Analiza spisu (wersja zapoznawcza)

Order qty, reorder points, overstock and cash impact for smarter inventory buys .Order qty, reorder points, overstock and cash impact for smarter inventory buys.Order qty, reorder points, overstock and cash impact for smarter inventory buys.Order qt

Ten łącznik jest dostępny w następujących produktach i regionach:

Service	Class	Regions
Copilot Studio	Premium	Wszystkie regiony usługi Power Automate z wyjątkiem następujących: - Rząd USA (GCC) - Rząd USA (GCC High) - China Cloud obsługiwane przez firmę 21Vianet - Departament Obrony USA (DoD)
Logic Apps	Standard	Wszystkie regiony usługi Logic Apps z wyjątkiem następujących: — Regiony platformy Azure Government — Regiony platformy Azure (Chiny) - Departament Obrony USA (DoD)
Power Apps	Premium	Wszystkie regiony usługi Power Apps z wyjątkiem następujących: - Rząd USA (GCC) - Rząd USA (GCC High) - China Cloud obsługiwane przez firmę 21Vianet - Departament Obrony USA (DoD)
Power Automate	Premium	Wszystkie regiony usługi Power Automate z wyjątkiem następujących: - Rząd USA (GCC) - Rząd USA (GCC High) - China Cloud obsługiwane przez firmę 21Vianet - Departament Obrony USA (DoD)

Contact
Name	Saifs AI
adres URL	https://saifs.ai/
Email	taher@saifytech.com

Metadane łącznika
Publisher	Saifs AI
Website	https://saifs.ai/
Zasady ochrony prywatności	https://saifs.ai/privacy_policy/inventory-intelligence
Categories	AI; Dane

Analiza spisu i optymalizacja — Saifs AI

Analiza i optymalizacja spisu — sztuczna inteligencja Saifs pomaga zespołom zakupowym i operacyjnym zdecydować, co kupić, ile i kiedy. Wysyłasz listę zapasów (i historię sprzedaży, gdy jest dostępna), a serwer zwraca ilości zamówień, punkty zmiany kolejności, flagi nadwyżkowe, gotówkę powiązaną w spisie i listę zakupów sklasyfikowaną według wpływu na pieniądze.

Jest ona tworzona dla firm, które uruchamiają zapasy z arkuszy kalkulacyjnych lub systemów w połowie rynku — a nie pakietów planowania przedsiębiorstwa — i potrzebują wyraźnych, powtarzalnych decyzji zakupowych, na które mogą działać dzisiaj.

Publisher: Saifs AI
Witryna internetowa:https://saifs.ai
Tworzenie konta/rozpoczynanie pracy:https://saifs.ai
Skontaktuj się z nami / Pomoc:https://saifs.ai/contact-us
Prywatność:https://saifs.ai/privacy_policy/inventory-intelligence
Warunki:https://saifs.ai/eula
Dowiedz się więcej:https://saifs.ai/inventory-intelligence
Uwierzytelnianie: OAuth 2.0

Dlaczego warto się z nami wybrać

Wyniki deterministyczne

Powodem korzystania z analizy i optymalizacji spisu — Saifs AI jest to, że kupowanie matematyki jest deterministyczne. Ta sama lista akcji (i historia sprzedaży) z tymi samymi ustawieniami generuje te same ilości zamówień, punkty zmiany kolejności, flagi nadwyżkowe i listę zakupów w rankingu pieniędzy. Wyniki są obliczane na podstawie opublikowanych modeli spisu. Nie są one generowane jako nowa narracja za każdym razem, gdy pytasz.

To ma znaczenie w Microsoft Copilot Studio, ponieważ zakup i finanse działają na gotówkę i jednostki. Potrzebują rekomendacji, którą mogą ponownie uruchomić, przeprowadzić inspekcję i bronić — tak samo jak badacz operacji zmienia kolejność, a nie sposób, w jaki model językowy odgadnie, ile należy kupić.

