Inteligência de Inventário (versão prévia)

Pedido qty, pontos de reordenação, excesso de estoque e impacto de caixa para compras de estoque mais inteligentes.

Esse conector está disponível nos seguintes produtos e regiões:

Service Class Regions
Copilot Studio Premium Todas as regiões Power Automate exceto as seguintes:
     – Governo dos EUA (GCC)
     – Governo dos EUA (GCC High)
     - China Cloud operado pela 21Vianet
     - Departamento de Defesa dos EUA (DoD)
Logic Apps Standard Todas as regiões dos Aplicativos Lógicos , exceto as seguintes:
     – Azure Governamental regiões
     - Regiões do Azure China
     - Departamento de Defesa dos EUA (DoD)
Power Apps Premium Todas as regiões Power Apps exceto as seguintes:
     – Governo dos EUA (GCC)
     – Governo dos EUA (GCC High)
     - China Cloud operado pela 21Vianet
     - Departamento de Defesa dos EUA (DoD)
Power Automate Premium Todas as regiões Power Automate exceto as seguintes:
     – Governo dos EUA (GCC)
     – Governo dos EUA (GCC High)
     - China Cloud operado pela 21Vianet
     - Departamento de Defesa dos EUA (DoD)
Contato
Name IA do Saifs
URL https://saifs.ai/
Email taher@saifytech.com
Metadados do conector
Publicador IA do Saifs
Website https://saifs.ai/
Política de Privacidade https://saifs.ai/privacy_policy/inventory-intelligence
Categories IA; Dados

Inteligência de Inventário &otimização – IA do Saifs

Inteligência de Inventário &otimização – a IA do Saifs ajuda as equipes de compras e operações a decidir o que comprar, quanto e quando. Você envia uma lista de ações (e histórico de vendas quando disponível) e o servidor retorna quantidades de pedidos, pontos de reordenação, sinalizadores de estoque excessivo, dinheiro amarrado no inventário e uma lista de compras classificada por impacto monetário.

Ele é criado para empresas que executam inventário de planilhas ou sistemas de mercado médio, não de pacotes de planejamento empresarial, e precisam de decisões claras e repetíveis de compra em que possam agir hoje.

Publisher: IA do Saifs
Site:https://saifs.ai
Inscreva-se/Introdução:https://saifs.ai
Entre em contato conosco/Ajuda:https://saifs.ai/contact-us
Privacidade:https://saifs.ai/privacy_policy/inventory-intelligence
Termos:https://saifs.ai/eula
Saiba mais:https://saifs.ai/inventory-intelligence
Autenticação: OAuth 2.0


Por que nos escolher

Resultados determinísticos

O motivo para usar o Inventory Intelligence &Optimization – Saifs AI é que comprar matemática é determinístico. A mesma lista de ações (e histórico de vendas), com as mesmas configurações, produz as mesmas quantidades de pedidos, pontos de reordenação, sinalizadores de estoque excessivo e lista de compras classificadas em dinheiro. Os resultados são computados a partir de modelos de inventário publicados. Eles não são gerados como uma nova narrativa cada vez que você pergunta.

Isso importa em Microsoft Copilot Studio porque compras e finanças atuam em dinheiro e unidades. Eles precisam de uma recomendação que possam executar novamente, auditar e defender , da mesma forma que um pesquisador de operações dimensiona um ponto de reordenação, não a maneira como um modelo de linguagem adivinha quanto comprar.

Como mantemos resultados determinísticos

Cada camada é estabelecida pesquisa de ciência de inventário, aplicada a seu estoque e demanda , não um modelo recém-inventado. A mesma classe matemática tem sido usada há décadas por pesquisadores e profissionais que precisavam de um número reproduzível para o que comprar, quanto e quando.

O que faz Método estabelecido Em uso desde
Recomenda quanto solicitar quando o custo do pedido e a retenção de custos importam Quantidade de ordem econômica (Harris) 1913
Dimensiona compras de um tiro, sazonais ou perecíveis para que você cubra a demanda sem excesso de despojo Modelo newsvendor/critical-fractile (Edgeworth) 1888
Define quando reordenar e quanto buffer manter para um nível de serviço Modelos de ponto de reordenação e ações de segurança Anos 50
Sinalizadores overstock e understock classificados por dinheiro amarrado ou em risco Relatórios de exceção nessas bandas ideais Controle de inventário padrão
Respeita restrições reais de compra (abrir POs, MOQ, pacotes de casos, orçamento) Aplicação com reconhecimento de restrição das mesmas fórmulas Prática de compra padrão

Todas as camadas acima foram publicadas, citadas e executadas contra livros reais por anos. Esse MCP aplica esses modelos a seus SKUs e transforma a saída em uma lista de compras classificada pelo impacto monetário. Pergunte novamente com o mesmo arquivo e configurações e você obtém as mesmas recomendações.

