Automatiser matchning af ordrebekræftelser for indkøbsordrer med Copilot Studio og SAP

Brug Microsoft Copilot Studio agenter til at automatisere den komplette matchning af bekræftelser på leverandørordrer i forhold til åbne indkøbsordrer i et ERP-system (Enterprise Resource Planning), f.eks. SAP.

Denne fremgangsmåde gør det muligt for en indkøbsorganisation automatisk at bekræfte det store flertal af indgående ordrebekræftelser, mens det kun er reelle uoverensstemmelser, der distribueres til en indkøbsspecialist til gennemsyn. Et multiagentsystem udtrækker bekræftelsesdataene, sammenligner dem med postkøbsordren, anvender toleranceregler og skriver bekræftede resultater tilbage til ERP-systemet med minimal manuel indgriben.

Tip

Denne artikel indeholder et eksempelscenarie og en visuel repræsentation af, hvordan du automatiserer bekræftelse af bekræftelse af indkøbsordrer ved hjælp af Microsoft Copilot Studio og SAP. Denne løsning er et generelt eksempel på arkitektur, som du kan bruge til mange forskellige scenarier og brancher. Denne artikel er begrænset til bedste praksis.

Arkitekturdiagram

Diagram over en arkitektur med flere agenter med indsugnings-, orkestrerings-, valideringsgate og resultater for automatisk matchning af ordrebekræftelse.

Workflow

Denne arkitektur automatiserer arbejdsgangen for matchning af ordrebekræftelser:

  1. Bekræftelsesindtag: Leverandører sender ordrebekræftelser (ordrebekræftelser), der ankommer via en overvåget kanal, f.eks. en delt postkasse eller et EDI-feed (Electronic Data Interchange) med bekræftelsesoplysningerne for en eller flere indkøbsordrer. Udløser til Power Automate-cloudflows til registrering af ordrebekræftelser.

  2. Bekræftelseslager: Power Automate cloudflow gemmer de indgående ordrebekræftelser til Dataverse.

  3. Udløser: Et Power Automate cloudflow, der bruger en Dataverse-udløser, starter orchestratoragenten. Flowet kører, når en ordrebekræftelse gemmes i Dataverse.

  4. Feltudtrækning: En udtrækningsagent, der er indbygget i Copilot Studio læser bekræftelsen og normaliserer nøglefelterne (indkøbsordrenummer, linjeelementer, antal, priser, måleenhed og bekræftede leveringsdatoer) i et ensartet internt skema.

  5. Hentning af indkøbsordre: Orkestreringsagenten henter den tilsvarende indkøbsordre fra SAP via SAP-connectoren ved hjælp af indkøbsordrenummeret som nøglen.

  6. Matchning og validering: En matchende agent sammenligner bekræftelsen med indkøbsordrelinjen efter linje på tværs af antal, priser, datoer og andre konfigurerede felter. Agenten anvender derefter organisationens matchende kriterier, som kan omfatte krav til nøjagtigt match, forretningsdefinerede tolerancer eller en kombination af begge for at afgøre, om ordren kan bekræftes automatisk.

  7. Automatisk bekræftelse: Når bekræftelsen matcher inden for tolerance, bekræfter agenten ordren og skriver resultatet tilbage til SAP automatisk uden menneskelig involvering.

  8. Undtagelseseskalering: Når der registreres en uoverensstemmelse, eskalerer agenten til en indkøbsspecialist via Microsoft Teams. Agenten leverer bekræftelsen, indkøbsordren og de specifikke forskelle, så personen hurtigt kan løse undtagelsen.

  9. Logføring og overvågning: Microsoft Dataverse registrerer hvert resultat, uanset om det er en bekræftelse eller en eskalering, og giver et samlet revisionsspor og et lag til sporing af undtagelser til rapportering og løbende forbedring.

Komponenter

Disse tjenester og teknologier henter ordrebekræftelser, udtrækker bekræftelsesdata, matcher dem i forhold til indkøbsordrer i SAP, bekræfter matchende ordrer og eskalerer og sporer undtagelser.