Jak zachować deterministyczne wyniki

Każda warstwa jest ustanowiona w badaniach dotyczących nauki o spisie, stosowanych do zapasów i zapotrzebowania — a nie na nowo wynalezionych modelu. Ta sama klasa matematyki została wykorzystana przez dziesięciolecia przez naukowców i praktyków, którzy potrzebowali powtarzalnej liczby, aby kupić, ile i kiedy.

Do czego służy	Ustanowiona metoda	W użyciu od
Zaleca, ile należy zamówić, gdy koszt zamówienia i koszt posiadania mają znaczenie	Ilość zamówień gospodarczych (Harris)	1913
Rozmiary jednorazowych, sezonowych lub nietrwałych kupuje, aby pokryć popyt bez nadmiaru łupów	Newsvendor / critical-fractile model (Edgeworth)	1888
Ustawia czas zmiany kolejności i ilość buforu do przechowywania dla poziomu usługi	Modele punktów bezpieczeństwa i zmiany kolejności	1950 roku
Flagi nadstocku i zawyżone przez środki pieniężne związane lub zagrożone	Raportowanie wyjątków dla tych optymalnych przedziałów	Standardowa kontrola spisu
Uwzględnia rzeczywiste ograniczenia zakupów (otwarte operacje PO, MOQ, pakiety przypadków, budżet)	Stosowanie z ograniczeniami tych samych formuł	Standardowa praktyka zakupów

Każda warstwa powyżej została opublikowana, cytowana i prowadzona przeciwko rzeczywistym książkom giełdowym od lat. Ten mcp stosuje te modele do jednostek SKU i zamienia dane wyjściowe w listę zakupu sklasyfikowaną według wpływu pieniędzy. Poproś ponownie o ten sam plik i ustawienia, a otrzymasz te same zalecenia.

W tym produkcie deterministyczny oznacza dopasowany, powtarzalny wynik: te same dane wejściowe zwracają te same dane wyjściowe. Cienka historia popytu jest zgłaszana jako luka, a nie wynalazła precyzję.

Dla administratorów

Ta sekcja dotyczy Microsoft 365 i administratorów Copilot Studio, którzy decydują, czy włączyć analizę spisu i czy Optymalizacja — saifs AI dla dzierżawy, kto może się z nią połączyć i jak należy go używać w całej organizacji.

Podstawowa wartość organizacji

Większość zespołów nadal zmienia kolejność z nawyku lub statycznego poziomu zmiany kolejności, który jest nieprawidłowy przez pół roku. Overstock blokuje gotówkę i może zepsuć; understock traci sprzedaż. Klasyczna matematyka istniała od ponad wieku, ale zwykle mieszka w modułach ERP wiele zespołów na średnim rynku i SMB nigdy nie wdraża.

Włączenie tej umowy MCP daje organizacji jeden zatwierdzony sposób odpowiadania na to, co kupić, ile i kiedy — wewnątrz Copilot Studio agentów, którzy już tworzą. Zamienia listę zapasów (i historię sprzedaży, gdy jest dostępna) na ilości zamówień, punkty zmiany kolejności, flagi nadwyżkowe i listę zakupów sklasyfikowaną według wpływu na pieniądze.

Nie kupujesz obiektu APO sap. Udostępniasz każdemu włączonemu twórcy ten sam defensywowalny stos spisu matematyczny, dlatego rekomendacje dotyczące zakupów są spójne w przypadku agentów, zespołów i zakupów spotkań.

