Conceptos clave y terminología

Información: el recurso principal para la supervisión proactiva de la cadena de suministro y la entidad principal con la que trabaja en Amazon Connect Decisions. Una perspectiva reúne la detección, el análisis de la causa raíz y las acciones recomendadas para un problema de la cadena de suministro, lo que le ayuda a identificar y resolver los problemas antes de que afecten a las operaciones. Se genera una información cuando una regla detecta que una métrica ha incumplido las condiciones definidas (por ejemplo, «La precisión de las previsiones del producto A cayó al 72% en el sitio B»). Las detecciones relacionadas que comparten el mismo producto, sitio y tipo de recomendación se consolidan en una única información, lo que le brinda un único lugar para investigar y actuar.

Métricas: medidas cuantificables que evalúan el rendimiento de la cadena de suministro. Las métricas definen qué se debe supervisar (por ejemplo, la precisión de las previsiones, los niveles de inventario, los días de cobertura) y cómo calcular estas medidas a partir de los datos.

Reglas: lógica empresarial que define cuándo deben generarse las excepciones (información). Las reglas especifican los umbrales, las condiciones y los criterios que generan información en función de sus métricas (por ejemplo, «genere una excepción cuando la precisión de las previsiones caiga por debajo del 85% en el caso de A-class los productos»). Las métricas y las reglas se combinan para generar información. Las métricas definen qué medir, mientras que las reglas evalúan esas métricas comparándolas con los umbrales para determinar cuándo generar información. Por ejemplo, una métrica de precisión de previsión calcula el rendimiento y una regla genera una visión cuando esa métrica cae por debajo del 85% en el caso de los A-class productos.

Causa principal: la AI-powered investigación que explica por qué se ha producido una excepción. El análisis de la causa raíz examina los factores que contribuyen, los patrones de datos y la información contextual para identificar las razones subyacentes de las desviaciones en el rendimiento.

Recomendaciones: acciones AI-generated sugeridas para resolver las excepciones. Las recomendaciones proporcionan medidas específicas y prácticas para abordar las causas fundamentales y restablecer las operaciones normales.

Directrices para los agentes: instrucciones que guían el comportamiento del agente de IA a la hora de analizar las excepciones y generar recomendaciones. Estas directrices incorporan las políticas empresariales, las limitaciones operativas y las preferencias de toma de decisiones.

Factores de gravedad: ajustes de configuración que determinan cómo el impacto financiero influye en la priorización de las excepciones. Los factores de gravedad ayudan al sistema a detectar primero los problemas más críticos para la empresa.

Previsión de referencia: se refiere al uso de los datos históricos por parte del sistema para generar una previsión. Proporciona una predicción inicial de la demanda antes de aplicar cualquier anulación.

Conjunto de datos: recopilación de datos que se utiliza para generar previsiones, como los pedidos de venta históricos o la información sobre productos.

Ciclo de planificación de la demanda: el tiempo necesario para crear y finalizar los planes de demanda, que incluye la generación de previsiones y la colaboración con las partes interesadas para ajustar y publicar los planes de demanda.

Plan de demanda: se crea un plan para un horizonte temporal definido y se actualiza periódicamente a lo largo de períodos sucesivos (ciclos de planificación). Cada plan de demanda puede contener varias versiones dentro de un ciclo de planificación para facilitar el perfeccionamiento del plan en función de cualquier dato incremental recibido dentro de un ciclo de planificación. El plan de demanda puede mostrar estados que incluyen:

Configuración de previsión: conjunto de condiciones de planificación que rigen el plan para la generación de previsiones. Incluye la configuración del ciclo de planificación, la granularidad del horizonte temporal y la configuración jerárquica que influye en la forma en que Planificación de demanda generará la previsión.

Granularidad de la previsión: define cómo desea crear y gestionar la previsión. Puede utilizar una combinación de las dimensiones de producto, ubicación, cliente y canal. También puede elegir el intervalo de tiempo para que los datos de previsión se agreguen por día, semana, mes o año para cada producto del conjunto de datos. Por ejemplo, si la granularidad de la previsión se establece como Diaria, verá la previsión diaria para cada producto del conjunto de datos.

Anulación: modificación que se realiza en la previsión generada por el sistema.

Horizonte de planificación: el período total de tiempo en el futuro para el que se generan las previsiones, medido a partir de la fecha de inicio de la previsión. El horizonte de planificación se determina combinando el intervalo de tiempo (diario, semanal o mensual) con la duración del horizonte planificado. Por ejemplo, un plan semanal con un horizonte de 26 semanas crea previsiones que cubren las próximas 26 semanas a partir de la fecha de inicio de la previsión.

Ciclo de vida del producto: el ciclo de vida del producto se refiere a las distintas etapas de un producto, desde su introducción hasta el final de su vida útil (EoL).

Plan de demanda publicado: el resultado final del plan. Puede optar por publicar el plan de demanda finalizado en los sistemas de planificación de inventario y suministro posteriores para su implementación.