关于生产订单成本分析报表中的目标成本（K_KKB_KKBCS_CO_OBJECT_READ）

最新推荐文章于 2024-04-24 17:44:12 发布
最新推荐文章于 2024-04-24 17:44:12 发布
阅读量7k 收藏 6
点赞数 2
CC 4.0 BY-SA版权
分类专栏： ABAP调查分析 ABAP代码之源
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/tanlei2013/article/details/14226141
在创建生产订单成本报表过程中，通常使用函数K_KKB_KKBCS_CO_OBJECT_READ获取计划和实际成本，但无法直接得到目标成本。为解决此问题，可以复制函数组kkbc并修改K_KKB_KKBCS_CO_OBJECT_READ，添加代码以获取目标成本。通过设置G_OBJECT为OBJ-AUF并映射I_HCSTRUKTUR至G_GLOBAL_OBJECT，能实现销售订单成本核算中的目标成本获取。

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

在制作生产订单成本报表的时候，我们需要获取一些成本信息

通常会用到函数K_KKB_KKBCS_CO_OBJECT_READ

但是该函数只能得到计划和实际信息  不能得到目标信息

 * 事物代码：kkbc_ord

 

处理方式：

复制函数组kkbc  并复制K_KKB_KKBCS_CO_OBJECT_READ（只要改函数块就可以了）

在复制后的ZK_KKB_KKBCS_CO_OBJECT_READ的处理前面加入以下代码

  G_OBJECT = OBJ-AUF. （固定值：o）
  MOVE-CORRESPONDING I_HCSTRUKTUR TO G_GLOBAL_OBJECT.

 

销售订单成本核算

获取数据的逻辑

  kanz -> keko -> ckis
   TYPES : 
     BEGIN OF  TYP_CKIS ,
      KSTAR  TYPE  CKIS - KSTAR  ,
      WERTN  TYPE  CKIS - WERTN 
最低0.47元/天 解锁文章

