物料主数据中日期对MRP影响测试

简介: 测试结论: 订单完成日期= 需求日期—收货处理时间 订单开始日期= 订单完成日期—自制生产日期 计划转换日期= 1.1 测试数据: 当然日期:2011-2-25 成品料号:100000025  策略40 独立需求:2011-3-10   数量 100 1.

测试结论:

订单完成日期= 需求日期—收货处理时间

订单开始日期= 订单完成日期—自制生产日期

计划转换日期=

1.1 测试数据:

当然日期:2011-2-25

成品料号:100000025  策略40

独立需求:2011-3-10   数量 100

1.2 1、采购视图

1.2.1 收货处理时间(这个时间和MRP2中收货处理时间相同)

收货处理时间  2

期望结果(这个应该考虑)

计划订单

计划转换日期2011-3-8    订单开始日期 2011-3-8  订单完成日期 2011-3-8       GR处理时间 2

实际结果:

计划转换日期2011-3-8    订单开始日期 2011-3-8  订单完成日期 2011-3-8  GR处理时间 2

期望和实际相同

1.2.2 MD04中将会增加一行“技术补充提前期”,日期=当前日期+收货处理时间

1.2.2.1 测试结论:

订单完成日期= 需求日期—收货处理时间

订单开始日期= 订单开始日期—自制生产日期

计划转换日期=

1.3 2MRP2

1.3.1 自制生产

自制生产    1  收货处理时间  2

 

设置了自制生产时间的MD04,多出了红色部分的一行“技术补充提前期”,日期=当前日期+自制生产+收货处理时间

 

期望结果(这个应该考虑)

计划订单

计划转换日期2011-3-7    订单开始日期 2011-3-7  订单完成日期 2011.03.08    GR处理时间 2

实际结果:

计划转换日期2011-3-7    订单开始日期 2011-3-7  订单完成日期 2011-3-8  GR处理时间 2

期望和实际相同

1.3.1.1 测试结论:

订单完成日期= 需求日期—收货处理时间

订单开始日期= 订单完成日期—自制生产日期

计划转换日期=

1.3.2 收货处理时间(这个时间和采购视图中收货处理时间相同,略)

收货处理时间

1.3.3 计划交货时间(这个是外部采购时间,用户使用 SAP 零售系统,该计划的交货时间能从在买主主记录的供应商子范围中获取。)

1.3.3.1 测试结论:

对成品不起作用,对外购的才可能起作用

 

1.3.4 安全时间/作业覆盖(未测试)

 

1.4 MPR3

1.4.1 总计补货提前时间

1.4.1.1 测试结论:

不参与MRP运算,在可用性检查时考虑

维护 总补充提前期 用于内部采购物料字段的点,在外部采购中,系统加入来自采购,计划发货时间和收货处理时间的时间,并使用这个总和作为用于带有补充提前期的用于可用性检查的补充提前期。

1.5 工作计划视图

1.5.1 厂内生产时间(这个和MR2中的自制生产相同,测试略)

 
目录
相关文章
|
Python
ZZULIOJ-1087,获取出生日期(多实例测试)(Python)
ZZULIOJ-1087,获取出生日期(多实例测试)(Python)
ZZULIOJ-1087: 获取出生日期(多实例测试)(Java)
ZZULIOJ-1087: 获取出生日期(多实例测试)(Java)
|
Web App开发 JavaScript 前端开发
javascript 操作日期 测试(注意浏览器兼容问题)
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/xhtml" > <head> &
1176 0
|
5天前
|
网络协议 安全 测试技术
性能工具之emqtt-bench BenchMark 测试示例
【4月更文挑战第19天】在前面两篇文章中介绍了emqtt-bench工具和MQTT的入门压测,本文示例 emqtt_bench 对 MQTT Broker 做 Beachmark 测试,让大家对 MQTT消息中间 BenchMark 测试有个整体了解,方便平常在压测工作查阅。
136 7
性能工具之emqtt-bench BenchMark 测试示例
|
5天前
|
测试技术 C语言
网站压力测试工具Siege图文详解
网站压力测试工具Siege图文详解
31 0
|
5天前
|
机器学习/深度学习 数据采集 人工智能
【专栏】AI在软件测试中的应用,如自动执行测试用例、识别缺陷和优化测试设计
【4月更文挑战第27天】本文探讨了AI在软件测试中的应用,如自动执行测试用例、识别缺陷和优化测试设计。AI辅助工具利用机器学习、自然语言处理和图像识别提高效率,但面临数据质量、模型解释性、维护更新及安全性挑战。未来,AI将更注重用户体验,提升透明度,并在保护隐私的同时,通过联邦学习等技术共享知识。AI在软件测试领域的前景广阔,但需解决现有挑战。
|
5天前
|
测试技术
如何管理测试用例?测试用例有什么管理工具?YesDev
该文档介绍了测试用例和测试用例库的管理。测试用例是描述软件测试方案的详细步骤,包括测试目标、环境、输入、步骤和预期结果。测试用例库用于组织和管理这些用例,强调简洁性、完整性和可维护性。管理者可以创建、删除、重命名用例库,搜索和管理用例,以及通过层级目录结构来组织用例。此外,还支持通过Excel导入和导出测试用例,以及使用脑图查看用例关系。后台管理允许配置全局别名,如用例状态、优先级和执行结果。
|
5天前
|
机器学习/深度学习 人工智能 运维
深入探索软件测试:策略、工具与未来趋势
【5月更文挑战第14天】在软件开发的生命周期中,测试环节扮演着至关重要的角色。它不仅保证产品能够达到预定的质量标准,还有助于提前发现并修复潜在的缺陷,从而减少维护成本和提高用户满意度。本文将深入探讨当前软件测试领域的最佳实践,包括测试策略的制定、工具的选择以及面对快速变化的技术环境如何保持测试活动的前瞻性和灵活性。通过分析自动化测试、性能测试和安全测试等关键领域,本文旨在为读者提供一个全面的软件测试指南,同时对未来的发展趋势进行预测。
|
5天前
|
SQL 测试技术 网络安全
Python之SQLMap:自动SQL注入和渗透测试工具示例详解
Python之SQLMap:自动SQL注入和渗透测试工具示例详解
29 0
|
5天前
|
测试技术 API
探索软件测试中的自动化工具与挑战
本文探讨了软件测试领域中自动化工具的应用与挑战。通过分析目前主流的自动化测试工具,探讨了其在提高测试效率、减少人工成本、增强测试覆盖率等方面的优势。然而,自动化测试也面临着诸如脆弱性、维护成本高等挑战。最后,提出了一些应对挑战的建议,以期为软件测试领域的自动化工作提供一些启示。
16 1

热门文章

最新文章