SAP批次特性自动计算（Dependency)

最新推荐文章于 2026-07-18 09:31:44 发布
原创 最新推荐文章于 2026-07-18 09:31:44 发布 · 929 阅读 · 1 ·
本内容遵循CC 4.0 BY-SA版权协议
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。
收录于
PP

当前文章被收录于：

PP
8 篇文章 2 人学习
订阅专栏 查看详情
batch dependency

当前文章被收录于：

batch dependency
1 篇文章 0 人学习
订阅专栏 查看详情
本文分享了在SAP中处理批次特性自动计算的方法，包括有效成分含水量的计算公式以及在类(CL02)中设置特性的相关性(Dependency)。详细介绍了三种不同的计算场景，确保根据用户输入的含水量特性自动调整API_3的值。 
最近在项目上最到一个挑战，用户的有效成分计算是两层计算，一种是有效成分中的含水量是在物料上，其计算公式是用有效成分含量-含水量

在这里插入图片描述
另一个是含水量是在有效成分物料上的，其计算公式是 有效成分含量 * （1-含水量）
在这里插入图片描述

有效成分值是维护在批次属性上的，为了简化这个方案，使用了Dedpenecy进行计算，这样就不用建多套的批次属性。
1.创建如下特性和批次类
特性Value
API_1API有效成分
API_2含水量
API_3临时计算变量
API_4物料是否含水
批次批次类
Test023

2.将特性分配至类中（CL02)
3.在批次类中维护相关性（Dependency)
在这里插入图片描述
$SELF.API_3 = API_1 ,
$SELF.API_3 = API_1 - API_2 if API_2 SPECIFIED and NOT
API_4 SPECIFIED,
$SELF.API_3 = API_1/100 * (100 - API_2) if API_2 SPECIFIED
and API_4 SPECIFIED

