Saltar al contenido principal

Glosario bilingüe

Glosario canónico de términos de AInventory. Es la única fuente de definición: las demás páginas enlazan aquí en vez de redefinir. Las etiquetas técnicas se mantienen en inglés sin traducir. Los términos de registro general no específicos de la plataforma se señalan como (concepto general).

A​

Accuracy / Exactitud​

Medida del grado en que el forecast coincide con la demanda real. En AInventory se expresa como 1 - MAPE o en la métrica equivalente de la vista de KPIs. Ver también MAPE.

ARIMA​

Modelo estadístico de series de tiempo (AutoRegressive Integrated Moving Average). Captura tendencia y autocorrelación en la demanda histórica. Uno de los modelos disponibles en la cascada estadística de AInventory.

B​

Baseline (IA)​

Forecast generado automáticamente por el motor de inteligencia artificial de AInventory al inicio de cada ciclo. Es la primera fase del proceso y no es editable por los usuarios; sirve como punto de referencia para calcular el Forecast Value Added (FVA).

BIAS​

Desviación sistemática del forecast respecto a la demanda real: un BIAS positivo indica sobreestimación persistente; uno negativo, subestimación. También denominado ECM en algunas métricas. Ver /docs/referencia/metricas/bias para la fórmula completa.

bootstrap​

(concepto general) Técnica estadística de remuestreo: se generan múltiples muestras con reemplazo a partir de los datos históricos para estimar distribuciones de probabilidad sin suponer una forma funcional. En AInventory se usa en la simulación de demanda cuando el historial es corto.

C​

Cascada estadística (de cuatro niveles)​

Pipeline de modelos que AInventory ejecuta para generar el Baseline (IA). Los cuatro niveles son: (1) modelos globales de deep learning (DeepAR, CNNQR), (2) modelos clásicos por serie (ARIMA, ETS, Prophet), (3) modelo newsvendor con bootstrap, y (4) Regla 50/50 como fallback. El sistema selecciona el nivel óptimo por SKU.

CNNQR​

Modelo de deep learning de pronóstico cuantílico (Convolutional Neural Network — Quantile Regression). Estima toda la distribución de la demanda futura. Disponible en el primer nivel de la cascada estadística.

Consenso​

Fase final del ciclo de planeación en la que se consolida el forecast acordado entre todas las áreas. En la configuración por defecto, es la fase marcada como Es final = true. Su valor se usa como input oficial para los planes de compra e inventario.

D​

DeepAR​

Modelo de deep learning basado en redes recurrentes (RNN) para pronóstico probabilístico de series de tiempo. Aprende patrones globales a partir de múltiples SKUs simultáneamente. Disponible en el primer nivel de la cascada estadística.

E​

ECM / MSE​

Error Cuadrático Medio / Mean Squared Error. Promedio de los cuadrados de los errores de forecast. Penaliza errores grandes de forma desproporcionada. Ver /docs/referencia/metricas/mse para la fórmula.

ETS​

Modelo de Suavización Exponencial (Error, Trend, Seasonality). Captura tendencia y estacionalidad mediante ponderación exponencial decreciente del historial. Disponible en el segundo nivel de la cascada estadística.

F​

Factor k​

Multiplicador que determina el número de desviaciones estándar de la demanda que se añaden a la demanda media durante el lead time para calcular el safety stock. Un factor k mayor implica mayor nivel de servicio y mayor inventario de seguridad.

Fase​

Etapa del flujo de aprobación del forecast dentro de un ciclo mensual. Cada fase tiene un código, nombre, ventana de edición y usuarios asignados. Ver Fases y versiones.

fill rate​

Proporción de la demanda que se satisface completamente sin incurrir en stockout. Métrica de nivel de servicio. Un fill rate de 95 % indica que el 95 % de las unidades demandadas se entregaron en el periodo sin quiebre.

Flujo Neto (FN)​

Indicador de posición de inventario: FN = inventario en bodega + inventario en tránsito. Es la variable central del semáforo del buffer: se compara con el SS, el ROP y el stock objetivo para determinar el estado de cada SKU.

forecast​

Pronóstico cuantitativo de la demanda futura de un SKU para uno o varios periodos. En AInventory, el forecast se genera por la cascada estadística (Baseline IA) y luego es ajustado por los usuarios en las fases del ciclo.

Forecast Value Added (FVA)​

Métrica que mide el valor que agrega cada intervención humana al forecast respecto al Baseline (IA). Un FVA positivo indica que el ajuste mejoró la precisión; uno negativo, que la degradó. Se calcula solo sobre versiones cerradas.

H​

holding​

Costo de mantener unidades en inventario durante un periodo. Incluye costo de capital inmovilizado, almacenamiento físico y riesgo de obsolescencia. En AInventory es un parámetro de entrada por SKU. Ver Parámetros de inventario.

L​

lead time​

Tiempo de reabastecimiento: número de periodos que transcurren entre emitir una orden de compra y recibir la mercancía en bodega. Parámetro clave para el cálculo del ROP y del safety stock.

M​

MAE​

Mean Absolute Error / Error Absoluto Medio. Promedio de los valores absolutos de los errores de forecast. Métrica de fácil interpretación en las mismas unidades de la demanda. Ver /docs/referencia/metricas/mae.

MAPE​

Mean Absolute Percentage Error / Error Porcentual Absoluto Medio. Promedio de los errores absolutos expresado como porcentaje de la demanda real. Permite comparar precisión entre SKUs con distintas escalas. Ver /docs/referencia/metricas/mape.

