ERP系统编码培训实施顾问课件

1、目录概念释义编码基本原则介绍 编码方法介绍编码注意事项同业编码方案示例讲解第1页，共66页。概念释义物料在生产领域流转的一切材料(不论其来自生产资料还是生活资料),燃料,零部件,半成品,外协件以及生产过程中必然产生的边,角,余料, 废料以及各种废物统称为“物料”通俗意义上的解释 就是企业在生产过程中所需要使用到的一切材料第2页，共66页。概念释义部门即是指企业组织中主管人员为完成规定的任务而有管辖的人员而形成的小群体。形成企业组织架构图的依据职员即是企业的员工第3页，共66页。概念释义客户与企业产生业务往来，并能为企业带来经济利益流入的对象。是ERP项目中，应收款，信用管理，价格管理不可缺少的

2、基本要素。供应商与客户相对应，是企业经济利益流出的对象。是ERP项目中，应付款管理不可缺少的基本要素。第4页，共66页。概念释义编码编码是ERP项目启动前的必备且必须完成的工作。使用编码的目的如下：1、是将文字转化为计算机的语言而做的工作；2、编码唯一性的特征，确保了物料管理的基础，从而保证了物料管理的可行性； 第5页，共66页。目录概念释义编码基本原则介绍 编码方法介绍编码注意事项同业编码方案示例讲解第6页，共66页。编码基本原则介绍简单性分类展开性完整性单一性一贯性可伸缩性组织性适应电脑管理充足性易记性第7页，共66页。编码基本原则介绍简单性编码的目的在于将物料化繁为简，便于物料的管理，如

3、果编码过于繁杂，则违反了编码之目的。故应用文字符号或数字上应力求简单明了，这样可节省阅读、填写、抄录的时间与手续，并可减少其中的错误机率第8页，共66页。编码基本原则介绍分类展开性物料相当单纯时，只要将物料简单分类为几项即可，物料分类项目多了，就显得很不方便。若物料相当复杂时，就要将大分类再加以细分。第9页，共66页。编码基本原则介绍完整性所有的物料都应有物料编码可归，这样物料编码才能完整。因此每当有新物料产生，即应赋予新的物料编码，并规定新的物料没有编码，采购部门不得从事采购，即使没物料编码的新物料采购进来了，仓库部门或会计部门发现物料订购单缺少物料编码，即应请采购部门补填物料编码，否则不予

4、入库、不予付款。这样才能确保物料编码的完整性。第10页，共66页。编码基本原则介绍单一性物料编码的单一性是指一个物料编码只能代表一种物料，同一种物料只能找到一个物料编码，而绝无一个物料有数个物料编码，或一个物料编码有数项物料，一般地，只要物料的物理或化学性质有变化、只要物料要在仓库中存储、就必须为其指定一个编码。第11页，共66页。编码基本原则介绍一贯性物料编码要统一而有一贯性，应一直沿用下去，在中途不能轻易改变，以免产生混淆。 第12页，共66页。编码基本原则介绍伸缩性物料编编码要考虑到未来新产品发展以及产品规格的变更而发生物料扩展或变动的情形。预留物料的伸缩余地，并不能仅就目前物料的现状加

5、以物料编码的安排，否则他日新物料产生时，就有新物料无号可编的情况。故应该具备相应的前瞻性考量。 第13页，共66页。编码基本原则介绍组织性物料编码依其编码的系统，作井然有序的组织与排列，以便随时可从物料编码查知某项物料帐卡或资料。物料编码的组织性，对物料管理可以省掉不必要的麻烦。第14页，共66页。编码基本原则介绍适应电脑管理电脑的应用已经比较普及，因此在编码时一定要考虑录入的方便性,如编码尽可能短、少使用其他符号，如#、-、*等。第15页，共66页。编码基本原则介绍充足性物料编码所采用的文字、记号或数字，必须有足够的数量，以免遇有新物料时无号可编。否则物料系统被破坏，费时误事。 第16页，共

6、66页。编码基本原则介绍易记性在不影响上述九项原则之下，物料编码应选择易于记忆的文字、符号或数字，或赋予暗示及联想性。但这原则是属于次要原则，若上述九项原则俱全而独缺乏此项原则的物料编码，仍不失为优秀的物料编码。第17页，共66页。目录概念释义编码基本原则介绍 编码方法介绍编码注意事项同业编码方案示例讲解第18页，共66页。编码方法介绍编码方法介绍：1. 阿拉伯数字法2. 英文字母法3. 暗示法4. 混合法第19页，共66页。编码方法介绍暗示法暗示编码法是指物料编码代表物料的意义，可自编码本身联想出来。暗示编码法又可分为：1、字母暗示法2、数字暗示法第20页，共66页。编码方法介绍英文字母暗示

7、法：从物料的英文字母当中，择取重要且有代表性的一个或数个英文字母（常取主要文字的第一个字母）做为编码的号码，使阅读物料编码者可以从中想象到英文字文字，进而从暗示中得知该物料为何物。例如：SC=single-colorprinting (单色印刷)MC=multi-colorprinting (多色印刷)SW=Switch(开关)ST=Steel Tube (钢管)第21页，共66页。编码方法介绍数字暗示法：直接以物料的数字为物料编码的号码，或将物料的数字依一固定规则而转换成物料编码的号码，物料编码的阅读者可从物料编码数字的暗示中得悉该物料为何物。第22页，共66页。编码方法介绍混合法混合法物料

