Inteligência de Inventário (Pré-visualização)
Quantidade de encomendas, pontos de recompra, excesso de stock e impacto em dinheiro para compras de stock mais inteligentes.
Este 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 (CCG) - Governo dos EUA (GCC High) - China Cloud operado pela 21Vianet - Departamento de Defesa dos EUA (DoD) |
| Logic Apps | Standard | Todas as regiões do Logic Apps , exceto as seguintes: - Regiões Azure Government - Regiões do Azure China - Departamento de Defesa dos EUA (DoD) |
| Power Apps | Premium | Todas as regiões Power Apps exceto as seguintes: - Governo dos EUA (CCG) - 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 (CCG) - Governo dos EUA (GCC High) - China Cloud operado pela 21Vianet - Departamento de Defesa dos EUA (DoD) |
| Contact | |
|---|---|
| Name | Saifs AI |
| URL | https://saifs.ai/ |
| taher@saifytech.com |
| Metadados do conector | |
|---|---|
| Publicador | Saifs AI |
| Website | https://saifs.ai/ |
| Política de Privacidade | https://saifs.ai/privacy_policy/inventory-intelligence |
| Categories | IA; Dados |
Inteligência e Otimização de Inventário - Saifs AI
Inteligência e Otimização de Inventário - A Saifs AI ajuda as equipas de compras e operações a decidir o que comprar, quanto e quando. Envias uma lista de stock (e histórico de vendas quando disponível), e o servidor devolve quantidades de encomenda, pontos de reencomenda, flags de excesso de stock, dinheiro retido em inventário e uma lista de compras ordenada por impacto financeiro.
Foi concebido para empresas que gerem inventário a partir de folhas de cálculo ou sistemas de mercado médio — não em suites de planeamento empresarial — e que precisam de decisões de compra claras e repetíveis que possam tomar em prática hoje.
Publisher: Saifs AI
Website:https://saifs.ai
Inscreva-se / Comece:https://saifs.ai
Contacte-nos / 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 escolheu
Resultados determinísticos
A razão para usar Inventory Intelligence & Optimization - Saifs AI é que a matemática de compra é determinística. A mesma lista de stock (e histórico de vendas), com as mesmas definições, produz as mesmas quantidades de encomenda, pontos de recompra, flags de excesso de stock e lista de compras classificada por dinheiro. Os resultados são calculados a partir de modelos de inventário publicados. Não são gerados como uma nova narrativa sempre que perguntas.
Isso importa no Microsoft Copilot Studio porque compras e finanças dependem do dinheiro e das unidades. Precisam de uma recomendação que possam repetir, auditar e defender — da mesma forma que um investigador operacional dimensiona um ponto de reordenação, não como um modelo de linguagem adivinha quanto comprar.
Como mantemos os resultados determinísticos
Cada camada é uma investigação científica de inventário estabelecida, aplicada ao seu stock e procura — não um modelo recém-inventado. A mesma classe de matemática tem sido usada durante décadas por investigadores e profissionais que precisavam de um número reproduzível para saber o que comprar, quanto e quando.
| O que faz | Método estabelecido | Em uso desde |
|---|---|---|
| Recomenda quanto encomendar quando o custo da encomenda e o custo de manutenção são importantes | Quantidade de encomenda económica (Harris) | 1913 |
| Tamanhos para compras one-shot, sazonais ou perecíveis para cobrir a procura sem estragar excesso | Modelo de vendedor de notícias / fractil crítico (Edgeworth) | 1888 |
| Define quando reordenar e quanto buffer manter para um nível de serviço | Modelos de segurança e pontos de reordenação | Anos 1950 |
| Bandeiras de excesso de stock e substock classificadas por dinheiro preso ou em risco | Relatórios de exceções nessas bandas ótimas | Controlo de inventário padrão |
| Respeita restrições reais de compra (POs abertos, MOQs, pacotes de casos, orçamento) | Aplicação consciente de restrições das mesmas fórmulas | Prática padrão de compras |
Todas as camadas acima foram publicadas, citadas e comparadas com livros de stock reais durante anos. Este MCP aplica esses modelos aos seus SKUs e transforma a saída numa lista de compras ordenada por impacto financeiro. Pergunta novamente com o mesmo ficheiro e definições, e recebes as mesmas recomendações.
Neste produto, determinístico significa uma pontuação ajustada e reproduzível: a mesma entrada retorna a mesma saída. O histórico de procura ténue é reportado como uma lacuna em vez de uma precisão inventada.