Jak korzyści biznesowe

Potrzebna organizacja	Co zawiera umowa MCP
Zatrzymaj zapasy na przedmiotach, które mają znaczenie	Zmiana kolejności punktów i zapasów bezpieczeństwa na wybranym poziomie usługi (domyślnie 95%)
Bezpłatna gotówka utknęła w powolnych ruchach	Flagi Overstock sklasyfikowane przez gotówkę związane
Kup wystarczająco dużo na festiwal lub zgubne okno bez zgadywania	Newsvendor stylu ilości dla krótkich okresów sprzedaży
Wydawanie ograniczonego budżetu zakupu na zamówienia o najwyższym wpływie	Lista zakupu sklasyfikowana w rankingu pieniędzy, opcjonalnie pogrupowana według dostawcy
Unikaj podwójnego zakupu akcji już w drodze	`on_order` jest odejmowany po podaniu otwartych obiektów PO
Jedna metoda dla całej dzierżawy	Modele deterministyczne: ten sam plik i ustawienia tworzą tę samą listę zakupu za każdym razem
Nie jest wymagany zespół ds. badań operacyjnych	Twórcy dołączają MCP i akcje CSV / ERP / Tally eksportu
Kontrolowanie, kto może go uruchomić	Twórcy uwierzytelniają się przy użyciu protokołu OAuth 2.0. Tylko osoby, które zezwalają na tworzenie połączenia, mogą wywoływać narzędzia
Mniejsze ryzyko operacyjne niż ilości Copilot	Zalecenia pochodzą z EOQ, zapasów bezpieczeństwa i matematyki newsvendor, a nie z modelu językowego wymyślania liczby zamówień

Dlaczego jest to decyzja administratora

Twórcy będą w przeciwnym razie prosić Copilot o "powiedzenie nam, ile należy zamówić" z arkusza kalkulacyjnego. To tworzy inną historię za każdym razem, nie można przeprowadzić inspekcji i nie można porównać tygodnia do tygodnia. Włączenie tej umowy MCP zastępuje to łącznikiem zarządzanym:

Możesz wybrać, kto może go połączyć. Nadal obowiązują uprawnienia dzierżawy i środowiska. Połączenie wymaga konta saifs AI i logowania OAuth 2.0.
Zachowasz system rekordów. To MCP zaleca i wyjaśnia. Nie umieszcza zamówień zakupu ani nie zapisuje z powrotem do erp, Tally lub Dataverse. Systemy magazynu pozostają źródłem prawdy, dopóki organizacja nie wybierze oddzielnej integracji.
Możesz bronić liczby. Liczbę zamówień i punkty zmiany kolejności można ponownie uruchomić w tym samym pliku. Brakujące dane wejściowe są zgłaszane, a nie dyskretnie zakładane, że są idealne.
Twórcy skalowania, a nie modele. Jedna decyzja dotycząca włączenia służy menedżerom zakupów, właścicielom sklepów, D2C ops, planistom części zapasowych, aptekom i potencjalnym potencjalnym osobom, które już mieszkają w arkuszach kalkulacyjnych akcji.

Czego powinni oczekiwać administratorzy po włączeniu

Zatwierdzone twórcy dodają analizę spisu i optymalizację — Saifs AI do agenta i ukończą logowanie OAuth (zobacz Wprowadzenie).
Użytkownicy końcowi udostępniają listę magazynową z co najmniej sku. Koszt jednostkowy, historia sprzedaży, czasy realizacji i on_order ostrzejsze zalecenia.
Agent zwraca ilości zamówień, punkty zmiany kolejności i listę zakupów sklasyfikowanych w rankingu pieniędzy. Menedżerowie nadal umieszczają obiekty PO w swoich erp lub u dostawców; MCP nie składa tych zamówień.
W przypadku katalogów większych niż około 200 produktów lub 2500 wierszy sprzedaży twórcy używają inventory_optimizer_get_engine w piaskownicy numpy, dzięki czemu duże pliki nie przechodzą przez czat jako tokeny.

Jeśli włączysz tę umowę MCP, ustandaryzujesz sposób , w jaki organizacja zdecyduje, co kupić w tym tygodniu — z powtarzalnym zaleceniem, że kierownictwo może stać za.

