Термин РПМ (Регулярно потребляемые материал) используется достаточно давно, например здесь - https://www.eg-online.ru/article/286576/ и хорошо отображает характер поведения МТР (материально-технический ресурс). Так же ряд источников также использует термин МРП (материалы разового спроса), данный термин с моей точки зрения плохо отображает суть «разовости», т.е. не прогнозируемости, т.к. на это влияет достаточно большое количество факторов, которые имеют разную «природу» возникновения, как следствии специфические инструменты прогнозирования потребности
Термин «Списание» применяется в горно-добывающей, металлургической и химической отрасли, означает передачу ТМЦ конечному потребителю и не чего общего со «списание в утиль» не имеет, более того этот термин не имеет альтернативы. В нефтедобывающей отрасли используется термин «вовлечение», означающий ровно тоже самое
Что касается классификации ТМЦ, в статье «Виды закупок», это принципиально разные вещи с характером потреблений, ТМЦ из любого вида (класса) могут быть РПМ, МРП, НВИ, АТЗ и т.д.
Планирование ТОиР через тех. карты идея хорошая, но на практике рабочего процесса я не встречал. На одном из предприятие мы проводили аналитику соответствия заказа сформированного по тех. карте и факту списания, корреляция была порядка 20%. Например, если вашему авто 2-3 года, то вероятнее всего ремонт будет выполняться по тех. карте, а если ему 45 лет … - https://forbes.kz/articles/kak_zapustit_mashinnoe_obuchenie_na_melnitse_kotoroy_60_let
Что касается планирования потребности в ТМЦ для объектов кап. строя, то здесь действительно прогнозирование не нужно, материалы, указанные в спецификации рабочей документации практически на 100% отображают факт потребления. Если компания строит новый завод, с планированием объема как правило все хорошо, но, если речь идет например о нефтедобычи и планирование бурения, здесь есть много сложностей. По разным причинам планы бурения могу меняться, и бывают ситуации, когда дата завершения бурения, с момент корректировки меньше, чем сроки поставки необходимых материалов, т.е. его физический не возможно выполнить план в срок. Здесь как раз данная технология вполне применима, т.к. есть общие патерны потребления +/- любого вида бурения. Например, если вы строите кирпичный дом, будет он 10 этажный, в основание 20х20 метров или 5 этажный, в основание 40х20 метров или +/- любой другой планировки, у вас будет примерно одинаковое потребление кирпича, бетона, песка, арматуры, ГСМ, износа з/ч техники, и их можно прогнозировать до утверждения финального проекта. Безусловно пример учебный, но суть вполне отображает
Что касается функционала SAP - Точка перезаказа, оптимальная партия и подобные вещи, с точки зрения учетной системы работает хорошо, но проблема в расчете значения «точки перезаказа» и логики расчета «оптимальной партии» ни как SAPом не решается, как следствие не оптимальные заказы. Более того SAP не имеет необходимого мат. аппарата и инструментов построения статистических моделей, объемных и гибридных моделей, и достаточно части другие инструменты мало эффективны.
Да, это действительно проблема, причем сопоставимая с разработкой самой модели! Данная статью о технологии, вопрос внедрения изменений описал в этой статье - https://habr.com/ru/articles/875438/
В данном конкретном случае система не пропустит предложение по причине аномально низкой цены, в любом случае, как и писал выше, финальное решение будет за закупщиком. Обращаю внимание, что данная система не стремится полностью заменить человека, но она может сделать за него 80-90% "грязной работы"
По первой части полностью согласен, я это упоминул в статье, но есть нюанс: 1. При загрузке прайсов можно указать базовые условия, и индикативно они будет в диапазоне стат. погрешности 2. Поставщики на ценовых агрегаторах выставляются, как правило, с +/- одинаковыми условиями, их цена не является окончательной, а так же индикативной 3. При обмене данными между корпорациями (такой опыт у нас был), в систему загружается цена со всеми условиями 4. После выборки наиболее релевантных кандидатов работа закупщика значительно упрощается
p.s. ChatGPT и подобные ему рашают данную задачу с достаточно низким уровнем качества, мы проверяли их несколько раз, крайний раз я лично тестировал Deepseek