第一句是指当用户没有填写含水量特性时，默认情况API_3 = API_1；也就是对于没有含水量的物料也可以使用这个设置。
在这里插入图片描述

第二句的意思是用户填写了含水量量，但是是物料含水这种计算，此时采购这种计算公式。

在这里插入图片描述
在这里插入图片描述

第三句的意思是用户填写了含水量，此时是API含水这种计算，此时采购用这种计算公式。

在这里插入图片描述
在这里插入图片描述

标签
#经验分享
MuleSoft与大语言模型的企业级AI编排实践
cuanku6549的博客
07-01 402
API编排是企业系统集成的基础能力，而AI编排则是在此基础上叠加上下文感知、状态管理、安全治理与合规审计的高阶工程实践。它解决的核心问题是：如何让大语言模型真正理解ERP、CRM等 legacy 系统的业务语义，并将非结构化输出精准映射回结构化字段。这一过程依赖协议抽象（如OData/SOAP适配）、数据抽象（DataWeave运行时转换）和流程抽象（可视化规则驱动）三层能力，远超简单调用OpenAI API。典型应用场景包括采购智能预审、合同风险分析、跨系统客户360视图生成等，其技术价值在于 bridg
AI编排：企业级LLM落地的数据调度与混合架构实践
weixin_34221775的博客
06-24 343
AI编排（AI Orchestration）是一种面向生产环境的工程范式，核心在于打通大模型能力与企业异构系统之间的数据断层。其原理是通过分层协同机制——由集成平台（如MuleSoft）负责高韧性连接、数据治理与安全管控，由AI框架（如LangChain）专注非结构化推理、RAG检索与Prompt编排——实现语义对齐与可信调度。技术价值体现在保障数据新鲜度、字段级脱敏、全链路可观测性及跨系统事务一致性，显著降低LLM幻觉与权限穿透风险。典型应用场景包括销售智能助手、发票异常识别、员工满意度分析等需实时融合S
SAP 批次管理（特性、类）
willieyuan的博客
04-21 1万+
批次管理（特性、类）： 业务场景：通常批次管理是为了控制某些属性，例如先进先出（先入库的先出库）。即入库批次需要关联相关属性。 业务举例：批次A：2019.12.21入库、B：2020.12.22入库。现要求先发货入库时间早的批次，此时出库就需要先发A批次，为了实现上述，将特性指定到批次，再将特性关联到类class。 业务模拟： （工厂层级批次管理参考表MCHA，物料层级批次管理参考表MC...
Azure Data Factory生产级数据管道实战指南
weixin_34377919的博客
06-23 393
数据管道是现代数据工程的核心编排范式，其本质是业务逻辑的声明式调度而非代码执行；集成运行时（IR）作为数据流动的物理载体，直接决定吞吐、延迟与混合云连通能力。理解Pipeline、Activity、Dataset、Linked Service与IR五大组件的契约关系和咬合逻辑，是构建高可用、可维护、合规数据链路的前提。本文聚焦Azure Data Factory在真实生产环境中的落地细节——从托管身份认证、Schema契约定义、CSV头行处理，到分区加速、广播Join、Upsert写入及IR故障隔离，覆盖4
SAP 超详细的批次管理简介
我小时候很黑的博客
07-17 4665
批次管理的关键概念一、批次管理的配置1.1.工厂级别1.2.物料级别1.3.集团级别定义批状态管理按物料类型设定批次的初始状态定义货物移动的批创建激活IM中货物移动的批分类激活内部&外部给号分配、维护批次编号范围二、批次确定的配置定义库存管理条件定义库存管理访问顺序定义库存管理查找过程分配IM查找过程/ 激活检查三、特性及分类的创建创建特征值创建分类维护查找策略前台批次的使用批次管理（Batch Management）是 SAP 系统中的一个重要功能，用于对物料的批次进行管理和控制。
关于ABAP批次或生产订单特性值的随记
newy的博客
02-18 4065
阅读目录特性值后台表批次特性值生产订单特性值 特性值 特性值是为了控制一些特定属性，特性字段可以在SAP里配置，以方便管控物料或者订单。 后台表 特性值涉及到的SAP后台表有： CABN，CABNT，CAWN，CAWNT，KSML，KLAH，AUSP CABN，CABNT，CAWN，CAWNT 包含内部特性号及其描述字段 KSML 包含内部等级号字段，与CABN表连接可获取内部特性值（atinn） KLAH 包含内部等级号，类，类别等字段 AUSP 包含对象，内部特性号，计数器，类等字段 批次特性值 1
SAP批次特性
duangww的博客
03-12 1148