Kto powinien używać tego

Użyj analizy spisu i optymalizacji — Saifs AI , jeśli jesteś właścicielem lub wpływasz na akcje i decyzje dotyczące zakupu:

Role	Jak to pomaga
Zakup /menedżerowie zapasów (dystrybutory, hurtownicy)	Nocne odpowiedzi w stylu: które jednostki SKU do zmiany kolejności teraz, które powolne ruchowców wiążą gotówkę, a lista zakupów pogrupowanych dostawców.
Właściciele sklepów i sklepów	Zastąp poziomy zmiany kolejności jelit ilościami i zmień kolejność punktów uziemionych na żądanie i czasu realizacji.
Handel elektroniczny / operacje D2C	Rozmiar sezonowych i kampanii kupuje (na przykład okna festiwalowe) zamiast odgadywać ilości zamówień.
Producenci / planiści części zamiennych	Równoważenie kosztów zamówień w porównaniu z kosztami przechowywania i ustawianie zapasów bezpieczeństwa dla krytycznych części.
Apteka i nietrwałe towary nabywców	Ilości zamówień z informacją o wygaśnięciu (newsvendor stylu), więc kupujesz wystarczająco dużo, aby pokryć popyt bez nadmiaru łupu.
Właściciele protokołu SMB i potencjalni klienci finansowi	Zobacz gotówkę utkniętą w nadstocku i ustalaj priorytety zakupów, gdy budżet jest ograniczony.
twórcy Copilot Studio/Microsoft 365 Copilot	Dodaj narzędzia matematyczne spisu do agentów, aby twórcy i użytkownicy końcowi mogli uzyskać objaśnienie zaleceń dotyczących zakupu z eksportów CSV lub ERP — bez samodzielnego tworzenia formuł.

Najlepsze dopasowanie: dystrybutorów, hurtowników, sprzedawców detalicznych, D2C/e-commerce, producentów i aptek, które przechowują zapasy i decydują o ilości zamówienia i harmonogramie regularnie.

Niewymagane: Sap APO, Oracle Advanced Planning lub podobne moduły przedsiębiorstwa. Plik giełdowy CSV (lub podobny) — najlepiej historia sprzedaży — wystarczy, aby rozpocząć pracę.

Jak jest to przydatne

Większość zespołów nadal zmienia kolejność z nawyku lub statycznego poziomu zmiany kolejności, który jest nieprawidłowy przez pół roku. Overstock blokuje gotówkę i może zepsuć; understock traci sprzedaż. Klasyczna matematyka (ilość zamówień gospodarczych, zapasy bezpieczeństwa, newsvendor dla zginęły) istniała od dziesięcioleci, ale zwykle jest zablokowana wewnątrz drogich modułów ERP, których wiele zespołów na rynku średnim i SMB nigdy nie wdraża.

Analiza spisu i analiza Optymalizacja — Saifs AI udostępnia te matematyki w środowiskach Copilot i agentów:

Co należy zamówić i ile — zalecane ilości zamówień (w tym ekonomia w stylu EOQ, gdy są dostępne dane wejściowe kosztów).
Kiedy zmienić kolejność — zmień kolejność punktów z zapasami bezpieczeństwa dla wybranego poziomu usług (domyślnie 95%).
Co jest złe w magazynie — nadwyżki i niedostateczne zapasy oflagowane i sklasyfikowane przez wpływ gotówki.
Co kupić najpierw w ramach budżetu — kolejka zakupów posortowana według pieniędzy, opcjonalnie pogrupowana według dostawcy.
Perishables i krótkie okna sprzedaży — ilości, które równoważą koszt zapasów w porównaniu z pozostałymi / kosztami odzyskiwania.
Przestrzegaj rzeczywistych ograniczeń zakupów — otwartych zamówień zakupu (on_order), MOQ, pakietów przypadków, maksymalnej liczby zamówień i podziałów cen podczas ich podawania.