Para administradores
Esta secção destina-se aos administradores do Microsoft 365 e Copilot Studio que decidem se ativam
Valor fundamental para a organização
A maioria das equipas ainda reordena por hábito ou por um nível estático de reordenação que está errado durante metade do ano. O excesso de stock bloqueia o dinheiro e pode estragar-se; o substock perde vendas. A matemática clássica existe há mais de um século, mas normalmente reside em módulos ERP que muitas equipas de média média e PME nunca implementam.
Permitir este MCP dá à organização uma forma aprovada de responder ao que comprar, quanto e quando — dentro dos agentes da Copilot Studio que os fabricantes já constroem. Transforma uma lista de stock (e o histórico de vendas quando disponível) em quantidades de encomenda, pontos de recompra, flags de excesso de stock e uma lista de compras ordenada por impacto financeiro.
Não está a comprar SAP APO. Está a dar a cada fabricante habilitado a mesma stack defensável de inventário-matemática, para que as recomendações de compra sejam consistentes entre agentes, equipas e reuniões de compra.
Como beneficia o negócio
| Necessidade de organização | O que este MCP oferece |
|---|---|
| Pare com os esgotamentos de stock nos itens que importam | Pontos de reordenação e stock de segurança num nível de serviço escolhido (padrão 95%) |
| Dinheiro grátis preso em veículos lentos | Bandeiras de excesso de stock classificadas por dinheiro vinculado |
| Compra o suficiente para um festival ou janela de perecíveis sem adivinhar | Quantidades ao estilo de vendedor de jornais para períodos de venda curtos |
| Gaste um orçamento limitado nas encomendas de maior impacto | Lista de compras classificada por dinheiro, opcionalmente agrupada por fornecedor |
| Evite comprar duas vezes ações que já estão a caminho |
on_order é subtraído quando fornece POs em aberto |
| Um método para todo o inquilino | Modelos determinísticos: o mesmo ficheiro e definições produzem sempre a mesma lista de compras |
| Não é necessária equipa de investigação operacional | Os fabricantes anexam o MCP e uma exportação stock de CSV / ERP / Tally |
| Controla quem pode executá-lo | Os fabricantes autenticam-se com OAuth 2.0. Só as pessoas que permite criar a ligação podem usar as ferramentas |
| Menor risco operacional do que as quantidades Copilot de forma livre | As recomendações vêm do EOQ, do stock de segurança e da matemática dos fornecedores de notícias, não de um modelo de linguagem que inventa a quantidade de ordem |
Porque é que esta é uma decisão de administrador
Caso contrário, os fabricantes vão pedir ao Copilot para "nos dizer quanto deve encomendar" a partir de uma folha de cálculo. Isso produz uma história diferente a cada vez, não pode ser auditada nem comparada semana para semana. Ativar este MCP substitui-lo por um conector governado:
- Escolhe quem pode ligá-lo. As permissões de inquilino e ambiente continuam a aplicar-se. A ligação requer uma conta Saifs AI e login OAuth 2.0.
- Manténs um sistema de registo. Este MCP recomenda e explica. Não faz encomendas de compra nem responde à ERP, Tally ou Dataverse. Os sistemas de armazém continuam a ser a fonte de verdade até que a sua organização escolha uma integração separada.
- Podes defender o número. Quantidades de ordem e pontos de reordenação podem ser reexecutados no mesmo ficheiro. As entradas em falta são reportadas em vez de serem silenciosamente assumidas como perfeitas.
- Vocês são criadores de escala, não modelos. Uma decisão de capacitação serve gestores de compras, proprietários de lojas, operadores D2C, planeadores de peças sobressalentes, farmácias e responsáveis financeiros que já vivem em folhas de cálculo de stock.
O que os administradores devem esperar após ativar
- Os criadores aprovados adicionam Inventory Intelligence & Optimization - Saifs AI a um agente e completam o login OAuth (ver Começar).
- Os utilizadores finais fornecem uma lista de stock com pelo menos
sku. Disponível, custo unitário, histórico de vendas, prazos de entrega eon_orderotimize as recomendações. - O agente devolve quantidades de encomenda, pontos de recompra e uma lista de compras classificada por dinheiro. Os gestores continuam a colocar POs no seu ERP ou com fornecedores; o MCP não faz essas encomendas por eles.
