SAP 资产模块中的核心表格 ANLC(Asset Value Fields)进行一个详细且深入的解析

SAP 资产模块中的核心表格ANLC(Asset Value Fields)进行一个详细且深入的解析。

ANLC表是 SAP 资产会计中最核心的价值汇总表之一。理解它的每个字段对于进行资产折旧、报表、对账和自定义开发都至关重要。

1. 表 ANLC 的整体业务含义

首先,不要将ANLC与记录资产主数据的ANKAANLA等表混淆。

  • 核心功能ANLC存储的是资产在每个年度、每个折旧范围的累计值和计划值

  • 数据层级:它是按年度汇总的。更细粒度的行项目(如每月的折旧过账)记录在ANEP表中,而ANLC是这些行项目在年度层级上的汇总。

  • 关键概念ANLC同时包含“计划”数据和“实际”数据。在资产年度开始时,系统会根据折旧码计算出计划的年度折旧,并更新到此表。当每月实际折旧过账时,实际的累计折旧也会更新到此表。

  • 对账关系ANLC表中的数据最终需要与总账中的资产科目(如固定资产科目、累计折旧科目)余额进行对账。


2. 字段详细解析

我们将字段分为几个逻辑组进行解析。

组 1:核心标识字段

这些字段唯一确定一条ANLC记录。

字段名字段描述数据类型具体业务含义
MANDTClientCLNT客户端,SAP 系统多租户标识。
BUKRSCompany CodeCHAR(4)公司代码。资产是公司代码层级的。
ANLN1Main Asset NumberCHAR(12)资产主编号。与资产主记录ANLA关联。
ANLN2Asset SubnumberCHAR(4)资产次编号。用于区分同一主资产下的不同组件(如一台电脑的主机、显示器)。
GJAHRFiscal YearNUMC(4)财务年度。这是关键字段ANLC是按年存储数据的。
AFABEDepreciation AreaNUMC(2)折旧范围。这是ANLC表的另一个灵魂字段。例如:
01- 账面折旧
10- 成本核算折旧
20- 集团折旧
同一个资产在不同折旧范围下的价值(如账面价值和税务价值)是分开计算的,因此在ANLC中会有多条记录。
组 2:资产价值字段

这些字段记录了资产的价值信息。

字段名字段描述具体业务含义
KANSWAcquisition and Production Costs (APC)资本化价值。这是资产在当年度的年初累计资本化价值。注意:
• 它代表的是原值的累计,不包含后续增加值。
• 例如,资产2023年初的资本化价值是1000元,2023年新增投资200元,那么在GJAHR=2024的记录中,KANSW就是1200元。
KNAFAAccumulated Ordinary Depreciation累计普通折旧。这是资产在当年度的年初累计普通折旧额。
KAAFAAccumulated Special Depreciation累计特别折旧。这是资产在当年度的年初累计特别折旧额(如一次性计提的加速折旧)。
NDJARAsset useful life - Year资产的剩余使用年限(年)。在年度开始时计算。
NDPERAsset useful life - Period资产的剩余使用年限(月)。在年度开始时计算。
组 3:计划折旧字段

这些字段记录了在年度开始时系统计算出的计划折旧数据。

字段名字段描述具体业务含义
NDJAHYears of useful life已使用年限。到本年度初为止,资产已经使用的总年数。
NAFAVPlanned ann.ordinary depr.计划的年度普通折旧额。这是系统根据折旧码、使用年限、资本化价值等在年初计算出的全年计划普通折旧。
NASLVPlanned ann.special depr.计划的年度特别折旧额。这是系统在年初计算出的全年计划特别折旧。
NAFAGPlan.ord.depr.to the year至上年度末的累计计划普通折旧。这是一个累计值,表示到上一年度末为止,所有年度的计划普通折旧总和。
NASLGPlan.spec.depr.to the year至上年度末的累计计划特别折旧。表示到上一年度末为止,所有年度的计划特别折旧总和。
组 4:实际折旧字段

这些字段记录了随着实际过账而更新实际折旧数据。

字段名字段描述具体业务含义
NAVTLActual accumulated depr.实际累计折旧。这是资产到当前为止(不是年初)的实际累计折旧总额。它会随着每个折旧记账期间(月)的过账而更新。这是与总账对账的关键字段
NAVTL包含了两部分:KNAFA(累计普通折旧) +KAAFA(累计特别折旧) +本年已过账的实际折旧

3. 业务场景示例

假设公司代码1000下有一个资产ABC-001,在折旧范围01(账面折旧)下。

场景:该资产于 2022 年以 12000 元资本化,使用年限 10 年,无残值,直线折旧。

我们来看它在ANLC表中 2023 年和 2024 年的记录可能是什么样的:

记录 1: GJAHR = 2023 (2023年年初的状态和计划)

字段业务解释
BUKRS1000公司代码
ANLN1ABC-001资产号
GJAHR2023财务年度
AFABE01折旧范围:账面折旧
KANSW12,000.002023年年初的资本化价值(即2022年资本化的12000)
KNAFA1,200.002023年年初的累计折旧(即2022年计提的全年折旧 12000/10=1200)
NAFAV1,200.002023年全年计划普通折旧额(系统年初计算)
NAFAG1,200.002022年末的累计计划折旧(就是2022年的计划折旧)
NAVTL1,200.00当前(2023年初)的实际累计折旧(等于KNAFA