Do sku wywołania narzędzia wymagane jest tylko wywołanie narzędzia. Silniejsze dane wejściowe (unit_cost, , on_orderon_hand, historia zapotrzebowania, czasy realizacji) generują ostrzejsze zalecenia; narzędzie zgłasza brakujące elementy, a nie blokuje wywołania.

Przypadki użycia

1. Codziennie / cotygodniowe listy zakupów

Scenariusz: Menedżer zakupów dystrybutora wkleja lub przekazuje zapasy (i opcjonalną historię sprzedaży).
Wynik: Rankingowa lista zakupów — co zamówić dzisiaj, ile i które jednostki SKU są już objęte otwartymi jednostkami PO — więc nie kupujesz akcji dwukrotnie, która jest już w drodze.

2. Zmiana kolejności alertów i zapobiegania zaopatrzyniu

Scenariusz: Czasy realizacji i poziomy usług różnią się w zależności od jednostki SKU (lub są używane wartości domyślne).
Wynik: Zmień kolejność punktów i zapasów bezpieczeństwa, aby agent mógł wyraźnie powiedzieć, które elementy znajdują się poniżej punktu zmiany kolejności i powinny być uporządkowane przed upływem czasu.

3. Bezpłatna gotówka z nadwyżki

Scenariusz: Powolny ruchowców siedzi przez wiele miesięcy, podczas gdy szybko ruchliwych zapasów.
Wynik: Overstock flagi z gotówką związaną z nadmiarem zapasów, w rankingu, więc finanse i zakupy mogą obniżyć lub wstrzymać zakupy na najgorszych przestępców najpierw.

4. Zakup ograniczony budżetowo

Scenariusz: Masz stały budżet zakupu dla tygodnia lub miesiąca.
Wynik: Rekomendacje priorytetowe w ramach purchase_budget tak ograniczonych środków pieniężnych są najpierw do zamówień o najwyższym wpływie.

5. Zakupy sezonowe i kampanii (handel elektroniczny)

Scenariusz: Okno festiwalu lub promocji z ograniczonym okresem sprzedaży.
Wynik: Ilości zamówień w stylu Newsvendor przy użyciu ceny sprzedaży, kosztów, ratowania i niepewności popytu — lepiej niż "zamówić to, co sprzedaliśmy w zeszłym roku."

6. Apteka i nietrwałe zamawianie

Scenariusz: Elementy wygasają lub mają krótki okres ważności.
Wynik: Zamów ilości, które odpowiadają za okres ważności / okno sprzedaży i wartość pozostałych, zmniejszając łup, jednocześnie chroniąc dostępność.

7. Pogrupowane dostawcy

Scenariusz: Wiele jednostek SKU od tego samego dostawcy; potrzebujesz jednego zamówienia zakupu na dostawcę.
Wynik: Lista zakupu pogrupowana według supplier, z MOQ i case-pack zaokrąglanie stosowane po podaniu.

8. Porównanie nawyku a zalecenie

Scenariusz: W każdym cyklu zamówisz już stałą ilość.
Wynik: Przekaż current_order_qty , aby zobaczyć, jak dzisiejszy zwyczaj porównuje się z zalecaną ilością i kompromisem kosztów.

9. Duże wykazy (ścieżka piaskownicy)

Scenariusz: Więcej niż około 200 produktów lub 2500 wierszy sprzedaży.
Wynik: Użyj inventory_optimizer_get_engine polecenia , aby uruchomić tę samą matematykę lokalnie za pośrednictwem zwróconego skryptu; dane pozostają na komputerze użytkownika dla tej ścieżki.

Obsługiwane operacje (narzędzia)

Tool	Kiedy stosować
`inventory_optimizer`	Około 200 produktów lub mniej i około 2500 wierszy sprzedaży lub mniej. Wysyłaj wiersze zapasów (i opcjonalną historię zapotrzebowania); uzyskać pełne zamówienie / overstock / wyniki gotówki.
`inventory_optimizer_get_engine`	Większe pliki. Zwraca skrypt gotowy do uruchomienia Python (tylko numpy). Zapisz i uruchom go bez zmian względem pliku użytkownika; wydrukowane decyzje oraz szczegółowy kod JSON.