- Para catálogos com mais de cerca de 200 produtos ou 2.500 filas de vendas, os fabricantes usam
inventory_optimizer_get_engineum sandbox ennupeado para que ficheiros grandes não passem pelo chat como tokens.
Se ativar este MCP, está a padronizar a forma como a organização decide o que comprar esta semana — com uma recomendação reproduzível que a liderança pode apoiar.
Quem deve usar isto
Use Inventory Intelligence & Optimization - Saifs AI se possui ou influencia ações e decisões de compra:
| Função | Como ajuda |
|---|---|
| Gestores de compras / inventário (distribuidores, grossistas) | Respostas ao estilo noturno: que SKUs deves encomendar agora, quais os que demoram a investir dinheiro e uma lista de compras agrupada por fornecedores. |
| Proprietários de retalho e lojas | Substitua os níveis de reordenação do intestino por quantidades e pontos de reordenação baseados na procura e no prazo de entrega. |
| Comércio eletrónico / operações D2C | Dimensione as compras sazonais e da campanha (por exemplo, janelas de festivais) em vez de adivinhar quantidades de encomendas. |
| Fabricantes / planeadores de peças sobressalentes | Balancear o custo da ordem vs. o custo de manutenção e estabelecer stock de segurança para peças críticas. |
| Compradores de farmácia e bens perecíveis | Quantidades de encomenda com prazo de expiração (estilo vendedor de notícias) para comprar o suficiente para cobrir a procura sem excesso de estragos. |
| Proprietários de PME e líderes financeiros | Vê dinheiro preso em excesso de stock e prioriza compras quando o orçamento está limitado. |
| Criadores do Copilot Studio / Microsoft 365 Copilot | Adicione ferramentas de matemática de inventário aos agentes para que os fabricantes e utilizadores finais recebam recomendações de compra explicadas a partir de exportações de CSV ou ERP — sem terem de construir as fórmulas por si próprios. |
Melhor encaixe: distribuidores, grossistas, retalhistas, D2C/comércio eletrónico, fabricantes e farmácias que mantêm stock e decidem regularmente a quantidade e o momento da encomenda.
Não obrigatório: SAP APO, Oracle Advanced Planning ou módulos empresariais semelhantes. Um ficheiro de stock CSV (ou semelhante)—e preferencialmente o histórico de vendas—é suficiente para começar.
Como é útil
A maioria das equipas ainda reordena por hábito ou por um nível estático de reordenação que está errado durante metade do ano. O excesso de stock bloqueia o dinheiro e pode estragar-se; o substock perde vendas. A matemática clássica (quantidade de encomenda económica, stock de segurança, fornecedor de jornais para perecíveis) existe há décadas, mas normalmente está bloqueada dentro de módulos ERP caros que muitas equipas de média média e PME nunca implementam.
- O que encomendar e quanto — quantidades recomendadas para encomendar (incluindo economia ao estilo EOQ quando há inputs de custo disponíveis).
- Quando reordenar — reordenar pontos com stock de segurança para um nível de serviço escolhido (padrão 95%).
- O que está errado no armazém — excesso e substock sinalizados e classificados por impacto em caixa.
- O que comprar primeiro dentro de um orçamento — uma fila de compra ordenada por dinheiro, opcionalmente agrupada por fornecedor.
- Produtos perecíveis e janelas de venda a descoberto — quantidades que equilibram o custo do stock com o custo de sobra/salvado.
-
Respeite as restrições reais de compra — ordens de compra abertas (
on_order), MOQ, pacotes de casos, quantidade máxima de encomendas e quebras de preço quando as fornecer.
Só sku é necessário para chamar a ferramenta. Inputs mais fortes (unit_cost, on_hand, on_order, histórico de procura, prazos de entrega) produzem recomendações mais precisas; a ferramenta reporta o que faltava em vez de bloquear a chamada.
Casos de uso
1. Lista diária / semanal de compras
Cenário: Um gestor de compras distribuidor cola ou carrega stock disponível (e o histórico de vendas opcional).
Resultado: Uma lista de compras ordenada — o que encomendar hoje, quanto e que SKUs já estão cobertos por POs abertos — para não comprar duas vezes ações que já estão a caminho.
2. Alertas de reordenação e prevenção de esgotamento de stock
Cenário: Os prazos de entrega e níveis de serviço variam consoante o SKU (ou usa os predefinidos).
Resultado: Pontos de recompra e stock de segurança para que o agente possa dizer claramente quais os artigos abaixo do ponto de recompra e devem ser encomendados antes de ficar sem ele.
