跨公司销售公司间发票IV触发EDI 自动录入购货发票--EDI 配置

系统案例HK分公司2500公司收到来自HK客户710000070 针对相应商品188000212的采购订单。 商品188000212是从大陆分公司的2300工厂生产并直接交付给客户。

买卖关系分析:

7100000702500公司的外部客户

7100000102500)是2300公司的客户

7100000122300)是2500公司的供应商

SAP系统案例的端到端步骤,请参考上篇博文《跨公司销售业务和系统案例演示》,本篇博文主要针对上述案例中:

2300开立公司间发票给710000010(2500)时,IV 发票自动触发EDI产生2500公司下录入和记账购货发票,形成对2300公司的应付账款。

相关配置如下:

T-CodeVOFA: Billing type 关联输出确定过程

定义输出类型ZRD4(copy RD04) 并将ZRD4纳入输出确定程序。

T-code:VV31/VV32/VV33  发票输出条件记录维护

SPRO→销售分销→开票→公司间出具发票→自动过账到供应商科目 (SAPEDI)   分配供应商

逻辑地址(Log.addr.):以供货公司(即本案的2300)的立场来命名,结构是“供货的公司代码+接单公司体现为供货公司的内部客户号”。如果客户号码是内部编号(即全部是数字),那么逻辑地址必须凑足14位数

目的端(Destination):以接单公司(即本案的2500)的立场来命名。Company Code当然就是接单公司本身,即2500Vendor就应该填入供方公司在接单公司项下的供应商号码

T-codeWE20,定义客户,合作伙伴参数文件

T-codeWE20,定义供应商,合作伙伴参数文件

EDI接收发票定义程序参数

T-code OBCE Enter Program Parameters for EDI Incoming Invoice

T-code OBCA Assign Company Code for EDI Incoming Invoice

T-code OBCB Assign G/L Accounts for EDI Procedures

Assign Tax Codes for EDI Procedures

  • 14
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
seed-iv数据集是一个用于机器学习和数据分析的开放源代码数据集。该数据集主要用于种子质量评估和分类的研究。在该数据集中,包含了不同类型的种子和它们的特征数据。下面是关于seed-iv数据集的Python代码示例: ```python import pandas as pd # 从CSV文件中读取seed-iv数据集 seed_iv_data = pd.read_csv('seed_iv_dataset.csv') # 显示数据集的前几行 print(seed_iv_data.head()) # 查看数据集的统计信息 print(seed_iv_data.describe()) # 可视化数据集中的种子特征 import matplotlib.pyplot as plt plt.scatter(seed_iv_data['feature1'], seed_iv_data['feature2'], c=seed_iv_data['label']) plt.xlabel('Feature 1') plt.ylabel('Feature 2') plt.title('Seed-iv Dataset') plt.show() # 划分训练集和测试集 from sklearn.model_selection import train_test_split X = seed_iv_data.drop('label', axis=1) y = seed_iv_data['label'] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 使用支持向量机模型训练数据集 from sklearn.svm import SVC from sklearn.metrics import accuracy_score svm_model = SVC(kernel='linear') svm_model.fit(X_train, y_train) # 预测并评估模型性能 y_pred = svm_model.predict(X_test) accuracy = accuracy_score(y_test, y_pred) print("SVM模型的准确率为:", accuracy) ``` 以上是使用Python对seed-iv数据集进行数据处理、可视化和模型训练的示例代码。通过这些代码,我们可以对seed-iv数据集进行分析和建模,以便更好地理解和利用这个数据集。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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

打赏作者

Cindy老师SAP加油站

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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