Neste produto, determinístico significa uma pontuação ajustada e reproduzível: a mesma entrada retorna a mesma saída. O histórico de demanda fina é relatado como uma lacuna em vez de precisão inventada.

Para administradores

Esta seção é para administradores Microsoft 365 e Copilot Studio que decidem se devem habilitar o Inventory Intelligence & Otimização – Ia do Saifs para o locatário, que pode conectá-la e como ela deve ser usada em toda a organização.

Valor principal para a organização

A maioria das equipes ainda reordena do hábito ou de um nível de reordenação estático que está errado durante metade do ano. Overstock bloqueia dinheiro e pode estragar; understock perde vendas. A matemática clássica existe há mais de um século, mas geralmente reside em módulos ERP que muitas equipes de mercado médio e SMB nunca implantam.

Habilitar esse MCP dá à organização uma maneira aprovada de responder o que comprar, quanto e quando — dentro de Copilot Studio agentes que os fabricantes já criam. Ele transforma uma lista de ações (e histórico de vendas quando disponível) em quantidades de pedidos, pontos de reordenação, sinalizadores de estoque excessivo e uma lista de compras classificada por impacto monetário.

Você não está comprando o SAP APO. Você está dando a todos os fabricantes habilitados a mesma pilha de matemática de inventário defensável, portanto, as recomendações de compra são consistentes entre agentes, equipes e reuniões de compra.

Como os benefícios da empresa

Necessidade da organização O que este MCP fornece
Parar estoques nos itens que importam Reordenar pontos e ações de segurança em um nível de serviço escolhido (padrão 95%)
Dinheiro livre preso em motores lentos Bandeiras overstock classificadas por dinheiro amarrado
Comprar o suficiente para um festival ou janela perecível sem adivinhar Quantidades no estilo Newsvendor para períodos de venda curtos
Gastar um orçamento de compra limitado nas ordens de maior impacto Lista de compras classificada em dinheiro, opcionalmente agrupada por fornecedor
Evitar a compra dupla de ações já a caminho on_order é subtraído quando você fornece POs abertos
Um método para todo o locatário Modelos determinísticos: o mesmo arquivo e configurações produzem a mesma lista de compra sempre
Nenhuma equipe de pesquisa de operações necessária Os fabricantes anexam o MCP e uma exportação CSV/ERP/Tally de ações
Controlar quem pode executá-lo Os fabricantes se autenticam com o OAuth 2.0. Somente as pessoas que você permite criar a conexão podem chamar as ferramentas
Menor risco operacional do que quantidades de Copilot de formulário livre As recomendações vêm do EOQ, do estoque de segurança e da matemática do newsvendor, não de um modelo de linguagem que inventa a ordem qty

Por que essa é uma decisão de administrador

Caso contrário, os criadores pedirão a Copilot para "nos dizer quanto pedir" de uma planilha. Isso produz uma história diferente a cada vez, não pode ser auditada e não pode ser comparada semana a semana. Habilitar esse MCP substitui isso por um conector controlado:

  • Você escolhe quem pode conectá-lo. As permissões de locatário e ambiente ainda se aplicam. A conexão requer uma conta de IA do Saifs e uma entrada do OAuth 2.0.
  • Você mantém um sistema de registro. Esse MCP recomenda e explica. Ele não faz pedidos de compra nem faz write-back para ERP, Tally ou Dataverse. Os sistemas de warehouse permanecem a fonte da verdade até que sua organização escolha uma integração separada.
  • Você pode defender o número. As quantidades de pedido e os pontos de reordenação podem ser executados novamente no mesmo arquivo. As entradas ausentes são relatadas em vez de silenciosamente consideradas perfeitas.
  • Você dimensiona fabricantes, não modelos. Uma decisão de habilitação atende a gerentes de compras, proprietários de lojas, operações D2C, planejadores de peças sobressalentes, farmácias e clientes potenciais financeiros que já vivem em planilhas de ações.

