机械化erp

 　　建米软件ERP机械制造系统是我司根据车间现场生产管理流程，以标准化为目标，而开发出的一套专业的而且又简洁易用的ERP生产管理系统。功能包括仓库物料自动导入、bom表自动导入、生产工序管理、成品缺货自动计算、生产单自动拆单、计时计件工资汇总、生产进度查询、仓库数据管理、应收应付账款核算等多种主要的管理功能，为企业提供一套完整高效的管理系统。

　　一、基础数据的形态分类

　　企业中的基础数据可分为两种：一种称为静态数据，所谓静态数据是指在一段时间内相对稳定，一般不随时间不同而改变的数据。以智邦国际为例，包括：存货子模块的品号基本资料，各部门、仓库、人员信息，采购子模块的供应商信息，销售子模块的客户资料，总账子模块的会计科目，产品结构子模块的BOM数据，生产过程中的加工中心、工艺路线等等。静态数据一般比较稳定，可以提前准备。

　　另一种称为动态数据，动态数据比静态数据变动频率高，一般随时间不同而改变，如库存余额、总账余额、应收账款余额、应付账款余额、未结销售订单、未结采购订单、未结工单等等。这些数据的准备要以各模块上线切换点的数据为准。比如，计划9月份总账模块上线，一般以8月末总账余额为准。

　　由于两种数据类型不同，在实施中采用的数据准备对策也不同。对于静态数据，往往在实施的开始阶段就应着手准备，准备时间也比较长，可以安排专人负责，而动态数据往往在系统上线切换点之前才开始准备，准备时间短，因而需要投入的人力也比较多，比如有些库存余额要经过全面盘点后才能得到准确的数据。

　　二、数据准备应注意的问题

　　总的来说，数据准备工作应该在意识上、方法上、操作上注意以下几个方面的问题。

　　(1)企业领导要对数据准备的重要性达成共识并进行有力推动

　　“输入是垃圾，输出的必然是垃圾”。为确保信息的准确性，企业必须投入大量人力物力进行漫长的数据准备。企业的原有管理多是概念型的东西，一旦具体量化就会出现很多困难。更何况初期的数据准备没有任何成效，枯燥而乏味，还要不时接受来自各方面的有形及无形的压力，这时领导的支持与鼓励就显得尤为重要，因此负责项目的老总和领导在任何阶段都不能忽视对项目的支持与鼓励。同时，由于数据准备牵涉到企业多个部门，因此也离不开各部门员工的积极配合与支持。

　　(2)数据准备要兼顾科学性和实用性

　　以BOM数据为例，笔者曾在一家客户的实施过程中发现，由于企业多年来实行的是较为粗放的生产管理方式，因此对于系统要求的一些基础数据，企业没有完整的记录，企业的BOM数据往往是七八年甚至是十几年前的消耗定额。这期间生产部门早已对其进行了更新和改动。但由于缺乏精细的管理方式，这些改动没能以有效的文件形式保留下来，造成技术部门与生产部门的严重脱节。实施中由于我们一开始在BOM资料准备上过分依赖技术部门，导致系统试运行时许多数据实用性很差。后来又不得不召集技术部门和生产部门的人员坐在一起重新讨论BOM嫁接，从而对系统上线造成了一定的延误。

　　(3)数据准备可以采取“分步实施，先易后难”原则

　　准备数据时，可以采取“分步实施，先易后难”的原则，即先准备编码和物流管理系统的有关数据，在实施物流管理系统的同时进行其他数据的准备工作。各种定额和期量标准的制定如BOM和工艺数据可以先按现有定额输入系统，再通过生产管理系统的试运行及上线后采取逐步调整的方式加以完善。

　　(4)数据准备可以和其他实施阶段并行

　　许多用户往往把数据准备作为一个孤立的阶段，喜欢集中一定的时间段把它做完。其实不然，数据准备实际上是贯穿于ERP实施的各个阶段，而且不同阶段对数据的要求也是不同的。对于一个分期上线的系统，如生产计划、物料需求模块等所需要的品号、制造提前期、采购提前期、固定前置天数、变动前置天数以及经济批量等基础数据的搜集就可以放在稍后进行，前期的数据准备可以先忽略这些字段的分析确定，而将精力集中于更为紧要的数据准备上。此外，有些阶段比如用户培训或流程模拟阶段，对数据准确度的要求并不十分高，数据量的要求也不很大，那么数据组为这些阶段准备数据时就可以不必进行严格的校验和核对，从而降低数据准备的难度，缩短数据准备的时间。

　　(5)数据准备要建立长期的日后数据收集与审批机制

　　经历了实施阶段的数据集中准备工作，企业在ERP项目上线后往往还需要不断补充新的数据，这就需要在实施过程中建立起日后长期的数据收集和审批机制，形成正规的制度和流程，如新品号的建立流程、客户/供应商信息的更新流程等。只有这样，才能保证数据长期的及时性与稳定性，才能保证ERP上线一段时间后后续收集数据的质量。

　　(6)数据准备工作要承担责任，要有相应的制度保证

　　在准备数据之前，成员要准备一份“数据准备文档”，在该文档中要明确数据准备时间和范围，即明确何时完成、准备何时的数据、准备哪些数据。为了明确双方的责任，还应建立相应的规章制度。如明确基础数据建立和维护的责任单位，建立规范的数据管理工作流程等。有条件的企业应对数据准备工作建立相应的激励和奖惩制度，如对每条正确的数据输入，给予相应的责任人和部门负责人奖励，对每条错误的数据输入给予惩罚，以保证数据的正确性。