ℹ️ Intern artikel. Denne handling er et internt CRS-driftsjob og er ikke beregnet til kundebrug. Kontakt support, hvis funktionaliteten har interesse for jer.
Træner en AI-efterspørgselsmodel på salgshistorik i BI-databasen, forudsiger efterspørgsel over leveringstids- og sikkerhedslagervinduet, anvender min/max-indkøbsgrænser og skriver genbestillingsforslag til ml_restock_suggestions til Power BI uden at oprette indkøbsordrer.
Handlingen er et internt driftsjob, der kører planlagt hos CRS. Den kræver administrator-rettigheder og direkte databaseadgang og indgår ikke i en normal kunde-opsætning.
Parameter | Forklaring |
Azure SQL-forbindelsesstreng ( | Forbindelsesstreng til BI/Power BI-databasen, der indeholder salgshistorikken og modtager genbestillingsforslagene. |
Leveringstid (dage) ( | Estimeret leverandørleveringstid i dage fra bestilling til levering, der indgår i forudsigelseshorisonten. |
Min. rækker pr. varenummer ( | Mindste antal historiske salgsrækker en vare skal have, før den kan få et genbestillingsforslag. |
Filter på org. enheds-id ( | Valgfrit organisationsenheds-id til kørsel for en enkelt enhed; lad feltet stå tomt for at behandle alle enheder med nok data. |
Halveringstid for aktualitet (dage) ( | Halveringstid i dage for aktualitetsvægtningen under træning; sæt til 0 for at vægte alle rækker ens. |
Sikkerhedslager (dage) ( | Sikkerhedslagerbuffer i dage oven i leveringstiden, der fastsætter den samlede forudsigelseshorisont. |
Måldato ( | Valgfri bestillingsdato (åååå-MM-dd) som forslagene beregnes for; standard er i dag. |
Træningsperiode (måneder) ( | Hvor mange måneders salgshistorik efterspørgselsmodellen trænes på. |
Se også oversigten SyncTool – handlinger.