200万优质内容无限畅学
sap按生产订单成本核算_实践篇
01-26
sap 按生产订单成本核算 实践篇
按生产订单成本核算
09-18
按生产订单成本核算--实践篇，描述SAP系统生产订单成本核算的主数据，成本科目、成本要素，作业要素和次级成本要素。生产订单成本核算与后台配置。
有关生产订单的成本分析
free_pop2k的专栏
05-05 6179
 *&---------------------------------------------------------------------**& Report:  ZCOR11*& Description: 成本核算报表*& Author: 谢怀庆*& T-CODE:ZCOR11*&-----------------------------------------------------
SAP 生产成本明细报表
HAND_YS的博客
06-30 9985
前台事务代码CO03时，进行订单的成本分析，需要开发报表实现批量操作 此处无隐式增强，同时通过标准方法无法获取内表数据。故通过memory id 实现。插入代码如下： 核心代码如下： 利用函数K_KKB_KKBCS_ORDER_REPORT读取数据 标准报表的输出字段为结构KKBCS_OUT+结构KKBCS_OUT_KEY中字段的文本（比如HKTYP_TEXT） 全部代码如下： &--------------------------------------------------------------
KKBC_ORD（CO03）成本-分析，出现不了成本组件的构成，原因：
Yomi0219的博客
12-26 665
K_车间材料消耗汇总报表(精细)
cipiao0767的博客
02-16 333
该报表是用来展示车间材料消耗差异的。对于推式物料来说，用来检讨该作业上的需求数量和实际的发料数量的差异，对于拉式物料而言，则是直接看盘点差异的数量。因此，对于新的计划组，必须设定盘点仓和计划组的对应关系。否则该报...
生产订单总目标成本为0
csb12345678的博客
07-26 962
最近客户急急忙忙的找我，说他们在报表S_ALR_87013127的某生产订单目标成本突然全部变为0了。 俺回头分析研究了半天，确定在两个关键地方需要检查， 1.报表期物料标准成本价格是否存在？ 2.订单状态是否已经收货？ ...
生产订单成本报表
tanlei2013的专栏
10-16 4309
T-CODE: kkbc_ord function:K_KKB_KKBCS_ORDER_REPORT   对应数据的function K_KKB_KKBCS_CO_OBJECT_READ 参数：OBART -> 'OR'            AUFNR -> 生产订单号码
SAP中差异的一些概念
weixin_34159110的博客
05-18 398
  SAP关于成本的概念 2.差异的计算方法. 3.实际成本计算方法 4.SAP variance 1.成本的概念 标准成本=标准价格 * 标准数量 + 作业价格 * 标准数量计划成本=计划价格 * 计划数量 + 作业价格 * 计划数量实际成本=实际价格 * 实际数量 + 作业价格 * 实际数量目标成本=标准价格 * 实际数量 + 作业价格 * 实际数量 ...
WBS计划实际存储（COSP,COSS）
黄立
12-04 6295
cosp和coss都是聚合表同FAGLFLEXT表，不过聚合的是CO的东西，按照成本中心成本要素去聚合。用F-02做了一个CO相关的凭证，COSP是外部相关的成本总计。做完了凭证后， 通过关系浏览器就可以看到相关的CO凭证。 1. 货币值 COSP中记录的字段有3个，WTGXX,WKGXX,WOGXX，不过WKGXX是以成本控制范围控制的货币，如果有汇率转换，WKGXX就是转换后的货币
sap 成本分析报告
12-16
在SAP操作系统下，成本分析的方法及管理思路会有较大变化，为此我们整理了提出了新的系统环境下成本分析的方法与技巧
SAP常用事务代码
hjg1216的博客
08-12 8121
事务代码
ALV 调用标准程序并获取结果
woniu_maggie的博客
04-24 1114
方法2： SUBMIT前屏蔽ALV GRID的显示，SUBMIT,然后调用 CL_SALV_BS_RUNTIME_INFO => GET_DATA_REF方法 获取数据， 该方法 不需要修改目标程序，但不能 设置目标程序的中断点，需显示ALV的函数执行完毕方可获取到数据。：如果A程序中SUBMIT一个程序，B程序再继续用上面的方法SUBMIT是不支持的，可以通过程序间调用FORM实现。导语：最近需求需要获取一个函数的结果，但是这个结果是ALV显示的，但是只需要他的数据，不需要他的展示。
ABAP -Report报告程序
weixin_44686958的博客
03-14 941
ABAP -Report报告程序
sap-生产订单的成本理解
热门推荐
星陨阁:wxgnolux
06-17 1万+
看生产订单的成本分析时，有三种成本，计划成本，目标成本和实际成本，这三种成本真正代表了什么状态意义的价格呢？ 我们先从物料的成本说起，在sap里物料主数据里有两种成本控制方式，一是标准成本，二是移动平均价，在此基础上对于销售订单如果做了成本估算，对应行项目也会有一个成本，这个成本的计算逻辑和标准成本是一样的，只是它是根据销售单上的 bom和工艺路线来估算的. 那么生产订单上的 目标成本 就是和这两种标准成本对应
生产报表数据库出现了活动事务的回滚段损坏（一）
lunar的小铺
03-16 2605
接到业务人员的报告，说是报表数据库最近很慢，于是登陆上去检查。结果确意外的发现有一个异常的活动事务：START_TIME              SID SERIAL# SEGMENT_ID SEGMENT_NAME PROCESS      SPID         SES_ADDR         LOCKWAIT          USED_UBLK------------------
kkb--小组面试总结---持续更新
shaocheng00的博客
08-01 1583
面试总结 开发中遇到的坑点 1.axios跨域不带cookie 必须设置才可以 postman中测试接口没有问题 查阅文档发现 跨域携带cookie是ajax的问题 axios 只是 一个封装的ajax库而已 通过百度查阅文档需要给他一个设置(axios.defaults.withCredential = “true") 才能允许跨域携cookie. 2.vue中使用饿了么input组件监听回车事...
