缪伟华

摘 要：本文结合中国石化銷售有限公司的实际情况，提出了零售进货密度的自动化采集操作模式，运用ERP系统的数据处理功能，自动计算不同来源油品的进货密度，降低因密度统计数不足导致的虚假损溢，是一种有效的探新和尝试。

关键词：零售损溢;密度;ERP系统

本文主要讨论设计密度自动采集程序，计算各单位同品种油品的平均计重密度，自动导入零售系统维护折算密度，用于零售损耗的计算，大幅降低虚假损耗。

1 工作原理

1.1折算密度代表性差的原因

加油站进货密度变化较大主要是以下几个原因：

①季节变化明显，月度之间的温差变化有时会超过5℃，对加油站进货密度影响较大，2013年全国及该省年度平均气温;②油品来源差异对加油站进货密度影响也很大，由于零售系统折算密度导致虚假损耗的最主要原因是折算密度的代表性差，不能代表各时段各来源油品的平均密度。若能使加油站实时进行吨升转换就可以消除密度变化带来的虚假损耗，但考虑到可操作性和性价比，将维护密度设定为每天采集油品密度进行维护，并将其导入导致帐表册系统，加油站只要将销售体积录入电子帐表册系统，加油站就能每天做到进行零售吨升转换。

1.2 自动密度数据采集系统的设计

为了实现每天进行密度采集，避免人为误差的出现，降低人工劳动强度，通过调研了解，ERP系统加油站进货配送单有该批次油品的进货重量和进货体积，可以利用该重量和体积，利用ERP系统进行统计和计算，也同样可以达到每天采集零售密度的目的。

1.2.1 主要功能

根据ERP系统中各地市零售工厂期间内收货物料凭证，自动计算换算密度，并提供结果查询导出工具，自动生成电子帐表册系统密度导入模板，保证ERP系统和电子账表册系统期间密度完全相同。

1.2.2 密度计算

第一步，根据屏幕输入日期从物料凭证抬头表MKPF提取记账日期BUDAT为输入日期前一天的内部移库物料凭证号，然后根据物料凭证号分别从物料凭证行项目表MSEG中取物料编码、数量、零售工厂编码，从以附加计量单位表示的物料凭证数量表msego2中取单位为升的油品体积，在内表中按零售工厂、物料编码对数量和体积汇总。

第二步，全部物料凭证处理完后，在内表中对每个零售工厂、物料编码对应的数量除以对应体积计算密度。

第三步，根据系统中维护好的组织值到计算结果中提取本次计算密度，将计算结果保存到自定义透明表（加油站销售密度表）并将本次计算结果用ALV格式展示。

第四步，将本次计算结果导出为excel文档作为零售帐表册系统的密度导入模板。

1.2.3 密度计算历史查询

此功能提供60天内密度维护记录的查询，用户可以查询到60天内维护过密度的日期列表，双击列表中明细条目可以显示对应日期的密度维护明细。

1.2.4 组织值导入

此功能是在系统内维护零售工厂、销售办事处、物料编码的关联关系，如果加油站销售的油品发生变化，或者新增了零售工厂、销售办事处可以通过这个功能用模板导入系统

2 测试运行

密度自动采集程序自开发出来以后，进行了运行测试，测试结果显示：自动采集公布的密度比按月采集密度的变化趋势较平缓。在测试过程中还解决了下述两个问题：

①程序初始化采集密度问题。我们在10月中旬采集时间段，为10月1月至15日程序出来时段，然后每天进行更新，到11月使用时，导入测试采集的10月31日的密度，解决了密度初始化问题;②虚拟库配送，密度维护的问题。在我公司自营和参股油库以外的出库地点进行配送，在ERP属于虚拟库配送，出库密度的维护，关系到折算密度的准确性。我们规范操作流程，只要存在虚拟库配送，要求职能部门到现场采集出库密度录入ERP系统。这样就解决了虚拟库配送问题密度维护的难题。

密度自动采集程序实施以后，通过一段时间的比对，取得较好的结果，有效的降低了零售重量损溢的大溢大亏，大大减小了零售虚假损耗，某单位实施一段时间后的统计如下：

①重量损耗率与体积损耗率比对。密度自动采集程序实施以后，2014年1-5月该单位的重量损溢率与体积损溢率比较接近，与2013年同期（未实施密度自动采集程序）进行比对，差异率同比大幅度降低;②零售损耗数量。零售密度自动采集之后，该单位2014年1-5月零售重量损溢4月最高损耗430吨，最低2月溢余19吨，基本没有出现大溢大亏，同比2013年1-5月，3月溢余1126吨，1月亏损2195吨，大溢大亏现象严重。

3 结论与展望

实施密度自动采集程序后，虽然解决了零售虚假损耗的问题，但零售体积和重量损溢率还是不能完全同步，还存在1‰以下的误差，经过分析主要来源于以下两个方面：

①月末库存差异问题。由于月与月的库存转换密度存在差异，月末盘点时。会导致库存数量出现密度差。如果盘点库存变化不大，全年综合平衡，差异会抵消，但在每月仍会出现差异，这是导致零售体积和重量损溢率还存在1‰的误差的主要原因;②销量小的站导入不及时的问题。销量小的站是隔一段时间导入一次销量，没有每天及时导入销量，存在一定的密度差，这是导致零售体积和重量损溢率还存在1‰的误差的次要原因。

后续可以通过继续改进系统，提高系统对数据处理的及时性问题进一步缩短密度采集时间间隔，增加取样频率，提高折算密度代表性，将可以进一步缩小零售虚假损耗。