3. Dinheiro grátis proveniente do excesso de stock
Cenário: Os carros lentos ficam meses enquanto os rápidos fazem estoque.
Resultado: Sinais de excesso de stock com o dinheiro preso em excesso de stock, classificado para que as finanças e as compras possam cortar ou suspender as compras para os piores infratores primeiro.
4. Compras com orçamento limitado
Cenário: Tem um orçamento fixo para a compra da semana ou do mês.
Resultado: As recomendações priorizadas dentro purchase_budget de um capital tão limitado vão primeiro para as encomendas de maior impacto.
5. Compras sazonais e de campanha (comércio eletrónico)
Cenário: Janela de festival ou promoção com um período de venda limitado.
Resultado: Quantidades de encomenda ao estilo de vendedor de notícias usando preço de venda, custo, salvamento e incerteza da procura — melhor do que "encomendar o que vendemos no ano passado."
6. Encomenda de farmácia e perecíveis
Cenário: Os artigos expiram ou têm uma vida útil curta.
Resultado: Encomenda quantidades que tenham em conta a vida útil / janela de venda e o valor remanescente, reduzindo o estrago e protegendo a disponibilidade.
7. Ordens de venda agrupadas por fornecedores
Cenário: Muitos SKUs do mesmo fornecedor; precisa de uma ordem de venda por fornecedor.
Resultado: Lista de compras agrupada por supplier, com MOQ e arredondamento de caixa aplicados quando fornecidos.
8. Compare hábito vs. recomendação
Cenário: Já encomendas uma quantidade fixa em cada ciclo.
Resultado: Passe current_order_qty para ver como o hábito de hoje se compara com a quantidade recomendada e o preço de compensação.
9. Grandes catálogos (caminho sandbox)
Cenário: Mais de cerca de 200 produtos ou 2.500 filas de vendas.
Resultado: Use inventory_optimizer_get_engine para executar a mesma matemática localmente através de um script retornado; os dados permanecem na máquina do utilizador para esse caminho.
Operações suportadas (ferramentas)
| Tool | Quando utilizar |
|---|---|
inventory_optimizer |
Cerca de 200 produtos ou menos e cerca de 2.500 filas de vendas ou menos. Envie as linhas de stock (e histórico de procura opcional); obtenha resultados completos de encomendas / excedentes / dinheiro. |
inventory_optimizer_get_engine |
Ficheiros maiores. Devolve um script Python pronto a correr (apenas numpy). Guardar e executá-lo sem alterações no ficheiro do utilizador; reportar decisões impressas e o JSON detalhado. |
Entradas típicas
Stock (items) — campos recomendados
| Field | Purpose |
|---|---|
sku |
Código de produto (obrigatório) |
name, category |
Rótulos para resultados legíveis |
unit_cost, on_hand |
Custos e cobertura |
on_order |
Unidades já encomendadas (evita recomprar stock em trânsito) |
backorders |
Unidades já prometidas aos clientes |
annual_demand |
Opcional se não enviares o histórico de vendas |
order_cost, holding_cost |
Economia do EOQ (o custo de manutenção pode resultar por defeito em ~25% do custo unitário) |
lead_time_days, lead_time_std |
Ponto de reordenação e stock de segurança |
service_level |
Fração alvo em stock (padrão 0,95) |
sale_price, perishable, shelf_life_days, salvage_value |
Matemática perecível / sazonal |
supplier, moq, case_pack, max_order_qty, price_breaks |
Restrições de compra |
current_order_qty |
Compare recomendações com hábito atual |
Histórico de procura (opcional): linhas com sku, date (ou sale_date), e quantity (ouqtyunits_soldsold_qty / / ).
Opções úteis:currency / currency_symbol (apenas exibir; sem conversão de FX), as_of, purchase_budget, group_by_supplier, registos opcionais de handoff do previsor de procura em forecasts.