Typowe dane wejściowe

Stock (items) — zalecane pola

Pole	Purpose
`sku`	Kod produktu (wymagany)
`name`, `category`	Etykiety dla czytelnych wyników
`unit_cost`, `on_hand`	Koszty i pokrycie
`on_order`	Jednostki już uporządkowane (unika nagany w magazynie tranzytowym)
`backorders`	Jednostki już obiecane klientom
`annual_demand`	Opcjonalnie, jeśli nie wysyłasz historii sprzedaży
`order_cost`, `holding_cost`	Ekonomia EOQ (koszt posiadania może domyślnie wynosić ok. 25% kosztu jednostkowego)
`lead_time_days`, `lead_time_std`	Zmiana kolejności punktów i zapasów bezpieczeństwa
`service_level`	Docelowy ułamek w magazynie (domyślnie 0,95)
`sale_price`, `perishable`, `shelf_life_days`, `salvage_value`	Zginąć / sezonowa matematyka
`supplier`, `moq`, `case_pack`, `max_order_qty`, `price_breaks`	Ograniczenia zakupów
`current_order_qty`	Porównanie rekomendacji a bieżącego nawyku

Historia zapotrzebowania (opcjonalnie): wiersze z sku, date (lub sale_date) i quantity (lubunits_soldsold_qtyqty / / ).

Przydatne opcje:currency / currency_symbol (wyświetlaj tylko; bez konwersji FX), as_of, , purchase_budgetgroup_by_supplier, opcjonalnych rekordów przekazywania prognostyk na żądanie w programie forecasts.

Typowe dane wyjściowe

Zalecane ilości zamówień i punkty zmiany kolejności
Zapasy bezpieczeństwa dla wybranego poziomu usług
Overstock / understock flagi sklasyfikowane według wpływu gotówki
Lista zakupu posortowana według pieniędzy (opcjonalnie według dostawcy)
Uwagi dotyczące brakujących lub cienkich danych wejściowych, dzięki czemu zalecenia pozostają uczciwe

Prerequisites

Dostęp do Microsoft Copilot Studio, Microsoft 365 Copilot, Azure Foundry lub innego hosta, który może wywoływać ten serwer MCP
Konto Saifs AI autoryzowane do analizy spisu i optymalizacji — Saifs AI
Możliwość ukończenia logowania OAuth 2.0 podczas nawiązywania połączenia z serwerem MCP
Dane magazynowe z co najmniej jednostkami SKU na element (CSV/eksport z ERP, Tally, QuickBooks, Enterprise, POS lub arkusz kalkulacyjny)
Preferuj również: pod ręką ilość, koszt jednostkowy i historię sprzedaży w celu uzyskania ostrzejszego zapotrzebowania i wyników gotówkowych

Uwierzytelnianie (OAuth 2.0)

Ten serwer MCP używa protokołu OAuth 2.0. Użytkownicy i twórcy uwierzytelniają się przy użyciu poświadczeń sztucznej inteligencji saifs za pośrednictwem standardowego przepływu zgody protokołu OAuth podczas łączenia serwera w Copilot Studio lub Microsoft 365 Copilot.

Administratorzy i twórcy nie tworzą ręcznie kluczy interfejsu API. Podczas tworzenia nowego połączenia nastąpi przekierowanie do aplikacji Saifs AI w celu zalogowania się. Po pomyślnym zalogowaniu zostanie utworzone połączenie, a agent może wywołać narzędzia MCP na tym koncie.

