Concepts clés et terminologie

Informations : la ressource principale pour la surveillance proactive de la chaîne d'approvisionnement et la principale entité avec laquelle vous travaillez dans Amazon Connect Decisions. Un aperçu combine la détection, l'analyse des causes profondes et les actions recommandées pour un problème de chaîne d'approvisionnement, afin de vous aider à identifier et à résoudre les problèmes avant qu'ils n'aient un impact sur les opérations. Un aperçu est généré lorsqu'une règle détecte qu'une métrique n'a pas respecté ses conditions définies (par exemple, « La précision des prévisions pour le produit A a chuté à 72 % sur le site B »). Les détections associées qui partagent le même produit, le même site et le même type de recommandation sont regroupées en une seule information, ce qui vous permet d'enquêter et d'agir en un seul endroit.

Métriques : mesures quantifiables qui évaluent les performances de la chaîne d'approvisionnement. Les métriques définissent les éléments à surveiller (par exemple, la précision des prévisions, les niveaux de stock, les jours de couverture) et la manière de calculer ces mesures à partir de vos données.

Règles : logique métier qui définit le moment où les exceptions (informations) doivent être générées. Les règles spécifient les seuils, les conditions et les critères qui déclenchent des informations basées sur vos indicateurs (par exemple, « Générez une exception lorsque la précision des prévisions tombe en dessous de 85 % pour les A-class produits »). Les métriques et les règles fonctionnent ensemble pour générer des informations. Les métriques définissent ce qu'il faut mesurer tandis que les règles évaluent ces métriques par rapport à des seuils afin de déterminer quand générer des informations. Par exemple, une métrique de précision des prévisions calcule les performances, et une règle déclenche un aperçu lorsque cette métrique tombe en dessous de 85 % pour les A-class produits.

Cause première : AI-powered enquête qui explique pourquoi une exception s'est produite. L'analyse des causes profondes examine les facteurs contributifs, les modèles de données et les informations contextuelles afin d'identifier les raisons sous-jacentes des écarts de performance.

Recommandations : actions AI-generated suggérées pour résoudre les exceptions. Les recommandations fournissent des mesures spécifiques et réalisables pour traiter les causes profondes et rétablir les opérations normales.

Directives relatives aux agents : instructions qui guident le comportement de l'agent IA lors de l'analyse des exceptions et de la génération de recommandations. Ces directives intègrent les politiques de votre entreprise, vos contraintes opérationnelles et vos préférences en matière de prise de décision.

Facteurs de gravité : paramètres de configuration qui déterminent l'influence de l'impact financier sur la priorisation des exceptions. Les facteurs de gravité aident le système à identifier en premier les problèmes les plus critiques pour l'entreprise.

Prévision de base — Elle fait référence à l'utilisation des données historiques par le système pour générer une prévision. Il fournit une prévision initiale de la demande avant que vous n'appliquiez des dérogations.

Ensemble de données — Ensemble de données utilisé pour générer des prévisions, telles que l'historique des commandes ou des informations sur les produits.

Cycle de planification de la demande : temps nécessaire pour créer et finaliser les plans de demande, y compris la génération de prévisions, et la collaboration avec les parties prenantes pour ajuster et publier les plans de demande.

Plan de demande : un plan est créé pour un horizon temporel défini et actualisé périodiquement par le biais de fenêtres temporelles continues (cycles de planification). Chaque plan de demande peut contenir plusieurs versions au sein d'un cycle de planification afin de permettre l'affinement du plan en fonction des données incrémentielles reçues au cours d'un cycle de planification. Le plan de demande peut afficher des statuts tels que :

Configuration des prévisions : ensemble de conditions de planification qui régissent le plan de génération des prévisions. Cela inclut la configuration du cycle de planification, la granularité de l'horizon temporel et la configuration hiérarchique qui influence la manière dont Demand Planning générera les prévisions.

Granularité des prévisions : définit la manière dont vous souhaitez créer et gérer les prévisions. Vous pouvez utiliser une combinaison des dimensions du produit, de l'emplacement, du client et du canal. Vous pouvez également choisir l'intervalle de temps pour les données de prévision à agréger par jour, semaine, mois ou année pour chaque produit du jeu de données. Par exemple, si la granularité de vos prévisions est définie sur Quotidien, vous verrez les prévisions quotidiennes pour chaque produit du jeu de données.

Annulation : modification que vous apportez aux prévisions générées par le système.

Horizon de planification : durée totale dans le futur pour laquelle les prévisions sont générées, mesurée à partir de la date de début des prévisions. L'horizon de planification est déterminé en combinant le créneau horaire (quotidien, hebdomadaire ou mensuel) avec la durée de l'horizon du plan. Par exemple, un plan hebdomadaire avec un horizon de 26 semaines crée des prévisions couvrant les 26 prochaines semaines à compter de la date de début des prévisions.

Cycle de vie du produit — Le cycle de vie du produit fait référence aux différentes étapes d'un produit, de son introduction à sa fin de vie (EoL).

Plan de demande publié : résultat final du plan. Vous pouvez choisir de publier le plan de demande finalisé dans les systèmes de planification des stocks et des approvisionnements en aval en vue de sa mise en œuvre.