在2023年期间:系统每月会执行折旧运行,过账 100元 (1200/12) 到实际折旧。假设我们现在是2023年7月,已经过了6个月。

记录 1 在2023年7月时的更新

字段业务解释
NAVTL1,800.00当前(2023年7月)的实际累计折旧 = 年初1200 + 本年已过账600。注意:只有这个字段会实时更新

记录 2: GJAHR = 2024 (2024年年初的状态和计划)

当系统为2024年执行年结计划折旧重新计算后,会生成2024年的记录。

字段业务解释
BUKRS1000公司代码
ANLN1ABC-001资产号
GJAHR2024财务年度
AFABE01折旧范围:账面折旧
KANSW12,000.002024年年初的资本化价值(仍然是12000,因为没有新增投资)
KNAFA2,400.002024年年初的累计折旧(1200+1200,即截至2023年末的累计额)
NAFAV1,200.002024年全年计划普通折旧额
NAFAG2,400.002023年末的累计计划折旧(1200+1200)
NAVTL2,400.00当前(2024年初)的实际累计折旧(等于KNAFA

4. 总结与关键要点

  1. 年度汇总ANLC是年度级汇总,要查月度明细需看ANEP

  2. 计划 vs 实际

    • NAFAV,NAFAG等是计划值,在年初确定。

    • NAVTL实际值,随过账实时更新。

    • KANSW,KNAFA年初累计值,在年度内是固定的。

  3. 对账核心ANLC-NAVTL(实际累计折旧)应与总账中累计折旧科目的余额一致。ANLC-KANSW(资本化价值)应与总账中固定资产原值科目的余额一致。

  4. 折旧范围:永远要结合AFABE来看数据,不同折旧范围(如账面、税务、管理会计)的价值是完全独立的。

  5. 数据来源:此表的数据主要由系统在执行折旧运行 (AFAB)资产年结 (AJAB)以及资产购置/转移等操作时自动更新和维护。

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/news/1139565.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

中文NER优化:RaNER模型与规则引擎结合

中文NER优化:RaNER模型与规则引擎结合 1. 引言:中文命名实体识别的现实挑战 在自然语言处理(NLP)领域,命名实体识别(Named Entity Recognition, NER) 是信息抽取的核心任务之一。其目标是从非…

为初学者详细解释微信小程序WXSS中不允许使用的选择器类型,并提供简单易懂的替代方案。

快速体验 打开 InsCode(快马)平台 https://www.inscode.net输入框内输入如下内容: 创建一个交互式学习页面,通过可视化方式展示微信小程序允许和不允许的WXSS选择器。页面应包含代码示例、实时编辑预览和错误提示功能。使用简单的HTML/CSS/JS实现&…

AI智能实体侦测服务API返回格式解析:JSON结构说明教程

AI智能实体侦测服务API返回格式解析:JSON结构说明教程 1. 引言:AI 智能实体侦测服务的应用价值 在当今信息爆炸的时代,非结构化文本数据(如新闻、社交媒体内容、文档资料)占据了数据总量的80%以上。如何从中高效提取…

AI智能实体侦测服务支持语音转写文本吗?ASR联用场景设想

AI智能实体侦测服务支持语音转写文本吗?ASR联用场景设想 1. 引言:从文本到语音的智能信息抽取需求 随着人工智能技术的快速发展,非结构化数据处理已成为企业智能化转型的核心环节。当前,AI 智能实体侦测服务(NER&…

毕业设计救星:Qwen2.5云端GPU助力,1周搞定算法

毕业设计救星:Qwen2.5云端GPU助力,1周搞定算法 1. 为什么你需要Qwen2.5云端GPU? 作为一名即将面临毕业设计的本科生,你可能正在为论文中的算法实现发愁。实验室显卡资源紧张,排队要等到答辩后;用自己笔记…

RaNER模型显存不足?轻量级部署案例让CPU利用率翻倍

RaNER模型显存不足?轻量级部署案例让CPU利用率翻倍 1. 背景与挑战:中文NER的高精度与低资源矛盾 在自然语言处理(NLP)领域,命名实体识别(Named Entity Recognition, NER)是信息抽取的核心任务…

RaNER模型实战手册:命名实体识别完整解决方案

RaNER模型实战手册:命名实体识别完整解决方案 1. 引言 1.1 AI 智能实体侦测服务 在信息爆炸的时代,非结构化文本数据(如新闻、社交媒体内容、文档资料)占据了企业数据总量的80%以上。如何从这些杂乱无章的文字中快速提取出有价…

RaNER模型部署安全:网络隔离与数据加密指南

RaNER模型部署安全:网络隔离与数据加密指南 1. 引言:AI 智能实体侦测服务的安全挑战 随着自然语言处理技术的广泛应用,基于深度学习的命名实体识别(NER)系统正逐步应用于金融、政务、医疗等敏感领域。RaNER模型作为达…