取表如果是CHAR类型，可以直接取AUSP-ATWRT,如果是其他类型是保存在AUSP-ATFLV 类型是FLTP，可读性比较差,经常需要转换成CHAR类型输出。使用函数：QSS0_FLTP_TO_CHAR_CONVERSION转换。输入参数用的VB_BATCH_2_CLASS_OBJECT的输出参数。通过批次，物料号码，工厂取将分类的对象的键值，表，批次类别等信息。返回参数：CLASSCHARACTERISTICS。通过批次类别，类别种类取批次特性，取特性。例如下面的cds视图代码。
用 SAP ABAP Tuning Object 解耦性能调优：从 DDIC DDL 到 CDS DDL 的体系化实践
2007 年 ~ 2025 年，深耕 SAP 技术 18 年
01-10 1066
SAP S/4HANA 引入的 tuning object 概念将性能优化与核心业务逻辑解耦，通过独立对象管理技术参数。它分为两类： 1）HANA tuning objects（DDIC DDL定义）： dynamic cache：缓存高频聚合查询结果 dependency rule：显式声明查询条件推导关系 2）ABAP tuning objects（CDS DDL定义）： 独立配置CDS实体的缓冲策略 支持分层覆盖标准配置 这种设计实现了Clean Core原则：优化策略可独立传输、分层管理，无需修改核
把 WITH 主查询写得又快又稳：ABAP SQL mainquery_clauses 深度拆解与工程化实践
2007 年 ~ 2025 年，深耕 SAP 技术 18 年
04-11 820
本文深入解析了ABAP SQL中WITH语句的主查询语法特性。WITH语句通过CTE（临时结果集）将复杂查询拆分为多个逻辑模块，主查询则与独立SELECT语句基本一致，仅不支持FOR ALL ENTRIES子句。文章重点阐述了主查询支持的完整子句集（WHERE、GROUP BY、HAVING等），特别强调当主查询以工作区方式获取结果时必须使用ENDWITH关闭SELECT循环。通过官方示例和工程实践建议，展示了如何利用WITH主查询优化数据访问性能，将计算逻辑下推到数据库层，提升Fiori应用响应速度。
模板驱动文档自动化：让重复性文档生产变流水线
weixin_34296641的博客
06-23 310
文档自动化是企业知识运营的关键基础设施，其核心在于将非结构化写作升级为基于模板的结构化生成。通过模板驱动机制，系统可自动完成内容填充、样式绑定、条件逻辑渲染与多格式输出，实现业务规则与文档形态的精准映射。相比传统手工编辑或低代码表单，它真正解决的是跨部门协作中的一致性、合规性与版本可控性问题，尤其适用于合同、投标书、入职手册等强规范、高复用场景。本文聚焦模板驱动（Template-Driven）与文档自动化（Document Automation）两大技术支点，详解如何以零代码方式构建可维护、可集成、可审计
Druid 介绍及配置
热门推荐
ywl470812087的博客
03-31 12万+
Druid是Java领域优秀的数据库连接池，提供强大的监控和扩展功能。支持从Maven中央仓库下载，源码托管在GitHub。通过StatFilter可开启监控统计，内置监控页面需配置StatViewServlet。提供WallFilter防御SQL注入，支持多种日志记录和连接泄漏监测。Druid解决了Oracle的PSCache内存问题，支持JNDI配置，兼容DBCP迁移。每月发布周期稳定，支持主流数据库。特色功能包括自动识别DriverClass、慢SQL日志、密码加密等。开发者可通过GitHub参与项目
MuleSoft企业级AI编排：构建安全可审计的LLM业务中枢
weixin_30940783的博客
06-08 453
大语言模型（LLM）在企业落地面临数据主权、协议异构与可观测性三大核心挑战。其本质是概率性黑盒与确定性事务系统的结构性冲突。MuleSoft凭借语义桥接、上下文编织、策略执行与韧性保障四层能力，将LLM从文本生成工具升级为可嵌入SAP、Workday等关键系统的认知层。通过DataWeave结构化转换、Parallel For Each跨系统上下文组装、Anypoint Policy集中治理及Fallback Flow混合AI容错，实现LLM驱动的真实业务动作——如采购审批、客服决策等。本文聚焦MuleSo
【信息科学与工程学】【数据中心】 第三篇 智算中心全业务场景矩阵
weixin_49199313的博客
12-23 1041
技术：MPI/OpenMP优化、InfiniBand/RoCE网络、Lustre/GPFS并行文件系统。技术：NVLink/NVSwitch高速互联、RDMA网络、检查点存储、混合精度训练。技术：Kubernetes运营商、服务网格、Serverless框架。技术：VXLAN/EVPN、SRv6、智能网卡、DPDK/智能网卡。运营：AI框架优化、显存优化、容错训练、多租户GPU隔离。技术：KVM/ESXi虚拟化、SR-IOV、智能网卡、快速发放。
