Master EDI 项目需求分析

Master Electronics 通过其全球分销网络,支持多种采购需求,确保能够为客户提供可靠的元件供应链解决方案,同时为快速高效的与全球伙伴建立合作,Master 选择通过EDI来实现与交易伙伴间的数据传输。

EDI为交易伙伴之间建立了一个安全、标准的连接,通过这个连接可以传输任意格式的数据,既能快速、准确的传输数据,又实现了安全、可靠的信息安全理念。

Master EDI需求
传输协议

Master支持的传输协议为AS2,AS2是一种B2B 消息传输协议,通常用于企业间的信息传输。

扩展阅读:AS2通信中发生了什么?

报文标准

Master支持的EDI报文标准为X12,使用ASC X12.58安全结构,该结构结合了身份验证、压缩、加密和保证,以保证电子数据交换文件以其原始格式到达其目的地,并且没有被篡改,同时向接收方保证它来自原始发送方。

扩展阅读:X12学习手册

业务单据

基于X12报文标准,作为供应商,企业A需要通过EDI与Master传输的业务单据包括:

  • EDI 850 采购订单(供应商接收)
  • EDI 855订单确认(供应商发送)
  • EDI 846 库存查询(供应商接收)

除了上述3种业务单据之外,还需要配置997功能性确认。

EDI 850 采购订单 中包含的主要内容有:

  • 订单类型
  • 订单号
  • 订单日期
  • 供应商编号
  • 订单额外描述信息
  • 收单方名称
  • 收单方编号
  • 收单方详细信息
  • 收货方名称
  • 收货方编号
  • 收货方详细信息
  • 账户编号
  • 采购订单行号
  • 订单数量
  • 数量单位
  • 单价
  • 价格单位
  • 买方物料号
  • 供应商物料号
  • 销售需求代码
  • 采购数量
  • 数量单位
  • 要求发货日期

EDI 855 订单确认包含的主要信息有:

  • 订单号
  • 订单日期
  • 订单回复编号
  • 订单回复提交日期
  • 采购订单行号
  • 订单数量
  • 数量单位
  • 单价
  • 价格单位
  • 买方物料号
  • 供应商物料号
  • 订单回复状态
  • 数量
  • 数量单位
  • 预计交货日期
基于知行之桥EDI系统实现与Master的EDI对接

在开始EDI项目实施之前,需要根据上述的内容,与Master确认本次EDI项目中需要使用到的传输协议、报文标准以及业务单据类型。接下来企业需要根据实际需求,确定是否需要实现EDI系统与企业内部业务系统的集成。

如果确定集成,则可以选择合适的集成方式:

  • 中间数据库
  • WebService
  • REST API

A公司目前内部正在使用SAP系统,希望实现与EDI系统的集成。经沟通最终选择中间数据库方案,通过中间表的方式,能够解耦系统间的依赖,提升数据处理的灵活性,并降低技术门槛,中间表提供了一种缓冲机制,可以避免系统间实时调用带来的高并发压力。

根据本次MASTER的EDI对接需求以及选择使用中间数据库集成方案,在知行之桥EDI系统中搭建如下所示的工作流:

Master-EDI1.png

搭建AS2连接通道

基于知行之桥EDI系统搭建与Master的AS2连接通道,无需代码,只需要在可视化界面中进行配置即可,首先需要在工作区中创建一个AS2端口,在这个端口的 设置 选项卡下配置Master的AS2连接信息,如下所示:

Master-EDI2.png

接下来在知行之桥的 个人设置 选项卡下配置企业自己的AS2连接信息:

Master-EDI3.png

当交易双方都完成了AS2连接信息的配置之后,即可发送测试文件进行连接测试,确保交易双方能够正常收发文件。

以接收Master发来的EDI 850采购订单为例,在知行之桥EDI系统中的处理过程为:

1.通过AS2端口收到来自Master的EDI 850
2.通过X12端口以及XMLMAP端口将EDI报文转换为数据库XML
3.通过数据库端口将数据库XML中的数据写入中间数据库表中
4.供应商的SAP系统从中间数据库表中抓取订单数据,呈现在SAP系统的订单页面中

