La gestión eficiente del inventario es crítica para la sostenibilidad en las cadenas de suministro. Sin embargo, mantener niveles de inventario adecuados se vuelve un desafío ante patrones de demanda impredecibles. Además, la necesidad de difundir información relacionada con la demanda a lo largo de una empresa a menudo depende de servicios en la nube. Sin embargo, este método a veces enfrenta problemas como el ancho de banda limitado y el aumento de la latencia. Para abordar estos desafíos, nuestro estudio presenta un sistema que incorpora un algoritmo de aprendizaje automático para abordar las incertidumbres relacionadas con el inventario que surgen de las fluctuaciones de la demanda. Nuestro enfoque implica el uso de un mecanismo de atención para una predicción precisa de la demanda. Lo combinamos con el modelo de Newsvendor para determinar los niveles óptimos de inventario. El sistema está integrado con la computación en la niebla para facilitar la rápida difusión de información a lo largo de la empresa. En experimentos, comparamos el sistema propuesto con el enfoque convencional de estimación de demanda basado en datos históricos y observamos que el sistema propuesto superó consistentemente al enfoque convencional. Esta investigación presenta un sistema de gestión de inventario basado en una nueva arquitectura de aprendizaje profundo que integra el mecanismo de atención con la computación en la nube para abordar el problema de Newsvendor. Los experimentos demuestran la mejor precisión de este sistema en comparación con los métodos existentes. Se deben realizar más estudios para explorar su aplicabilidad a otros escenarios de modelado de demanda.