AI编排：企业级大模型落地的数据调度与工程实践
weixin_30466039的博客
06-08 466
AI编排（AI Orchestration）是一种面向生产环境的系统集成新范式，核心在于协调大语言模型（LLM）与异构企业系统（如SAP、Salesforce、Oracle EBS）之间的数据流、权限控制与业务语义。其原理并非替代传统ESB或API网关，而是通过混合架构实现‘连接韧性+数据治理+可观测性’三位一体——由MuleSoft等集成平台承担企业数据守门人角色，LangChain/LlamaIndex专注上下文感知推理与RAG增强。技术价值体现在打破LLM与业务数据间的断层，确保模型输入实时、合规、结
AI Orchestration实战：MuleSoft+LangChain企业级智能编排
weixin_34268310的博客
06-25 410
AI Orchestration（AI编排）是企业将大语言模型（LLM）与现有IT系统深度集成的核心范式，其本质是解耦‘数据流动’与‘智能决策’——通过API集成层（如MuleSoft）保障数据主权、协议兼容与安全合规，再由AI框架层（如LangChain）专注语义理解、知识检索与推理生成。该模式突破了单点调用大模型的局限，支撑金融风控、医疗报告、制造运维等强监管、多系统、高确定性场景。本文基于真实交付项目，详解MuleSoft作为‘企业系统神经中枢’与LangChain作为‘AI逻辑引擎’的协同设计、安全
AI编排实战：MuleSoft与LangChain协同架构设计
最新发布
weixin_30905133的博客
07-18 379
AI编排（AI Orchestration）是解决企业数据孤岛与大模型落地脱节的关键技术范式，其核心在于分离确定性数据集成与概率性AI推理——前者依赖MuleSoft等企业级集成平台保障事务一致性、API治理与安全合规，后者依托LangChain实现Prompt链调度、多源RAG检索与会话记忆管理。该架构并非替代传统ESB或LLM框架，而是通过清晰边界定义（如HTTP API解耦）、职责分治（MuleSoft做‘守门人’，LangChain当‘智囊团’）和生产级容错设计（熔断、重试、字段级脱敏、JSON S
MuleSoft+LLM企业级AI编排：语义编织与智能工作流落地实践
weixin_30664615的博客
07-01 464
大语言模型（LLM）在企业落地面临语义鸿沟、治理失能与可靠性悬崖三大瓶颈，单纯API网关或Prompt工程难以支撑生产级AI工作流。MuleSoft凭借其数据语义转换（DataWeave）、策略强制执行（Policy Manager）、混合流程编排与细粒度可观测性，成为连接自然语言智能与结构化业务系统的‘AI编排中枢’。它将LLM从不可控的黑盒服务，转化为可审计、可降级、可嵌入ERP/SAP/CRM等核心系统的受管智能组件。典型应用场景包括采购申请审批、财务对账辅助、客服工单智能分诊等——本质是用集成能力重
Python脚本打包EXE三大方案：PyInstaller、cx_Freeze、Nuitka对比选型
weixin_34293059的博客
07-05 373
Python脚本打包为EXE是实现跨环境交付的关键技术环节，其本质是解决解释型语言在目标机器上‘无Python环境’时的可执行性问题。核心原理在于将Python解释器、依赖库与源码资源进行整合封装，并通过启动器或原生编译方式构建独立运行单元。该技术具有显著的工程价值：降低终端用户使用门槛、规避环境依赖冲突、提升部署一致性，并支撑内部工具产品化落地。典型应用场景包括自动化办公脚本分发、企业内网轻量级应用部署、以及面向客户的桌面工具发布。本文围绕PyInstaller、cx_Freeze和Nuitka三大主流方
AI公司技术实力评估四维模型：算力、算法、场景、数据
GOBY 栏目
07-02 400
人工智能公司的真实竞争力不能仅靠市值或融资额判断，而需回归技术本源——算力控制力决定模型迭代上限，算法泛化度反映生态影响力，场景穿透力验证行业痛点解决能力，数据护城河则保障模型持续进化。2021年成为关键分水岭，MLOps成熟、大模型算力升级与AI监管落地共同推动产业从‘Demo驱动’转向‘工程化闭环’。本文基于对全球头部AI企业财报、专利、GitHub及招聘数据的交叉验证，提炼出可量化的四维评估框架，适用于技术选型、供应商评估与创业方向判断，尤其聚焦制造业、医疗、金融等垂直领域的规模化落地实践。
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