数据库状态回传

项目实施过程中,需要明确数据是否已成功发送给交易伙伴。以防止数据漏发、错发给业务带来不必要的损失。知行之桥EDI系统拥有显示成功路径功能。我们可以利用这个功能,快速实现数据库状态回传。

点击了解详细操作步骤

如果您希望了解有关EDI对接的相关信息,欢迎交流。

阅读原文

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/63588.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

人脸识别之Python的人工智能研究(附学习资源)

1. 引言:人脸识别的意义与挑战 人脸识别技术已经在多个领域得到了广泛应用,包括手机解锁、公共安全监控、社交媒体、人机交互等。这项技术的普及不仅提高了生活的便利性,也为社会安全提供了有效的支持。然而,随着人脸识别技术的不…

时频转换 | Matlab梅尔频谱图Mel spectrogram一维数据转二维图像方法

目录 基本介绍程序设计参考资料获取方式 基本介绍 时频转换 | Matlab梅尔频谱图Mel spectrogram一维数据转二维图像方法 程序设计 clear clc % close all load 130.mat % 导入数据 x X130_DE_time; % 本数据只选择5120个点进行分析 x x(1:120000,:); fs 12000 ; % 数据…

Milvus向量数据库03-搜索理论

Milvus向量数据库03-搜索理论 1-ANN搜索 通过 k-最近邻(kNN)搜索可以找到一个查询向量的 k 个最近向量。kNN 算法将查询向量与向量空间中的每个向量进行比较,直到出现 k 个完全匹配的结果。尽管 kNN 搜索可以确保准确性,但十分耗…

STM32 出租车计价器系统设计(一) 江科大源码改写

STM32 出租车计价器系统设计 功能目标 驱动步进电机模拟车轮旋转,并实现调速功能。 设置车轮周长和单价,检测车轮转速和运转时间。 计算并显示行驶里程和价格。 硬件材料 28BYJ48 五线四相步进电机和 ULN2003 驱动板模块 测速传感器模块 嵌入式小系统…

顶顶通电话机器人开发接口对接大语言模型之实时流TTS对接介绍

大语言模型一般都是流式返回文字,如果等全部文字返回了一次性去TTS,那么延迟会非常严重,常用的方法就是通过标点符号断句,返回了一句话就提交给TTS。随着流TTS的出现,就可以直接把大模型返回的文字灌给流TTS&#xff0…

问题清除指南|AEROBLADE论文复现相关要点总结

前言:本篇博客总结本人在复现 CVPR 2024 论文 AEROBLADE 过程中遇到的一些问题及解决方案。 注:仅仅使用了论文github源码中的Quickstart部分。 论文链接🔗:AEROBLADE: Training-Free Detection of Latent Diffusion Images Using…

Qt初识_对象树

个人主页:C忠实粉丝 欢迎 点赞👍 收藏✨ 留言✉ 加关注💓本文由 C忠实粉丝 原创 Qt初识_对象树 收录于专栏【Qt开发】 本专栏旨在分享学习Qt的一点学习笔记,欢迎大家在评论区交流讨论💌 目录 什么是对象树 为什么要引…

排序算法(3):插入排序

问题 排序 [30, 24, 5, 58, 18, 36, 12, 42, 39] 插入排序 插入排序将序列分为已排序和未排序两部分,每次从未排序部分取出第一个元素,插入到已排序部分的适当位置。重复此过程直到所有元素排序完成。 图解 初始化第一个元素为已排序部分&#xff0…

Java版-图论-最小生成树-Kruskal算法

实现描述 为了造出一棵最小生成树,我们从最小边权的边开始,按边权从小到大依次加入,如果某次加边产生了环,就扔掉这条边,直到加入了 n-1 条边,即形成了一棵树。 实现代码 首选我们对所有的边&#xff0c…

SORT算法详解及Python实现

目录 SORT算法详解及Python实现第一部分:SORT算法概述与原理1.1 SORT算法简介1.2 应用场景1.3 算法流程 第二部分:数学公式与主要模块2.1 卡尔曼滤波模型2.2 目标关联与匈牙利算法2.3 新建与移除机制 第三部分:Python实现:SORT算法…