8、编码系联合使用英文字母与阿拉伯数字来作物料编码，而多以英文字母代表物料之类别或名称，其后再用十进位或其他方式编阿拉伯数字号码。这种物料编码方法较十进位采用符号较多，故有不少公司乐于采用此种方法。第23页，共66页。目录概念释义编码基本原则介绍 编码方法介绍编码注意事项同业编码方案示例讲解第24页，共66页。编码注意事项注意事项：1如果使用字母和数字混和编码时，应避免使用字母O、I、Z等字母，以免书写时与0、1、2相混淆；2编码中尽可能不用-、#、*等这些无意义的符号（只是为了区分编码的段，而没有任何含义），因为这些符号不便于电脑输入，而且会使编码太长；3为了使编码便于书写和录入电脑，编码在满足

9、一定的要求下应尽可能简短；4凡是库存中可能出现的物料都必须予以编码；5每种物料只能有一个编码，同样，一个编码只能在库存中找到一种物料，一一对应。第25页，共66页。目录概念释义编码基本原则介绍 编码方法介绍编码注意事项同业编码方案示例讲解第26页，共66页。同业编码方案示例讲解客户编码第27页，共66页。同业编码方案示例讲解A01.01.001纸箱部-广东省-广州XXX包装材料有限公司A01 代表 该客户归属纸箱部跟进；代表 该客户在公司地理分布上是以省级划分，以“01”代表广东省；001 代表 该客户在这一编码段中按流水号排序为第一个；第28页，共66页。同业编码方案示例讲解供应商编码第29

10、页，共66页。同业编码方案示例讲解A01.01.01.001纸箱部-广东省-潮州市-庵埠XXX纸塑商行A01 代表 该供应商归属纸箱部跟进；01代表 该供应商在公司地理分布上是以省级划分，以“01”代表广东省；01代表 该供应商归属上一级别内的城市，以“01”代表广东省潮州市；001代表 该供应商在这一编码段中按流水号排序为第一个；第30页，共66页。同业编码方案示例讲解物料编码原材料编码第31页，共66页。同业编码方案示例讲解物料编码产成品编码第32页，共66页。同业编码方案示例讲解半成品就在产成品基础上，在第一级进行区分如 BFH 代表包装部复合车间半成品 （FH为 “复合” 拼音首字母）

11、 BFQ 代表包装部分切车间半成品 （FQ为 “分切” 拼音首字母）第33页，共66页。 但是，OLS估计量却不具有最小方差性。Y=0+ 1X1+v 中X1的方差:Y=0+1X1+2X2+ 中X1的方差: 当X1与X2完全线性无关时: 否则：注意：第34页，共66页。3. 错误函数形式的偏误 当选取了错误函数形式并对其进行估计时，带来的偏误称错误函数形式偏误（wrong functional form bias）。容易判断，这种偏误是全方位的。 例如，如果“真实”的回归函数为:却估计线性式 显然，两者的参数具有完全不同的经济含义，且估计结果一般也是不相同的。 第35页，共66页。三、模型设定偏

12、误的检验 1. 检验是否含有无关变量 可用t 检验与F检验完成。 检验的基本思想:如果模型中误选了无关变量，则其系数的真值应为零。因此，只须对无关变量系数的显著性进行检验。 t检验：检验某1个变量是否应包括在模型中；第36页，共66页。 2. 检验是否有相关变量的遗漏或函数形式设定偏误 （1）残差图示法F检验：检验若干个变量是否应同时包括在模型中。 第37页，共66页。 残差序列变化图（a）趋势变化 ：模型设定时可能遗漏了一随着时间的推移而持续上升的变量 （b）循环变化：模型设定时可能遗漏了一随着时间的推移而呈现循环变化的变量 第38页，共66页。 模型函数形式设定偏误时残差序列呈现正负交替变

13、化 图示：一元回归模型中，真实模型呈幂函数形式，但却选取了线性函数进行回归。 第39页，共66页。（2）一般性设定偏误检验 但更准确更常用的判定方法是拉姆齐(Ramsey)于1969年提出的所谓RESET 检验（regression error specification test）。 基本思想： 如果事先知道遗漏了哪个变量，只需将此变量引入模型，估计并检验其参数是否显著不为零即可；第40页，共66页。 问题是不知道遗漏了哪个变量，需寻找一个替代变量Z，来进行上述检验。 RESET检验中，采用所设定模型中被解释变量Y的估计值的若干次幂来充当该“替代”变量。 例如，先估计 Y=0+ 1X1+v

