销售出库单“总成本”字段显示不出来?在bos里面也把可见性全部放开了,还有哪里需要设置嘛?
重要的包装物(或其他物资),随着产品销售出库后需要带回,这一块怎么管理(数量?金额?)?
库存锁库可以设置所有仓库的库存数量总和大于150万就自动锁库吗,有数量的要求可以设置么?
库存更新方式从审核改成了保存了,但是有一部分之前的单据没有审核,现在造成即时库存与收发存汇总表对不上,请问这个怎么处理?
就是在销售增值税发票里面新增了“剂型”字段,但是在之前已审核的单据上不会刷新,新增发票选择物料会携带出来,需要怎么操作才会在已审核单据上面更新出来啊?
批量调价单生效后如何失效?是否可以做新的调价单来覆盖旧的调价单?
如题,销售出库单下推的应收单,由于价格有误,反审核A产品的可以修改含税单价,但是B产品的含税单价就无法修改是灰色的,请问是哪里设置做了限制,如何排查,谢谢!
我在BOS设置了销售退货单上的单价和含税单价的可见性,但是单据里没显示出来,是因为系统本身就不允许退货单手填单价吗,一定要有源单把单价带下来是吗?
销售订单设置了预收在哪个报表可以看到预收情况,销售订单执行表只能看到预收部分,无法看到未预收部分
1、客户A上增加了一个基础资料A100,如何将这个基础资料的名称A100携带到销售订单上?2、后续修改客户A的基础资料A100成B200,希望销售订单上的A100不会跟着变成B200?
销售出库单“总成本”字段显示不出来?在bos里面也把可见性全部放开了,还有哪里需要设置嘛?
重要的包装物(或其他物资),随着产品销售出库后需要带回,这一块怎么管理(数量?金额?)?
库存锁库可以设置所有仓库的库存数量总和大于150万就自动锁库吗,有数量的要求可以设置么?
库存更新方式从审核改成了保存了,但是有一部分之前的单据没有审核,现在造成即时库存与收发存汇总表对不上,请问这个怎么处理?
就是在销售增值税发票里面新增了“剂型”字段,但是在之前已审核的单据上不会刷新,新增发票选择物料会携带出来,需要怎么操作才会在已审核单据上面更新出来啊?
批量调价单生效后如何失效?是否可以做新的调价单来覆盖旧的调价单?
如题,销售出库单下推的应收单,由于价格有误,反审核A产品的可以修改含税单价,但是B产品的含税单价就无法修改是灰色的,请问是哪里设置做了限制,如何排查,谢谢!
我在BOS设置了销售退货单上的单价和含税单价的可见性,但是单据里没显示出来,是因为系统本身就不允许退货单手填单价吗,一定要有源单把单价带下来是吗?
销售订单设置了预收在哪个报表可以看到预收情况,销售订单执行表只能看到预收部分,无法看到未预收部分
1、客户A上增加了一个基础资料A100,如何将这个基础资料的名称A100携带到销售订单上?2、后续修改客户A的基础资料A100成B200,希望销售订单上的A100不会跟着变成B200?
制造业AI落地需将数据转化为洞察,可遵循四个步骤:首先,全面采集并整合多源数据,构建高质量数据基础。其次,利用AI算法进行深度分析与建模,挖掘潜在规律。接着,将分析结果转化为可视化报告与可执行建议,辅助决策。最后,持续优化模型并融入业务流程,实现洞察的闭环应用与价值创造。
企业发展总是跟着时代洪流前进,如今,市场环境瞬息万变,创新科技快速迭代,让未来充满可能性。为了适应快速变化发展的时代,企业管理也在积极创新求变,金蝶云·星空等在线ERP就是不少企业的选择。
ERP系统是指建立在信息技术基础上,集信息技术与先进管理思想于一身,以系统化的管理思想,为企业员工及决策层提供决策和办公的管理平台。在工业4.0时代,管理软件都在朝着规范化、一体化、流程化发展,ERP系统也开始逐渐变得更加智能化。智能ERP系统在支撑企业向智慧企业进化的过程中,发挥了多重作用。
智能体通过感知、决策与执行闭环,高效处理流程型工作。它能实时洞察数据,自动规划最优路径,并精准执行任务,减少人为干预与错误。这种从分析到行动的自动化能力,显著提升了业务流程的连贯性与效率,尤其适合标准化、重复性的操作场景。
在AI时代,制造企业需将“协同”从概念变为可执行的管理实践。通过数字化平台,企业能打通研发、生产、供应链等核心环节,实现数据驱动的实时决策与高效协作。这不仅提升了运营效率与质量,更构建了快速响应市场变化的柔性能力,是管理升级的关键路径。
围绕“无锡装备制造企业选数字化厂商,为什么要先看BOM版本、研产脱节和设计制造协同”,文章以无锡无锡市海联舰船集团有限公司的真实案例为锚点,从BOM版本、研产脱节和设计制造协同切入,说明装备制造企业如何借助金蝶AI星空打通设计、制造、供应链、成本和经营分析闭环,并结合案例成效验证落地价值。
围绕“南宁工程机械企业数字化厂商怎么选”,文章以南宁广西柳工机械股份有限公司的真实案例为锚点,从数据孤岛、主数据治理和流程自动化切入,说明装备制造企业如何借助金蝶AI星空打通设计、制造、供应链、成本和经营分析闭环,并结合案例成效验证落地价值。
AI项目数据对齐需聚焦四大核心:统一业务口径,确保指标定义一致;梳理数据血缘,明确来源与转换路径;保障数据质量,建立校验与监控机制;管理数据权限,控制访问与使用范围。这是实现数据可靠、驱动智能决策的基础。
金蝶客服
加载中