Очень верное замечание! Согласно правил подбора заказчика этот атрибут не значим, в этой статье (https://habr.com/ru/articles/862820/) так же разбирается Кабель электрический, хотя и с друго проекта, и приведена стратегия сопоставления и атрибутивный состав. Если в будущем для них это будет важно, новый атрибут будет добавлен в онтологию и учтен при подборе
По технике обучения со временем подготовлю отдельную статью, сейчас могу сказать что мы комбинируем ML, ИИ (глубинные нейросети) и более простые модели. Когда стартовали (ноябрь 2019) опирались на доступные в тот момент нейросети, они быстро показали хороший результат (80-90%), но довести их до точности, близкой к 100% было не возможно, в итоге мы были вынуждены перейти на гибридный вариант. По тестовой выборке, один из примеров приведен в этой статье - https://habr.com/ru/articles/862820/ , при этом отдельные позиции контролинг проверяет вручную на регулярной основе, их точное количество мы не знаем
Верно, система подходит только для ходовых товаров, для заказного оборудования она не подходит. По нашему опыту порядка 70-80% (по количеству) позиций являются ходовым и могу быть идентифицированы по атрибутному составу или каталожному номеру
Верно, набор обязательных параметров определяет онтология данного класса. Мы научили систему извлекать атрибуты из текстового именования ТМЦ, согласно заданой онтологии и раскладывать атрибуты по ячейкам таблицы, подробный пример был разобран в этой статье - https://habr.com/ru/articles/862820/ Что касается вопроса это ИИ либо не ИИ, тема очень дискуссионная и на результат напрямую не влияет. Проведенные тесты, это описано в первой статье, показали что системы "умнее" человека, люди чаще ошибаются
Система разбирает на атрибуты текстовое именование ТМЦ, при этом не важно, это данные внутренние или внешние, не важно в каком формате они описаны, подробнее, на примере дедубликации написано в предыдущей статье - https://habr.com/ru/articles/862820/
Из внешней информации (прайсы) система извлекает цену
Проверяет ряд условий, выявляет ценовые аномалии
и если все проверки успешно пройдены, рассчитывает рыночную цену
Спасибо за что нашли время прочитать статью и написать такой внушительный комментарий, я из роли руководителя управления ИИ отвечу на часть вопросов, по технологии ответят коллеги, непосредственно работающие в цеху.
Эффективность это величина измеряемая и изменяемая, например, объемом потерь. Эффективность не бывать 100%, т.е. по всем этапам нет ни одной потери, и не бывает 0%, т.е. цех вообще ни чего не выпускает. Основной ориентир (слабенький, но лучше нет) это журнал потерь. Из него, а так же от общения со специалистами цеха, аудитом тех. процессов и сбором информации с внешнего рынка мы выявляем потери и намечаем пути по их минимизации. Процесс производства феррохрома состоит более чем из 10 переделов, и повышая эффективность каждого мы получаем в целом прирост объема готовой продукции. Так же важна этапность учитывающая расшивку «узких горлышек», но это очень техническая тема, возможно для этого мы напишем отдельную статью
По цеховой логистике: в феррохромном производстве нет новой номенклатуры готовой продукции, она как была 60 лет одной и той же, так за это время не изменилась. Но есть проблема выстраивания порядка операций при различных ритмах работы цеха и состояние оборудования, например за год работы в цеху были исправны все 5 кранов всего две недели, остальное время минимум один кран был не доступен. Это и ряд других причин требует постоянного пересчета порядка выполняемых операций. Например, печь (по любой причине) выпустилась раньше, и металл остывает и намерзает к ковше, при этом разливочная машина не готова. Соответственно нужно выстроить порядок операций таким образом, что бы доступным оборудованием бал подготовлена следующая плавка, не допуская простоя печи, и обеспечен разлив феррохрома, не допуская образование козлового металла. А к этому добавим 4 печи, 4 отдельные бригады не всегда согласующие использование цехового оборудования между собой, внешнюю логистику тех.тары и готовность склада готовой продукции, просадка в любом месте тормозит тех. процесс по всей цепочке. Что касается однотипности, то могу сказать что мы не нашли дня с одинаковым порядком операций
Что касается вопроса «попытками за копейки продлить сроки работы уже устаревшего оборудования» отчасти это правда, но здесь есть экономическая выгода. В одном из старых материалов я раскрывал вопрос создания подобных решений не в самых новых цехах.