AI智能实体侦测服务部署案例:RaNER模型

AI智能实体侦测服务部署案例:RaNER模型 1. 引言 1.1 技术背景与业务需求 在当今信息爆炸的时代,非结构化文本数据(如新闻、社交媒体内容、文档资料)占据了企业数据总量的80%以上。如何从这些海量文本中快速提取出有价值的关键信…

SAP采购验收 库存现有量放在哪个表 物料数量以及金额在哪个表 他是如何产生会计凭证的 如何和库存的表关联

这是一个非常经典且重要的SAP MM(物料管理)与FIM(财务会计)集成问题。下面我将为您详细分析SAP采购验收(通常指收货)所涉及的库存表、会计凭证生成逻辑以及表间关联。核心摘要库存现有量:主要存…

没显卡怎么玩AI绘画?Qwen2.5云端镜像2块钱搞定

没显卡怎么玩AI绘画?Qwen2.5云端镜像2块钱搞定 引言:穷学生的AI绘画救星 刷抖音看到别人用AI生成的二次元头像又酷又萌,你是不是也心痒痒?搜教程发现要用Qwen2.5模型,B站UP主说必须NVIDIA显卡,一看价格直…

Qwen2.5-7B快速验证:1小时出Demo,成本不到5块钱

Qwen2.5-7B快速验证:1小时出Demo,成本不到5块钱 引言 作为创业者,在见投资人前验证商业场景的可行性是必经之路。但当你发现外包公司报价2万做一个简单的AI Demo,而自己又缺乏技术背景时,难免会感到焦虑。别担心&…

如何用AI自动修复损坏的分区表?DISKGENIUS新玩法

快速体验 打开 InsCode(快马)平台 https://www.inscode.net输入框内输入如下内容: 开发一个基于DISKGENIUS核心功能的AI增强模块,要求:1.集成深度学习模型分析常见分区表错误特征 2.自动对比健康分区表结构生成修复方案 3.支持NTFS/EXT4/FA…

SAP采购验收 库存放在哪个表 物料数量以及金额在哪个表 他是如何产生会计凭证的 如何和库存的表关联

这是一个非常经典且深入的SAP MM(物料管理)与 FI(财务会计)集成问题。我们来详细拆解和分析整个流程。总体概览SAP的采购收货业务是一个核心的集成点,它涉及物料管理(MM)、财务会计(…

通达信明确主力进出的指标

{}V1:(C*2HL)/4*10; V2:EMA(V1,13)-EMA(V1,34); V3:EMA(V2,5); V4:2*(V2-V3)*5.5; 主力开始出: IF(V4<0,V4,0),COLOR00FF00,LINETHICK2; 主力开始进: IF(V4>0,V4,0),COLORFF00FF,LINETHICK2; V5:(HHV(INDEXH,8)-INDEXC)/(HHV(INDEXH,8)-LLV(INDEXL,8))*8; V6:EMA(3*V5-2*…

基于AI智能实体侦测的搜索优化:企业知识库构建案例

基于AI智能实体侦测的搜索优化&#xff1a;企业知识库构建案例 1. 引言&#xff1a;从非结构化文本到可检索知识 在现代企业信息化建设中&#xff0c;知识库已成为支撑决策、客户服务和内部协作的核心资产。然而&#xff0c;大量业务数据以非结构化文本形式存在——如会议纪要…

RaNER模型部署实战:从环境配置到API调用

RaNER模型部署实战&#xff1a;从环境配置到API调用 1. 引言&#xff1a;AI 智能实体侦测服务的工程价值 在信息爆炸的时代&#xff0c;非结构化文本数据&#xff08;如新闻、社交媒体、文档&#xff09;占据了企业数据总量的80%以上。如何从中高效提取关键信息&#xff0c;成…

Apache Camel零基础入门:第一个集成应用

快速体验 打开 InsCode(快马)平台 https://www.inscode.net输入框内输入如下内容&#xff1a; 创建一个最简单的Apache Camel入门示例&#xff0c;适合完全没有Camel经验的开发者学习&#xff1a;1. 使用Spring Boot搭建基础项目&#xff1b;2. 实现从定时器触发的基本路由&a…

AI实体识别优化:RaNER模型缓存机制实现

AI实体识别优化&#xff1a;RaNER模型缓存机制实现 1. 背景与挑战&#xff1a;中文命名实体识别的性能瓶颈 在自然语言处理&#xff08;NLP&#xff09;领域&#xff0c;命名实体识别&#xff08;Named Entity Recognition, NER&#xff09; 是信息抽取的核心任务之一。尤其在…

基于 RuoYi 框架的 **Sa-Token 核心配置类**

你提供的这段代码是基于 RuoYi 框架的 Sa-Token 核心配置类&#xff0c;主要作用是整合 Sa-Token 权限框架&#xff08;包含 JWT 集成、登录验证、路由拦截、权限接口自定义等&#xff09;&#xff0c;实现系统的认证与授权控制。 一、代码整体功能总结 这个 SaTokenConfig 类是…