Komponent Rolle i arkitekturen
Copilot Studio Hoster multiagentsystemet. En orchestrator agent koordinerer en specialiseret udtrækningsagent og en matchende agent, administrerer toleranceregler og beslutter mellem autonom bekræftelse og menneskelig eskalering.
SAP ERP- Fungerer som det primære system for indkøbsordrer. Agenterne henter indkøbsordredata og tilbageskriver bekræftede ordrer via SAP-connectoren.
Power Automate-cloudflows Registrer nye bekræftelser i indsugningskanalerne, og udløs agentnetværket. Connectors leverer integrationspunkterne til mail- eller EDI-kilder og til SAP.
Dataverse Bruges som sandhedens kilde til bekræftelse af indgående ordre og muliggør statusbaseret orkestrering. Leverer tilstands-, overvågningslog- og undtagelsessporingslag, hvilket giver en samlet post for hver bekræftelse og eskalering i forbindelse med rapportering og styring.
Microsoft Teams Leverer undtagelseseskaleringer og meddelelser til indkøbsspecialister, der præsenterer bekræftelsen, indkøbsordren og de specifikke uoverensstemmelser for hurtig løsning.
Microsoft Entra ID Leverer identitets- og adgangskontrol, herunder tjeneste med de mindste rettigheder til agenternes læse- og skrivehandlinger i forhold til SAP og Dataverse.

Detaljer om scenariet

Denne use case er baseret på en virksomhedstilgang til at opbygge en pålidelig, automatiseret og auditabel proces til bekræftelse af bekræftelse af bekræftelser af leverandørordrer i forhold til et ERP-system, samtidig med at den manuelle indsats minimeres.

Virksomhedsudfordring

Organisationer, der køber i stor skala, modtager store mængder bekræftelser på leverandørordrer. Historisk set kontrolleres og tastes en betydelig del af disse bekræftelser manuelt: Indkøbspersonale åbner hver bekræftelse, finder den matchende indkøbsordre i SAP og sammenligner mængder, priser og datoer manuelt.

Denne manuelle proces er langsom, dyr og fejlbehæftet. Det skalerer dårligt med vækst, knytter kvalificeret indkøbspersonale til gentagen kontrol i stedet for håndtering af undtagelser og gør det svært at anvende matchende og toleranceregler på tværs af områder og leverandørformater.

Løsning

Implementer en arkitektur med flere agenter i Copilot Studio, der automatiserer behandling af bekræftelse af indkøbsordrer. Løsningen bruger specialiserede agenter til at udtrække bekræftelsesdata, hente indkøbsordrer fra SAP, anvende forretningsdefinerede matchkriterier og afgøre, om bekræftelser kan bekræftes automatisk eller kræve menneskelig gennemgang.

Arkitekturen kombinerer agentorkestrering, SAP-integration, Power Automate cloudflows og dataversebaseret sporing for at skabe en pålidelig og overvågelig proces. Indkøbsspecialister fokuserer på undtagelser, mens rutinemæssige bekræftelser behandles automatisk.

Nøglefunktioner:

  • Automatiser bekræftelsesindtag og behandling.
  • Normaliser leverandørbekræftelser på tværs af formater.
  • Valider bekræftelser i forhold til indkøbsordrer ved at anvende matchningskriterier for organisationer, f.eks. krav til nøjagtigt match eller konfigurerbare tolerancer.
  • Eskalér afvigelser til indkøbsspecialister.
  • Vedligehold et revisionsspor for styring og rapportering.

Resultat: Med dette mønster kan en organisation flytte de fleste ordrebekræftelse fra manuel håndtering til direkte behandling, hvilket frigør indkøbsspecialister til at fokusere på undtagelser i stedet for rutinemæssig kontrol. Tilgangen giver en genbrugelig kursusplan for andre dokumentdrevne processer i store mængder på domæner som økonomi og salg.

Overvejelser

Disse overvejelser implementerer søjlerne i Power Platform Well-Architected, et sæt vejledende principper, der forbedrer kvaliteten af en arbejdsbyrde. Få mere at vide i Microsoft Power Platform Well-Architected.

Pålidelighed

  • Fejlisolation: Håndter udtrækningsfejl, matchende fejl og problemer med SAP-integration separat, så en mislykket bekræftelse aldrig blokerer resten af batchen.

  • Idempotentbehandling: Brug indkøbsordrenummeret og identifikatoren for bekræftelse til at registrere og springe dubletter over, hvilket forhindrer gentagne bekræftelser, hvis en meddelelse er blevet overleveret igen.