MASE​

Mean Absolute Scaled Error / Error Absoluto Escalado Medio. Escala el MAE dividiéndolo por el error de un modelo naive de referencia (p. ej., el naive estacional). Un MASE < 1 indica que el modelo supera al naive. Ver /docs/referencia/metricas/mase.

Monte Carlo​

(concepto general) Método de simulación que genera miles de escenarios de demanda futuros mediante muestreo aleatorio de distribuciones de probabilidad. En AInventory se usa para estimar la distribución de costos de inventario y seleccionar la política óptima.

MOQ​

Minimum Order Quantity / Cantidad Mínima de Orden. Restricción de compra impuesta por el proveedor. TODO: confirmar si MOQ es un parámetro de entrada en el módulo de inventario de AInventory.

N​

newsvendor​

(concepto general) Modelo clásico de optimización de inventario de un solo periodo que balancea el costo de exceso (holding) contra el costo de escasez (shortage). En AInventory forma el tercer nivel de la cascada estadística y fundamenta el cálculo del safety stock.

NPTS​

Non-Parametric Time Series. Enfoque de forecast que no asume una distribución paramétrica de la demanda; usa el historial empírico directamente. Disponible en la cascada estadística de AInventory.

P​

predict-then-optimize​

(concepto general) Paradigma de decisión en dos etapas: primero se genera un forecast (predict) y luego se usa ese forecast como input para un modelo de optimización (optimize) que determina la política de inventario. Es el enfoque central de AInventory.

Prophet​

Modelo de series de tiempo desarrollado por Meta que maneja tendencia, estacionalidad múltiple y efectos de calendario. Disponible en el segundo nivel de la cascada estadística.

Q​

quiebre de stock / stockout​

Situación en la que la demanda supera el inventario disponible, generando ventas perdidas o retrasos en la entrega. En el semáforo del buffer, corresponde a los estados "Sin stock" y "Agotado".

R​

Regla 50/50​

Heurística de fallback en la cascada estadística: cuando ningún modelo estadístico ofrece una predicción confiable, el forecast se construye como el promedio ponderado 50 % del promedio histórico y 50 % de la demanda más reciente.

RMSE​

Root Mean Square Error / Raíz del Error Cuadrático Medio. Raíz cuadrada del ECM/MSE. Expresa el error en las mismas unidades de la demanda y penaliza errores grandes. Ver /docs/referencia/metricas/rmse.

ROP (punto de reorden)​

Reorder Point. Nivel de Flujo Neto en el que se debe lanzar una nueva orden de compra para recibir el reabastecimiento antes de agotar el inventario. Se calcula como demanda media durante el lead time + safety stock.

S​

safety stock / stock de seguridad​

Inventario adicional que se mantiene como colchón para absorber variabilidad de la demanda o del lead time. Se calcula en función del factor k, la desviación estándar de la demanda y el lead time.

semáforo del buffer​

Sistema de cinco estados (Sin stock, Agotado, Reabastecer, Óptimo, Demasiado) que clasifica la posición de inventario de cada SKU comparando el Flujo Neto con el SS, el ROP y el stock objetivo. Ver Estados del buffer.

shortage​

Penalización económica por cada unidad que no se puede entregar a tiempo por falta de inventario. En AInventory es un parámetro de entrada por SKU que refleja el costo de un quiebre de stock.

single source of truth​

(concepto general) Principio de arquitectura de datos según el cual un dato tiene un único sistema registral autorizado. En AInventory, el glosario es el single source of truth de las definiciones de términos; Supabase es el single source of truth de los datos del proceso.

SKU​

Stock Keeping Unit. Unidad mínima de seguimiento de inventario: identifica unívocamente un producto en un contexto de almacén. En AInventory, todos los parámetros, forecasts y KPIs se calculan a nivel SKU.

SofIA​

Asistente de inteligencia artificial integrado en AInventory. Detecta el módulo activo y ofrece acciones rápidas contextuales (análisis, interpretación, recomendaciones). Responde en streaming con formato Markdown. Ver Acciones rápidas de SofIA.

stage-gate​

(concepto general) Modelo de gestión de procesos en el que cada etapa debe completarse y ser aprobada ("gate") antes de pasar a la siguiente. El flujo de fases de AInventory (Baseline → Ventas → Mercadeo → Consenso) implementa un proceso de tipo stage-gate para la aprobación del forecast.

Stock objetivo​

Nivel de inventario máximo deseable para un SKU. En el semáforo del buffer, un Flujo Neto superior al stock objetivo indica exceso de inventario (estado "Demasiado").

T​

tenant​

Empresa o unidad de negocio que opera de forma aislada dentro de la plataforma AInventory. Cada cliente vive en un espacio de datos aislado, con sus propias fases, versiones, SKUs y parámetros. Los datos de un tenant no son visibles para otros tenants.

V​

Versión (Abierta/Cerrada)​

Corte en el tiempo del proceso de planeación que congela el estado del forecast. Una versión Abierta está en edición activa; una versión Cerrada es inmutable y es el único estado sobre el que se calculan KPIs y FVA. Ver Fases y versiones.

W​

WAPE​

Weighted Absolute Percentage Error / Error Porcentual Absoluto Ponderado. Variante del MAPE que pondera los errores por el volumen de demanda, reduciendo el impacto de SKUs de bajo volumen. Ver /docs/referencia/metricas/wape.

wQL​

Weighted Quantile Loss / Pérdida Cuantílica Ponderada. Métrica de evaluación de forecasts probabilísticos: mide qué tan bien calibradas están las estimaciones de cuantiles (p. ej., P10, P50, P90). Relevante para los modelos de deep learning de la cascada. Ver /docs/referencia/metricas/wql.