传奇996_53——后端ui窗口局部刷新

描述:一个大窗口,点击某个键,弹出小窗口。 小窗口中将msg存进变量中 大窗口中判断一个参数是否为null,如果不为null,说明界面不是第一次打开,而是被刷新了。就加上小窗口的那个变量 有时小窗口中还有其他…

深入解析 Spring Security —— 打造高效安全的权限管理体系

目录 前言1. 初识 Spring Security1.1 Spring Security 的两大核心功能1.2 Spring Security 的主要特点 2. 配置 Spring Security2.1 配置类概述2.2 基础配置示例2.3 示例解析 3. Spring Security 的进阶功能3.1 自定义用户服务3.2 注解式权限控制3.3 动态权限控制 4. 实战应用…

JetBrains IDE(IDEAWebStorm)配置GitHub Copilot

关于 GitHub Copilot 和 JetBrains IDE GitHub Copilot 在编写代码时提供 AI 对程序员的自动完成样式的建议。 有关详细信息,请参阅“关于 GitHub Copilot Individual”。 如果使用 JetBrains IDE,可以直接在编辑器中查看并合并来自 GitHub Copilot 的…

OLLAMA+FASTGPT+M3E 大模型本地化部署手记

目录 1.安装ollama 0.5.1 2.下载大模型 qwen2.5 3b 3.开启WSL 4.更新wsl 5.安装ubuntu 6.docker下载 6.1 修改docker镜像源 6.2 开启WSL integration 7.安装fastgpt 7.1 创建fastgpt文件夹 7.2 下载fastgpt配置文件 8.启动容器 9.M3E下载 9.1 下载运行命令 9.2…

Go的Gin比java的Springboot更加的开箱即用?

前言 隔壁组的云计算零零后女同事,后文简称 云女士 ,非说 Go 的 Gin 框架比 Springboot 更加的开箱即用,我心想在 Java 里面 Springboot 已经打遍天下无敌手,这份底蕴岂是 Gin 能比。 但是云女士突出一个执拗,非我要…

神经网络中的过拟合问题及其解决方案

目录 ​编辑 过拟合的定义与影响 过拟合的成因 1. 模型复杂度过高 2. 训练数据不足 3. 训练时间过长 4. 数据特征过多 解决方案 1. 数据增强 2. 正则化 3. Dropout 4. 提前停止 5. 减少模型复杂度 6. 集成学习 7. 交叉验证 8. 增加数据量 9. 特征选择 10. 使…

Pull down筛靶策略丨筛选药物与潜在靶蛋白之间相互作用的体外技术

小分子药靶筛选的Pull down实验是一种有效的筛选药物与潜在靶蛋白之间相互作用的体外技术。利用生物分子之间的亲和力原理,将生物素标记的小分子化合物固定在链霉亲和素的磁珠上,与蛋白裂解液进行孵育,孵育结束后与小分子结合的蛋白可以通过质…

文件上传下载性能优化

客户端与服务器之间数据交换的效率取决于文件传输的性能。通过数据压缩和断点续传可以实现文件传输和网络请求中的性能优化。这两种方式可以减少宽带占用,提高传输效率,从而达到提升数据交换性能。 上传下载接口 request模块主要给应用提供上传下载文件…

通过交叉相关性在大估计误差存在的情况下进行时间延迟估计

这篇论文的主要结论包括以下几点: 阈值效应:随着后向积分信噪比(SNR)的降低,互相关器在时间延迟估计中表现出阈值效应,即大估计误差(异常估计)的概率迅速增加。这表明在低信噪比条件…

PULSE测量系统——示波器结合matlab

由上篇文章可知PULSE测量系统原理,以及在双传声器法传递函数中的作用。但是当没有PULSE测量系统时,我们应该用什么硬件设备与软件进行替换呢? 示波器与MATLAB的功能对比 示波器的作用: 与传声器连接,用于实时显示传声器…