Порядок символов (Труба металлическая / Металлическая труба) значение не имеет, так же не важны сокращения (Мет., Металл и подобные), не важны префиксы (Диаметр, D, Диам. и подобные)
Вопросом планирования управления запасами так же занимаемся, но тема выходит за рамки статьи
Полностью согласен! Помимо создания инструмента по дедубликации, который основан на принятой в компании онтологии, наша команда участвовала и в создании онтологии, могу утверждать что это не простая задача. Если бы онтология предлагалась в виде шаблона гос.регулятором, ее адаптация могла выполнятся меньшими усилиями. Скажу больше, мы работали с компаниями у которых вообще не было онтологии, но данный вопрос выходит за рамки статьи
Не совсем понял при чем здесь внешние справочники? У нас есть отдельный продукт по актуализации рыночных цен, но это немного другая история, подробней о ней я напишу в следующей статье. Что касается дедубликации корпоративного каталога, Правильное наименование = Онтология, именно в соответствие с ней идет дедубликация, дополнительная возможность - подбор аналогов
Как было сказано в материале вся работа выполняется полностью автоматически, технология имеет некую схожесть с розничным кредитным конвейером в плане потока обработки информации. Технические подробности будут в следующих статьях по данному продукту
Information
Rating
Does not participate
Registered
Activity
Specialization
Руководитель управления «Промышленный искусственный интеллект»
Термин РПМ (Регулярно потребляемые материал) используется достаточно давно, например здесь - https://www.eg-online.ru/article/286576/ и хорошо отображает характер поведения МТР (материально-технический ресурс). Так же ряд источников также использует термин МРП (материалы разового спроса), данный термин с моей точки зрения плохо отображает суть «разовости», т.е. не прогнозируемости, т.к. на это влияет достаточно большое количество факторов, которые имеют разную «природу» возникновения, как следствии специфические инструменты прогнозирования потребности
Термин «Списание» применяется в горно-добывающей, металлургической и химической отрасли, означает передачу ТМЦ конечному потребителю и не чего общего со «списание в утиль» не имеет, более того этот термин не имеет альтернативы. В нефтедобывающей отрасли используется термин «вовлечение», означающий ровно тоже самое
Что касается классификации ТМЦ, в статье «Виды закупок», это принципиально разные вещи с характером потреблений, ТМЦ из любого вида (класса) могут быть РПМ, МРП, НВИ, АТЗ и т.д.
Планирование ТОиР через тех. карты идея хорошая, но на практике рабочего процесса я не встречал. На одном из предприятие мы проводили аналитику соответствия заказа сформированного по тех. карте и факту списания, корреляция была порядка 20%. Например, если вашему авто 2-3 года, то вероятнее всего ремонт будет выполняться по тех. карте, а если ему 45 лет … - https://forbes.kz/articles/kak_zapustit_mashinnoe_obuchenie_na_melnitse_kotoroy_60_let
Что касается планирования потребности в ТМЦ для объектов кап. строя, то здесь действительно прогнозирование не нужно, материалы, указанные в спецификации рабочей документации практически на 100% отображают факт потребления. Если компания строит новый завод, с планированием объема как правило все хорошо, но, если речь идет например о нефтедобычи и планирование бурения, здесь есть много сложностей. По разным причинам планы бурения могу меняться, и бывают ситуации, когда дата завершения бурения, с момент корректировки меньше, чем сроки поставки необходимых материалов, т.е. его физический не возможно выполнить план в срок. Здесь как раз данная технология вполне применима, т.к. есть общие патерны потребления +/- любого вида бурения. Например, если вы строите кирпичный дом, будет он 10 этажный, в основание 20х20 метров или 5 этажный, в основание 40х20 метров или +/- любой другой планировки, у вас будет примерно одинаковое потребление кирпича, бетона, песка, арматуры, ГСМ, износа з/ч техники, и их можно прогнозировать до утверждения финального проекта. Безусловно пример учебный, но суть вполне отображает
Что касается функционала SAP - Точка перезаказа, оптимальная партия и подобные вещи, с точки зрения учетной системы работает хорошо, но проблема в расчете значения «точки перезаказа» и логики расчета «оптимальной партии» ни как SAPом не решается, как следствие не оптимальные заказы. Более того SAP не имеет необходимого мат. аппарата и инструментов построения статистических моделей, объемных и гибридных моделей, и достаточно части другие инструменты мало эффективны.
Да, это действительно проблема, причем сопоставимая с разработкой самой модели! Данная статью о технологии, вопрос внедрения изменений описал в этой статье - https://habr.com/ru/articles/875438/
В данном конкретном случае система не пропустит предложение по причине аномально низкой цены, в любом случае, как и писал выше, финальное решение будет за закупщиком.
Обращаю внимание, что данная система не стремится полностью заменить человека, но она может сделать за него 80-90% "грязной работы"
По первой части полностью согласен, я это упоминул в статье, но есть нюанс:
1. При загрузке прайсов можно указать базовые условия, и индикативно они будет в диапазоне стат. погрешности
2. Поставщики на ценовых агрегаторах выставляются, как правило, с +/- одинаковыми условиями, их цена не является окончательной, а так же индикативной
3. При обмене данными между корпорациями (такой опыт у нас был), в систему загружается цена со всеми условиями
4. После выборки наиболее релевантных кандидатов работа закупщика значительно упрощается
p.s. ChatGPT и подобные ему рашают данную задачу с достаточно низким уровнем качества, мы проверяли их несколько раз, крайний раз я лично тестировал Deepseek
Очень верное замечание!