  • Fallbackmekanismer: Send bekræftelser, der ikke kan behandles automatisk, til en manuel undtagelseskø, så ingen bekræftelser går tabt.

  • Logføring med to lag: Registrer resultater i Dataverse, og send en sekundær meddelelse om fejl, så undtagelser forbliver synlige, selvom et logføringstrin mislykkes.

Sikkerhed

  • Adgangskontrol: Begræns indsugningskanalerne, dataversetabellerne og SAP-tjenestekontoen til kun godkendte identiteter.

  • Mindst mulige rettigheder: Giv agenterne læseadgang til indkøbsordrer, og skriv kun adgang til de ordrebekræftelseshandlinger, de kræver.

  • Databeskyttelse: Behandl bekræftelsesdata, som kan omfatte kommercielt følsomme priser, sikkert og beskytte følsomme felter under overførsel og i hvile.

  • Overholdelse: Juster validerings- og revisionsregler i overensstemmelse med organisationens krav til finansiel kontrol og opbevaring af poster.

Driftsmæssig ekspertise

  • Standardisering: Normaliser forskellige formater for leverandørkendring til et enkelt internt skema for at holde matchende logik enkel og konsistent.

  • Dokumentation: Vedligehold runbooks for almindelige undtagelsestyper, problemer med leverandørformat og ændringer af SAP-konfiguration. Dokumenter de matchende kriterier, herunder eventuelle krav til nøjagtigt match, tolerancer og eskaleringsbetingelser.

  • Supportproces: Oplær indkøbs- og it-supportteams til at fortolke agentkørselshistorik, diagnosticere fejl og udføre manuel gendannelse.

  • Ændringsstyring: Valider ændringer af udtrækning, matchning og SAP-tilknytninger i et ikke-produktionsmiljø før udgivelsen, og brug kildestyring til agent- og flowdefinitioner.

Ydeevneeffektivitet

  • Gennemløb: Tilpas løsningens størrelse for store daglige mængder, og behandl bekræftelser parallelt, hvor connectorerne tillader det.

  • Optimering: Cachelagre ofte anvendte referencedata, f.eks. opslag af leverandør og indkøbsordre, for at undgå redundante SAP-forespørgsler.

  • Connectorbegrænsning: Tag højde for platformens og SAP-connectorens begrænsninger, og indfør køhåndtering via Dataverse ved spidsbelastning.

  • Skalerbarhed: Udvid det samme orkestertormønster til nye domæner og dokumenttyper uden at omdesigne det matchende kerneflow.

Optimering af oplevelse

  • Selvbetjening: Gør det muligt for indkøbsspecialister at løse og oparbejde eskalerede bekræftelser direkte uden it-afhængighed.

  • Gennemsigtighed: overflade behandlingsstatus og undtagelseskøer via Dataverse med analyse i Power BI til rapportering af tendenser og ydeevne.

  • Ryd eskaleringer: Præsenter hver eskalering med en struktureret oversigt: bekræftelsen, indkøbsordren, de specifikke forskelle og en anbefalet handling.

  • Måltjenesteniveau: Angiv et lige gennemgående mål, f.eks. automatisk bekræftelse af de fleste bekræftelser, og overvåg mod det.

Ansvarlig kunstig intelligens

  • Pålidelighed og sikkerhed: Overvåg løbende agentoutput for nøjagtighed, og hold et menneske i løkken for at gennemse uregelmæssigheder og undtagelser, før de påvirker ERP-systemet.

  • Beskyttelse af personlige oplysninger og sikkerhed: Sørg for, at de data, som agentprocessen behandler, overholder gældende politikker for beskyttelse af personlige oplysninger og datahåndtering.

  • Gennemsigtighed: Gør det muligt at spore agentbeslutninger med logfiler tilgængelige til overvågning af hver bekræftelse og eskalering.

  • Ansvar: Brug gennemgang med menneskelig involvering for at bevare ansvaret for undtagelser og grænsetilfælde hos indkøbsteamet.

Bidragydere

Microsoft vedligeholder denne artikel. Følgende bidragydere skrev denne artikel.

Hovedforfattere:

  • Last updated on