output = pd.DataFrame(output_dict)
最新发布
03-19
<think>好的，我现在需要帮助用户解决如何将字典转换为Pandas DataFrame的问题。用户提到使用pd.DataFrame的例子，所以首先我应该回忆一下pandas的相关文档和常见用法。根据用户提供的引用内容，特别是引用3和引用1，里面提到了通过字典创建DataFrame的例子。比如，引用3中的例子是df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})，而引用1中的例子是df2 = pd.DataFrame({"a":[1, 2, 3],"b":[5, 6, 7]})。这说明基本的转换方法就是将字典的键作为列名，值作为列数据。 接下来，我需要确保用户理解不同结构的字典如何处理。例如，如果字典的值是列表，每个键对应的列表长度应该一致，否则会出错。比如，如果用户有一个字典{'a': [1,2,3], 'b': [4,5]}，这样长度不一致的话，pandas会抛出ValueError。这时候可能需要用户检查数据或者填充缺失值。 另外，用户可能想知道如何处理嵌套字典的情况。比如，如果字典的结构是{‘列名’: {‘行索引’: 值}}，这时候pd.DataFrame也会自动处理，将外层的键作为列，内层的键作为索引。例如，引用中没有提到这种情况，但根据pandas的文档，这样的结构也是支持的。比如，如果用户有一个字典{'a': {0:1, 1:2}, 'b': {0:5,1:6}}，生成的DataFrame会是两列a和b，索引为0和1，对应的值分别是1、2和5、6。 还有，用户可能关心如何指定行索引或者列名。在pd.DataFrame构造函数中，可以通过index参数指定行索引，columns参数指定列的顺序。比如，如果用户想改变列的排列顺序，可以在columns中指定。例如，如果字典的键是['a', 'b']，但用户希望列的顺序是['b', 'a']，可以在创建时传入columns=['b', 'a']。 此外，用户可能有疑问如何处理字典中的标量值。例如，如果字典中的某个键对应的值是一个单一的值而不是列表，这时候pandas会将该值广播到所有行。比如，{'a': 1, 'b': [2,3,4]}，这时候a列的所有行都是1，而b列则是2、3、4。不过这种情况需要确保其他列的长度一致，否则会出错。 还需要注意数据类型的问题，比如字典中的不同列可能有不同的类型，比如整数、字符串等，但每列内部类型必须一致，否则可能会被pandas自动转换，或者引发错误。用户可能需要检查数据类型的正确性。 最后，用户可能想知道如何处理更复杂的情况，比如字典列表，或者从其他数据源转换而来。例如，如果有一个列表中的每个元素都是一个字典，代表一行数据，这时候可以使用pd.DataFrame.from_records方法。比如，data = [{'a':1, 'b':5}, {'a':2, 'b':6}]，这样生成的DataFrame会是两行两列。不过用户的问题主要是将单个字典转换为DataFrame，所以可能不需要深入讨论这种情况，但可以作为扩展知识提及。 总结一下，步骤应该是：1. 基本转换方法，使用pd.DataFrame(dictionary)；2. 处理不同结构的字典（如嵌套字典、标量值）；3. 指定索引和列顺序；4. 错误处理和注意事项。同时，需要给出示例代码，并引用提供的参考资料中的例子，如引用1和3中的例子，确保用户能够理解并正确应用。</think>将字典转换为Pandas DataFrame是数据处理的常见操作。以下是分步说明和示例： --- ### **1. 基本转换方法** 直接使用`pd.DataFrame()`构造函数，将字典的**键**作为列名，**值**作为列数据： ```python import pandas as pd data = {"姓名": ["张三", "李四", "王五"], "年龄": [25, 30, 28]} df = pd.DataFrame(data) print(df) ``` 输出： ``` 姓名 年龄 0 张三 25 1 李四 30 2 王五 28 ``` - **字典值类型**：值可以是列表、数组或标量（自动广播填充）[^3]。 - **自动生成行索引**：默认从0开始，可通过`index`参数自定义[^2]。 --- ### **2. 处理嵌套字典** 如果字典的值是嵌套字典，外层键作为列名，内层键作为行索引： ```python data = {"数学": {"A班": 90, "B班": 85}, "语文": {"A班": 88, "B班": 92}} df = pd.DataFrame(data) print(df) ``` 输出： ``` 数学 语文 A班 90 88 B班 85 92 ``` --- ### **3. 指定行索引和列顺序** 通过`index`和`columns`参数控制数据结构： ```python data = {"a": [1, 2, 3], "b": [4, 5, 6]} df = pd.DataFrame(data, index=["行1", "行2", "行3"], columns=["b", "a"]) # 调整列顺序 print(df) ``` 输出： ``` b a 行1 4 1 行2 5 2 行3 6 3 ``` --- ### **4. 错误处理与注意事项** - **值长度一致性**：所有值的长度必须一致，否则报错`ValueError`。 ```python # 错误示例：长度不一致 data = {"a": [1, 2], "b": [3, 4, 5]} df = pd.DataFrame(data) # 报错 ``` --- ### **完整示例** 结合字典与自定义参数： ```python data = {"城市": ["北京", "上海", "广州"], "人口(万)": [2154, 2487, 1867]} df = pd.DataFrame(data, index=["C1", "C2", "C3"]) print(df) ``` 输出： ``` 城市 人口(万) C1 北京 2154 C2 上海 2487 C3 广州 1867 ``` ---
评论
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