O que os administradores devem esperar após a habilitação

  1. Os criadores aprovados adicionam o Inventory Intelligence &Optimization – Ia do Saifs a um agente e completam a entrada do OAuth (consulte Introdução).
  2. Os usuários finais fornecem uma lista de ações com pelo menos sku. Em mãos, custo unitário, histórico de vendas, tempos de entrega e on_order tornar as recomendações mais acentuadas.
  3. O agente retorna quantidades de pedidos, pontos de reordenação e uma lista de compras classificada em dinheiro. Os gerentes ainda colocam POs em seu ERP ou com fornecedores; o MCP não faz esses pedidos para eles.
  4. Para catálogos maiores que cerca de 200 produtos ou 2.500 linhas de vendas, os fabricantes usam inventory_optimizer_get_engine em uma área restrita numpy para que arquivos grandes não passem pelo chat como tokens.

Se você habilitar esse MCP, está padronizando como a organização decide o que comprar esta semana , com uma recomendação reproduzível de que a liderança pode ficar para trás.

Quem deve usar isso

Use o Inventory Intelligence &Optimization – Saifs AI se você possui ou influencia as decisões de compra e estoque:

Função Como ajuda
Gerentes de compras/inventário (distribuidores, atacadistas) Respostas ao estilo noturno: quais SKUs reordenar agora, que os motores lentos estão empatando dinheiro, e uma lista de compras agrupadas por fornecedores.
Proprietários de lojas e varejo Substitua os níveis de reordenação intestinal por quantidades e pontos de reordenação aterrados em demanda e tempo de entrega.
Operações de comércio eletrônico/D2C Dimensione compras sazonais e de campanha (por exemplo, janelas do festival) em vez de adivinhar quantidades de pedidos.
Fabricantes/planejadores de peças sobressalentes Balancear o custo do pedido versus manter o custo e definir o estoque de segurança para partes críticas.
Compradores de produtos de farmácia e perecíveis Quantidades de pedidos com reconhecimento de expiração (estilo newsvendor) para que você compre o suficiente para cobrir a demanda sem excesso de despojo.
Proprietários de SMB e clientes potenciais financeiros Veja o dinheiro preso em excesso e priorize as compras quando o orçamento for limitado.
fabricantes de Copilot Studio/Microsoft 365 Copilot Adicione ferramentas matemáticas de inventário aos agentes para que os criadores e os usuários finais sejam explicados comprando recomendações de exportações CSV ou ERP sem criar as próprias fórmulas.

Melhor ajuste: distribuidores, atacadistas, varejistas, D2C/comércio eletrônico, fabricantes e farmácias que detêm estoque e decidem a quantidade de pedidos e o tempo regularmente.

Não é necessário: Sap APO, Oracle Advanced Planning ou módulos empresariais semelhantes. Um arquivo de ações CSV (ou semelhante) e, preferencialmente, histórico de vendas, é suficiente para começar.


Como é útil

A maioria das equipes ainda reordena do hábito ou de um nível de reordenação estático que está errado durante metade do ano. Overstock bloqueia dinheiro e pode estragar; understock perde vendas. A matemática clássica (quantidade de ordem econômica, estoque de segurança, newsvendor para perecíveis) existe há décadas, mas geralmente é bloqueada dentro de módulos ERP caros que muitas equipes de mercado médio e SMB nunca implantam.

Inteligência de Inventário & Otimização – a IA do Saifs disponibiliza essa matemática em experiências de Copilot e agente:

  • O que ordenar e quanto — quantidades de pedidos recomendadas (incluindo economia no estilo EOQ quando entradas de custo estão disponíveis).
  • Quando reordenar – reordenar pontos com estoque de segurança para um nível de serviço escolhido (padrão 95%).
  • O que há de errado no armazém – overstock e understock sinalizado e classificado pelo impacto em dinheiro.
  • O que comprar primeiro com um orçamento – uma fila de compra classificada por dinheiro, opcionalmente agrupada por fornecedor.
  • Perecíveis e janelas de venda curta – quantidades que equilibram o custo do estoque versus sobras/custo de salvamento.
  • Respeitar as restrições reais de compra – abrir pedidos de compra (on_order), MOQ, pacotes de casos, qty de ordem máxima e quebras de preço ao fornecê-los.

Somente sku é necessário chamar a ferramenta. Entradas mais fortes (unit_cost, , on_handhistórico on_orderde demanda, tempos de entrega) produzem recomendações mais acentuadas; a ferramenta relata o que estava faltando em vez de bloquear a chamada.


Casos de uso

1. Lista de compras diária/semanal

Cenário: Um gerente de compras do distribuidor cola ou carrega ações em mãos (e histórico de vendas opcional).
Resultado: Uma lista de compras classificada — o que pedir hoje, quanto e quais SKUs já estão cobertas por POs abertos — para que você não compre ações que já estejam a caminho.

