛使用的中小型控制器,其内置的PROFINET接口不仅支持标准S7通信,还自带了OPC UA服务器能力,为上位机软件提供了灵活的数据访问路径。LabVIEW作为图形化编程平台,在测试测量和自动化领域有着广泛应用,但传统方案往往依赖NI OPC Server进行变量映射,不仅授权成本高,配置也相对繁琐。本文将介绍三种绕开NI OPC Server的替代方案:手写S7COMM协议帧、调用开源Snap7库、激活S7-1200内置

weixin_33824363的博客 431

记录Android Studio连接华为(nova)手机鸿蒙系统踩过的坑

鸿蒙系统的华为老机子比较麻烦,坑有点多,兄弟们加油!

沉迷单车的追风少年 7926

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Windows Azure上的Odoo(OpenERP)

OpenERP 改名为 Odoo 了,感觉名字怪怪的。Windows Azure也进入国内了,学习了一段时间的Azure,把它门结合在一起搞搞吧!本系列文章不涉及开发,纯属环境搭建及Odoo 系统功能测试!不喜者勿喷!只是为了记录自己练手的过程! 总体架构设计: 一台数据库服务器(Ubuntu, PostgreSQL ),一台Odoo 服务器(运行Ubuntu系统),一台Odoo...

weixin_33856370的博客 120

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

odoo软件名称及授权协议的变化

odoo软件名称及授权协议的变化 先看一张表格 起步时叫TinyERP,微小的ERP;发展中期叫做OpenERP,开放的ERP;历经10年积累的软件,客户群,开发支持用户群,开始构筑自己的商业模式。到8版本,改名为Odoo。同时,软件协议也紧跟GUN的版本更新。 https://www.odoo.com/documentation/user/9.0/l...

feiyu5323的专栏 711

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

ODOO教程_2、ODOO的版本比较

在介绍odoo安装之前,我先简单介绍一下odoo的版本。 odoo的前身是openerp,openerp7.0以后就改名为odoo了,目前在欧洲市场有很大的占有率,中国这几年也已经得到了比较好的推广,当然这也要感谢我们前辈们的无私贡献。 截止到2021年5月份,目前odoo的最新版本是odoo14,odoo14主要有社区版和企业版,社区版是完全免费开源的,而企业版是需要收取费用的。社区版是构建企业版的核心,在社区版使用的功能是可以很好的在企业版使用的,不用担心不能...

企业信息化的管理内化 2185

《企业自主搞定ERP》试读:第一章-Odoo概述

文/开源智造联合创始人老杨 本文来自《企业自主搞定ERP》的试读章节。书籍尚未出版,请勿转载。欢迎您反馈阅读意见。 Odoo是什么 Odoo,以前叫OpenERP,是比利时Odoo S.A.公司开发的一个企业应用软件套件,开源套件包括一个企业应用快速开发平台,以及几千个Odoo及第三方开发的企业应用模块。Odoo适用于各种规模的企业应用。 Odoo功能模块涵...

weixin_30535913的博客 529

开源ERP系统Odoo中国发展史

开源ERP系统Odoo中国发展史

u011115232的博客 2935

Odoo是什么?Odoo较全面简介——江苏欧度软件

OdooERP起初并不叫Odoo,最初的名字为TinyERP,08年5月之后称之为改名OpenERP之后又改为Odoo,Odoo是一套全球开源的ERP/CRM系统.Odoo 是用于经营公司很好的开源管理软件 .  Odoo是一系列开源商业应用套件,此套件可满足公司的一切应用需求,例如,企业基本的进销存、采购、销售、MRP生产制造、预算管理、WMS仓库库存管理、企业招聘、员工合同、休假、午餐管理...

互联网观察员 4149

Odoo简介

Odoo最初的名字为TinyERP,08年5月之后称之为改名OpenERP之后又改为Odoo是一套全球开源的ERP/CRM系统。Odoo 是用于经营公司很好的开源管理软件。 Odoo是一系列开源商业应用套件,此套件可满足公司的大部分应用需求,例如,企业基本的进销存、采购、销售、MRP生产制造、预算管理、WMS仓库库存管理、企业招聘、员工合同、休假、午餐管理、...

mihaoyun.com的专栏 3287

开源ERP系统Odoo发展史

开源ERP系统Odoo发展史开源软件(GNU通用公共许可证)发起人斯托曼(Stallman),理念很简单,就是:提供一个开源平台,大家可以把自己的软件代码放在这个平台上,所有人都可自取自用优化升级。但是无论是谁使用了开源平台上的软件,如果改动代码、优化升级的话,必须将更新后的代码在平台上开源。这一理念非常符合软件科学的发展特性,受到几乎所有的软硬件工程师支持。开源ERP系统O...

weixin_33827590的博客 1232

在Ubuntu Server上源码安装OpenERP(odoo) 8.0,并配置wsgi和nginx运行环境

http://blog.youkuaiyun.com/mackz/article/details/21286397 原文:How to install OpenERP 8.0 Alpha on a fresh Debian / Ubuntu server.   OpenERP的安装,可以有多种方式,通过添加源,到http://nightly.openerp.com找对应版本,然后: [p

★匆匆★的专栏 1255

开源故事集 | 我在开源社区谈钱

| 作者:Jeff|编辑:胡佳| 设计:马丽娜I 责编:钱英宇我是 GoodERP 开源俱乐部的创始人 Jeff,熟悉的人都叫我姐夫。我大学专业是会计,但是在国企做了5年应收账款会计之后...

开源社KAIYUANSHE的博客 597
下一篇: erpadmin答疑为什么企业有很多“不上ERP等死,上了ERP找死”
erpadmin
博客等级 码龄15年 3粉丝 8原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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