Saídas típicas
- Quantidades recomendadas para encomendas e pontos de recompra
- Material de segurança para o nível de serviço escolhido
- Bandeiras de sobrestock / infrastock classificadas por impacto em dinheiro
- Lista de compras ordenada por dinheiro (opcionalmente por fornecedor)
- Notas sobre entradas em falta ou com pouca frequência, por isso as recomendações são honestas
Prerequisites
- Acede ao Microsoft Copilot Studio, Microsoft 365 Copilot, Azure Foundry ou outro host que possa chamar este servidor MCP
- Uma conta Saifs AI autorizada para Inteligência e Otimização de Inventário - Saifs AI
- Capacidade de completar o início de sessão OAuth 2.0 ao ligar o servidor MCP
- Dados de stock com pelo menos um SKU por artigo (CSV/exportação de ERP, Tally, QuickBooks, Shopify, POS ou folha de cálculo)
- Prefere também: quantidade disponível, custo unitário e histórico de vendas para maior procura e resultados de caixa
Autenticação (OAuth 2.0)
Este servidor MCP utiliza OAuth 2.0. Utilizadores e criadores autenticam-se com credenciais IA Saifs através do fluxo padrão de consentimento OAuth quando ligam o servidor no Copilot Studio ou Microsoft 365 Copilot.
Administradores e criadores não criam chaves API manualmente. Quando cria uma nova ligação, é redirecionado para a Saifs AI para iniciar sessão. Após o início de sessão bem-sucedido, a ligação é criada e o agente pode ligar às ferramentas MCP com essa conta.
Introdução
- Ligar
Inteligência de Inventário & Otimização - IA Saifs na sua experiência no Copilot Studio ou Microsoft 365 Copilot. - Preencha o início de sessão / consentimento do OAuth 2.0 quando solicitado.
- Forneça uma lista de stock (colar, carregar ou ficheiro acessível ao agente). Inclua
on_orderquando as encomendas de compra já estiverem em aberto. - Pergunte em linguagem simples, por exemplo:
- "O que devo pedir esta semana?"
- "Que SKUs estão sobrecarregados e quanto dinheiro está preso?"
- "Pontos de reordenação destes itens ao nível de serviço 99%."
- "Lista de compras abaixo de um orçamento de ₹5L / $5.000, agrupada por fornecedor."
- Agir com base nas decisões ordenadas; tratar os resultados como apoio à decisão — validar SKUs críticos contra restrições de fornecedores e políticas de negócio antes de colocar as POs.
Problemas e limitações conhecidos
- Conta ativa necessária. É necessária uma conta Saifs AI ativa com acesso ao Inventory Intelligence. Ferramentas não podem ser chamadas até que o início de sessão OAuth 2.0 seja concluído com sucesso na ligação.
- Apoio direcional à decisão, não substituto do ERP. As recomendações orientam a compra; não fazem encomendas nem substituem os sistemas de registo dos armazéns.
- Histórico de procura reduzido. Um histórico de vendas muito curto ou escasso enfraquece as estimativas de stock de segurança e de procura; a ferramenta pode recorrer a incumprimentos ou reportar lacunas em vez de inventar a precisão.
- O custo de manutenção é frequentemente aproximado. Se omitir o custo de armazenamento, é utilizada uma taxa de incumprimento (cerca de 20–30% do custo unitário por ano). Ajusta quando o teu custo real de transporte variar.
-
on_orderimporta. Se as ordens de compra em aberto forem omitidas, a lista de compras pode sugerir a reordenação de stock já em trânsito. - A moeda é apenas uma etiqueta de exibição. Sem conversão cambial entre moedas.
- Limites de tamanho para a ferramenta direta. Preferência
inventory_optimizerpara cerca de ≤200 SKUs e ≤2.500 linhas de procura; usarinventory_optimizer_get_enginepara catálogos maiores. - O MOQ / pacote de caixa / quantidade máxima só se aplicam quando os fornece; caso contrário, as quantidades não são limitadas pelas regras de embalagem dos fornecedores.
- Motores de políticas multi-armazém e personalizados estão fora do âmbito das ferramentas principais aqui descritas, a menos que a sua implementação as adicione separadamente.
- É necessária uma sessão de OAuth. As ferramentas não funcionam até que a ligação OAuth 2.0 tenha sucesso; tokens expirados podem exigir que o utilizador se reconecte ou atualize.
Suporte e comentários
Inteligência e Otimização de Inventário - Saifs AI é publicado pela Saifs AI.
- Sítio Internet: https://saifs.ai
- Inscreva-se / Comece: https://saifs.ai
- Contacte-nos / 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
- Endpoint MCP (referência):
https://inventory-optimizer-mcp.saifs.ai/mcp
Ações
| Inteligência de Inventário |
Quantidade de encomendas, pontos de recompra, excesso de stock e impacto em dinheiro para compras de stock mais inteligentes. |
Inteligência de Inventário
Quantidade de encomendas, pontos de recompra, excesso de stock e impacto em dinheiro para compras de stock mais inteligentes.