Rozpoczęcie pracy

Łączenie analizy spisu i Optymalizacja — saifs AI w środowisku Copilot Studio lub Microsoft 365 Copilot.
Po wyświetleniu monitu ukończ logowanie/zgodę protokołu OAuth 2.0 .
Podaj listę magazynową (wklej, przekaż lub plik dostępny dla agenta). Uwzględnij on_order , gdy zamówienia zakupu są już otwarte.
Zapytaj w języku prostym, na przykład:
- "Co należy zamówić w tym tygodniu?"
- "Które jednostki SKU są nadmiernie zawyżone i ile gotówki utknęło?"
- "Zmień kolejność punktów dla tych elementów na poziomie 99% poziomu usług".
- "Kup listę w ramach budżetu "5L / 5000 USD, pogrupowane według dostawcy."
Podejmowanie działań w sprawie decyzji w rankingu; traktuj wyniki jako pomoc techniczną w zakresie podejmowania decyzji — sprawdzaj krytyczne jednostki SKU względem ograniczeń dostawcy i zasad biznesowych przed umieszczeniem jednostek organizacyjnych.

Znane problemy i ograniczenia

Wymagane jest aktywne konto. Wymagane jest aktywne konto Saifs AI z dostępem do analizy spisu. Nie można wywołać narzędzi, dopóki logowanie OAuth 2.0 nie zostanie pomyślnie zakończone na połączeniu.
Pomoc techniczna dotycząca decyzji kierunkowych, a nie wymiana ERP. Rekomendacje — przewodnik po zakupie; nie składają zamówień ani nie zastępują systemów magazynowych rekordów.
Historia elastycznego zapotrzebowania. Bardzo krótka lub rozrzedona historia sprzedaży osłabia zapasy bezpieczeństwa i szacunki popytu; narzędzie może powrócić do wartości domyślnych lub zgłaszać luki zamiast wymyślać precyzję.
Koszt posiadania jest często przybliżony. Jeśli pominięto koszt posiadania, zostanie użyta domyślna stawka (około 20–30% kosztu jednostkowego rocznie). Dostosuj, gdy rzeczywisty koszt posiadania różni się.
on_order ma znaczenie. W przypadku pominięcia otwartych obiektów publicznych lista zakupów może sugerować zmiana kolejności akcji, która jest już w trakcie transportu.
Waluta jest tylko etykietą wyświetlaną. Brak wymiany walut między walutami.
Limity rozmiaru narzędzia bezpośredniego. Preferuj inventory_optimizer mniej więcej ≤200 jednostek SKU i ≤2500 wierszy zapotrzebowania; użyj ich inventory_optimizer_get_engine w przypadku większych katalogów.
MOQ /case pack / max qty mają zastosowanie tylko podczas ich podawania; w przeciwnym razie ilości nie są ograniczone przez reguły pakowania dostawców.
Aparaty z wieloma magazynami i niestandardowymi zasadami są poza zakresem podstawowych narzędzi opisanych tutaj, chyba że wdrożenie dodaje je oddzielnie.
Wymagana sesja protokołu OAuth. Narzędzia nie będą działać, dopóki połączenie OAuth 2.0 nie powiedzie się; wygasłe tokeny mogą wymagać od użytkownika ponownego nawiązania połączenia lub odświeżenia.

Pomoc techniczna i opinie

Analiza i optymalizacja spisu — Saifs AI jest publikowany przez Saifs AI.

Witryna internetowa: https://saifs.ai
Tworzenie konta/rozpoczynanie pracy: https://saifs.ai
Skontaktuj się z nami / Pomoc: https://saifs.ai/contact-us
Prywatność: https://saifs.ai/privacy_policy/inventory-intelligence
Warunki: https://saifs.ai/eula
Dowiedz się więcej: https://saifs.ai/inventory-intelligence
Punkt końcowy MCP (odwołanie): https://inventory-optimizer-mcp.saifs.ai/mcp

Akcje

Analiza spisu

Identyfikator operacji:: InvokeMCP