14、得: 第41页，共66页。 再根据第三章第五节介绍的增加解释变量的F检验来判断是否增加这些“替代”变量。 若仅增加一个“替代”变量，也可通过t检验来判断。 第42页，共66页。 例如，在一元回归中，假设真实的函数形式是非线性的，用泰勒定理将其近似地表示为多项式： RESET检验也可用来检验函数形式设定偏误的问题。 因此，如果设定了线性模型，就意味着遗漏了相关变量X12、 X13 ，等等。（*）第43页，共66页。 因此，在一元回归中，可通过检验(*)式中的各高次幂参数的显著性来判断是否将非线性模型误设成了线性模型。 对多元回归，非线性函数可能是关于若干个或全部解释变量的非线性，这时可按遗漏变量

15、的程序进行检验。 第44页，共66页。 例如，估计 Y=0+1X1+2X2+但却怀疑真实的函数形式是非线性的。 这时，只需以估计出的的若干次幂为“替代”变量，进行类似于如下模型的估计:再判断各“替代”变量的参数是否显著地不为零即可。 第45页，共66页。 例5.3.1：在4.3商品进口的例中,估计了中国商品进口M与GDP的关系，并发现具有强烈的一阶自相关性。 然而，由于仅用GDP来解释商品进口的变化，明显地遗漏了诸如商品进口价格、汇率等其他影响因素。因此，序列相关性的主要原因可能就是建模时遗漏了重要的相关变量造成的。 下面进行RESET检验。 第46页，共66页。用原回归模型估计出商品进口序列

16、: R2=0.9484 （-0.085） （8.274） （-6.457） （6.692） R2=0.9842第47页，共66页。 在=5%下，查得临界值F0.05(2, 20)=3.49判断：拒绝原模型与引入新变量的模型可决系数无显著差异的假设，表明原模型确实存在遗漏相关变量的设定偏误。 第48页，共66页。 *（3）同期相关性的豪斯蔓（Hausman）检验 由于在遗漏相关变量的情况下，往往导致解释变量与随机扰动项出现同期相关性，从而使得OLS估计量有偏且非一致。 因此，对模型遗漏相关变量的检验可以用模型是否出现解释变量与随机扰动项同期相关性的检验来替代。这就是豪斯蔓检验（1978）的主要思

17、想。 第49页，共66页。 当解释变量与随机扰动项同期相关时，通过工具变量法可得到参数的一致估计量。 而当解释变量与随机扰动项同期无关时， OLS估计量就可得到参数的一致估计量。 因此，只须检验IV估计量与OLS估计量是否有显著差异来检验解释变量与随机扰动项是否同期无关。第50页，共66页。对一元线性回归模型 Y=0+1X+所检验的假设是 H0：X与无同期相关。 设一元样本回归模型为: 第51页，共66页。以Z为工具变量，则IV估计量为： (*) (*)式表明，IV估计量与OLS估计量无差异当且仅当ziei=0，即工具变量与OLS估计的残差项无关。 第52页，共66页。检验时，求Y关于X与Z的

18、OLS回归式： 在实际检验中，豪斯蔓检验主要针对多元回归进行，而且也不是直接对工具变量回归，而是对以各工具变量为自变量、分别以各解释变量为因变量进行回归。 第53页，共66页。如对二元回归模型: (*)第54页，共66页。 通过增加解释变量的F检验，检验联合假设： H0：1=2=0 。 拒绝原假设，就意味着（*）式中的解释变量与随机扰动项相关。 第55页，共66页。（4）线性模型与双对数线性模型的选择 无法通过判定系数的大小来辅助决策，因为在两类模型中被解释变量是不同的。 为了在两类模型中比较，可用Box-Cox变换:第一步，计算Y的样本几何均值。 第二步，用得到的样本几何均值去除原被解释变量

19、Y，得到被解释变量的新序列Y*。 第56页，共66页。 第三步，用Y*替代Y，分别估计双对数线性模型与线性模型。并通过比较它们的残差平方和是否有显著差异来进行判断。 Zarembka（1968）提出的检验统计量为：第57页，共66页。 其中，RSS1与RSS2分别为对应的较大的残差平方和与较小的残差平方和，n为样本容量。 可以证明：该统计量在两个回归的残差平方和无差异的假设下服从自由度为1 的2分布。 因此，拒绝原假设时，就应选择RSS2的模型。 第58页，共66页。 例5.3.2 在4.3中国商品进口的例中， 采用线性模型: R2=0.948; 采用双对数线性模型: R2=0.973， 但不

20、能就此简单地判断双对数线性模型优于线性模型。下面进行Box-Cox变换。 计算原商品进口样本的几何平均值为： 计算出新的商品进口序列： 第59页，共66页。以Mt*替代Mt，分别进行双对数线性模型与线性模型的回归，得： RSS1=0.5044RSS2=1.5536于是， 在=5%下，查得临界值20.05(1)=3.841判断：拒绝原假设，表明双对数线性模型确实“优于”线性模型。 第60页，共66页。5.4从传统建模理论到约化建模理论一、传统建模理论与数据开采问题 二、“从一般到简单”约化建模型理论 三、非嵌套假设检验 四、约化模型的准则 第61页，共66页。一、传统建模理论与数据开采问题 传统计量经济学的主导建模理论是“结构模型方法论”以先验给定的经济理论为建立模型的出发点，以模型参数的估计为重心，以参数估计值与其理论预期值相一致为判断