2. Reordenar alertas e prevenção de estoque

Cenário: Os tempos de cliente potencial e os níveis de serviço variam de acordo com a SKU (ou você usa padrões).
Resultado: Reordenar pontos e ações de segurança para que o agente possa dizer claramente quais itens estão abaixo do ponto de reordenação e devem ser ordenados antes que você se esvaia.

3. Dinheiro livre de overstock

Cenário: Os motores lentos ficam sentados por meses enquanto os motores rápidos saem.
Resultado: Bandeiras overstock com dinheiro amarrado em excesso de estoque, classificados para que finanças e compras possam cortar ou pausar as compras nos piores infratores primeiro.

4. Compra restrita ao orçamento

Cenário: Você tem um orçamento de compra fixo para a semana ou mês.
Resultado: Recomendações priorizadas dentro purchase_budget de modo que o dinheiro limitado vá primeiro para os pedidos de maior impacto.

5. Compras sazonais e de campanha (comércio eletrônico)

Cenário: Festival ou janela de promoção com um período de venda limitado.
Resultado: Quantidades de pedidos no estilo Newsvendor usando o preço de venda, o custo, o resgate e a incerteza da demanda , melhor do que "ordenar o que vendemos no ano passado".

6. Farmácia e pedidos perecíveis

Cenário: Os itens expiram ou têm uma vida útil curta.
Resultado: Ordene quantidades que representam a vida útil/a janela de venda e o valor de sobra, reduzindo o despojo enquanto ainda protege a disponibilidade.

7. POs agrupados por fornecedor

Cenário: Muitos SKUs do mesmo fornecedor; você deseja uma PO por fornecedor.
Resultado: Lista de compras agrupada por supplier, com MOQ e arredondamento de pacote de maiúsculas de minúsculas aplicados quando fornecidos.

8. Comparar hábito versus recomendação

Cenário: Você já encomenda uma quantidade fixa a cada ciclo.
Resultado: Passe current_order_qty para ver como o hábito de hoje se compara com a quantidade recomendada e a compensação de custos.

9. Catálogos grandes (caminho da área restrita)

Cenário: Mais de 200 produtos ou 2.500 linhas de vendas.
Resultado: Use inventory_optimizer_get_engine para executar a mesma matemática localmente por meio de um script retornado; os dados permanecem no computador do usuário para esse caminho.


Operações com suporte (ferramentas)

Tool Quando usar
inventory_optimizer Cerca de 200 produtos ou menos e cerca de 2.500 linhas de vendas ou menos. Enviar linhas de estoque (e histórico de demanda opcional); obter o pedido completo / overstock / resultados em dinheiro.
inventory_optimizer_get_engine Arquivos maiores. Retorna um script de Python pronto para execução (somente numpy). Salve e execute-o inalterado no arquivo do usuário; relatar decisões impressas e o JSON de detalhes.

Entradas típicas

Estoque (items) – campos recomendados

Campo Purpose
sku Código do produto (obrigatório)
name, category Rótulos para resultados legíveis
unit_cost, on_hand Custo e cobertura
on_order Unidades já ordenadas (evita a recompensão de estoque em trânsito)
backorders Unidades já prometidas aos clientes
annual_demand Opcional se você não enviar o histórico de vendas
order_cost, holding_cost Economia de EOQ (manter o custo pode ser padrão para cerca de 25% de custo unitário)
lead_time_days, lead_time_std Reordenar o ponto e o estoque de segurança
service_level Fração de destino no estoque (padrão 0,95)
sale_price, perishable, , shelf_life_dayssalvage_value Matemática perecível/sazonal
supplier, moq, case_pack, , max_order_qtyprice_breaks Restrições de compra
current_order_qty Comparar recomendação versus hábito atual

Histórico de demanda (opcional): linhas com sku, date (ou sale_date) e quantity (ouunits_soldsold_qtyqty / / ).

Opções úteis:currency / currency_symbol (somente exibição; sem conversão FX), as_of, , purchase_budgetgroup_by_supplier, registros opcionais de entrega de previsão de demanda em forecasts.

Saídas típicas

  • Quantidades de pedidos e pontos de reordenação recomendados
  • Estoque de segurança para o nível de serviço escolhido
  • Bandeiras overstock/understock classificadas por impacto em dinheiro
  • Lista de compras classificada por dinheiro (opcionalmente por fornecedor)
  • Anotações sobre entradas ausentes ou finas para que as recomendações permaneçam honestas

Prerequisites

  • Acesso a Microsoft Copilot Studio, Microsoft 365 Copilot, Azure Foundry ou outro host que pode chamar esse servidor MCP
  • Uma conta de IA do Saifs autorizada para Inteligência de Inventário &otimização – IA do Saifs
  • Capacidade de concluir a entrada do OAuth 2.0 ao conectar o servidor MCP
  • Dados de estoque com pelo menos um SKU por item (CSV/exportação de ERP, Tally, QuickBooks, Shopify, POS ou planilha)
  • Prefira também: qty manual, custo unitário e histórico de vendas para resultados mais acentuados de demanda e caixa

Autenticação (OAuth 2.0)

Esse servidor MCP usa o OAuth 2.0. Usuários e fabricantes se autenticam com credenciais de IA do Saifs por meio do fluxo de consentimento OAuth padrão quando conectam o servidor em Copilot Studio ou Microsoft 365 Copilot.

Administradores e criadores não criam chaves de API manualmente. Ao criar uma nova conexão, você é redirecionado para a IA do Saifs para entrar. Após o logon bem-sucedido, a conexão é criada e o agente pode chamar ferramentas MCP nessa conta.


Introdução

  1. Conectar Inteligência de Inventário & Otimização – Saifs AI em sua experiência de Copilot Studio ou Microsoft 365 Copilot.
  2. Conclua a entrada/consentimento do OAuth 2.0 quando solicitado.
  3. Forneça uma lista de ações (cole, carregue ou arquivo acessível pelo agente). Inclua on_order quando os pedidos de compra já estiverem abertos.
  4. Pergunte em linguagem simples, por exemplo:
    • "O que devo pedir esta semana?"
    • "Quais SKUs estão superabastecidas e quanto dinheiro está preso?"
    • "Reordene pontos para esses itens em 99% nível de serviço."
    • "Comprar lista em um orçamento ₹5L/US$ 5.000, agrupado por fornecedor."
  5. Agir sobre as decisões classificadas; tratar os resultados como suporte à decisão – validar SKUs críticas em relação às restrições de fornecedor e à política de negócios antes de colocar POs.

Limitações e problemas conhecidos

  • Conta ativa necessária. Uma conta de IA do Saifs ativa com acesso ao Inventory Intelligence é necessária. As ferramentas não podem ser chamadas até que a entrada do OAuth 2.0 seja concluída com êxito na conexão.
  • Suporte de decisão direcional, não uma substituição de ERP. Guia de recomendações de compra; eles não fazem pedidos ou substituem sistemas de armazém de registro.
  • Histórico de demanda fina. O histórico de vendas muito curto ou esparso enfraquece as estimativas de estoque de segurança e demanda; a ferramenta pode voltar aos padrões ou a lacunas de relatório em vez de inventar a precisão.
  • O custo de retenção geralmente é aproximado. Se você omitir o custo de retenção, uma taxa padrão (cerca de 20 a 30% de custo unitário por ano) será usada. Ajuste quando o custo de transporte verdadeiro for diferente.
  • on_order importa. Se os POs abertos forem omitidos, a lista de compras poderá sugerir a reordenação de ações que já estão em trânsito.
  • A moeda é apenas um rótulo de exibição. Nenhuma conversão cambial entre moedas.
  • Limites de tamanho para a ferramenta direta. Prefira inventory_optimizer cerca de ≤ 200 SKUs e linhas de demanda ≤2.500; use inventory_optimizer_get_engine para catálogos maiores.
  • MOQ/case pack/max qty só se aplicam quando você for fornecê-los; caso contrário, as quantidades não são restringidas pelas regras de empacotamento de fornecedores.
  • Os mecanismos de política personalizados e multi warehouse estão fora do escopo das principais ferramentas descritas aqui, a menos que sua implantação os adicione separadamente.
  • Sessão OAuth necessária. As ferramentas não serão executadas até que a conexão OAuth 2.0 seja bem-sucedida; tokens expirados podem exigir que o usuário se reconecte ou atualize.

Suporte e comentários

Inventory Intelligence &Optimization – Saifs AI é publicado pela Saifs AI.

Ações

Inteligência de Inventário

Pedido qty, pontos de reordenação, excesso de estoque e impacto de caixa para compras de estoque mais inteligentes.

Inteligência de Inventário

Pedido qty, pontos de reordenação, excesso de estoque e impacto de caixa para compras de estoque mais inteligentes.