Согласно правил подбора заказчика этот атрибут не значим, в этой статье (https://habr.com/ru/articles/862820/) так же разбирается Кабель электрический, хотя и с друго проекта, и приведена стратегия сопоставления и атрибутивный состав. Если в будущем для них это будет важно, новый атрибут будет добавлен в онтологию и учтен при подборе
По технике обучения со временем подготовлю отдельную статью, сейчас могу сказать что мы комбинируем ML, ИИ (глубинные нейросети) и более простые модели. Когда стартовали (ноябрь 2019) опирались на доступные в тот момент нейросети, они быстро показали хороший результат (80-90%), но довести их до точности, близкой к 100% было не возможно, в итоге мы были вынуждены перейти на гибридный вариант.
По тестовой выборке, один из примеров приведен в этой статье - https://habr.com/ru/articles/862820/ , при этом отдельные позиции контролинг проверяет вручную на регулярной основе, их точное количество мы не знаем
Верно, система подходит только для ходовых товаров, для заказного оборудования она не подходит. По нашему опыту порядка 70-80% (по количеству) позиций являются ходовым и могу быть идентифицированы по атрибутному составу или каталожному номеру
Верно, набор обязательных параметров определяет онтология данного класса. Мы научили систему извлекать атрибуты из текстового именования ТМЦ, согласно заданой онтологии и раскладывать атрибуты по ячейкам таблицы, подробный пример был разобран в этой статье - https://habr.com/ru/articles/862820/
Что касается вопроса это ИИ либо не ИИ, тема очень дискуссионная и на результат напрямую не влияет. Проведенные тесты, это описано в первой статье, показали что системы "умнее" человека, люди чаще ошибаются
Система разбирает на атрибуты текстовое именование ТМЦ, при этом не важно, это данные внутренние или внешние, не важно в каком формате они описаны, подробнее, на примере дедубликации написано в предыдущей статье - https://habr.com/ru/articles/862820/
Из внешней информации (прайсы) система извлекает цену
Проверяет ряд условий, выявляет ценовые аномалии
и если все проверки успешно пройдены, рассчитывает рыночную цену
Добавил пример текущего проекта
не понял ваш комментарий, нейросети мы конечно используем, но на суть дела всей трансформации это влияет не очень сильно
Спасибо за что нашли время прочитать статью и написать такой внушительный комментарий, я из роли руководителя управления ИИ отвечу на часть вопросов, по технологии ответят коллеги, непосредственно работающие в цеху.
Эффективность это величина измеряемая и изменяемая, например, объемом потерь. Эффективность не бывать 100%, т.е. по всем этапам нет ни одной потери, и не бывает 0%, т.е. цех вообще ни чего не выпускает. Основной ориентир (слабенький, но лучше нет) это журнал потерь. Из него, а так же от общения со специалистами цеха, аудитом тех. процессов и сбором информации с внешнего рынка мы выявляем потери и намечаем пути по их минимизации. Процесс производства феррохрома состоит более чем из 10 переделов, и повышая эффективность каждого мы получаем в целом прирост объема готовой продукции. Так же важна этапность учитывающая расшивку «узких горлышек», но это очень техническая тема, возможно для этого мы напишем отдельную статью
По цеховой логистике: в феррохромном производстве нет новой номенклатуры готовой продукции, она как была 60 лет одной и той же, так за это время не изменилась. Но есть проблема выстраивания порядка операций при различных ритмах работы цеха и состояние оборудования, например за год работы в цеху были исправны все 5 кранов всего две недели, остальное время минимум один кран был не доступен. Это и ряд других причин требует постоянного пересчета порядка выполняемых операций. Например, печь (по любой причине) выпустилась раньше, и металл остывает и намерзает к ковше, при этом разливочная машина не готова. Соответственно нужно выстроить порядок операций таким образом, что бы доступным оборудованием бал подготовлена следующая плавка, не допуская простоя печи, и обеспечен разлив феррохрома, не допуская образование козлового металла. А к этому добавим 4 печи, 4 отдельные бригады не всегда согласующие использование цехового оборудования между собой, внешнюю логистику тех.тары и готовность склада готовой продукции, просадка в любом месте тормозит тех. процесс по всей цепочке.
Что касается однотипности, то могу сказать что мы не нашли дня с одинаковым порядком операций
Что касается вопроса «попытками за копейки продлить сроки работы уже устаревшего оборудования» отчасти это правда, но здесь есть экономическая выгода. В одном из старых материалов я раскрывал вопрос создания подобных решений не в самых новых цехах.
https://forbes.kz/articles/kak_zapustit_mashinnoe_obuchenie_na_melnitse_kotoroy_60_let
Порядок символов (Труба металлическая / Металлическая труба) значение не имеет, так же не важны сокращения (Мет., Металл и подобные), не важны префиксы (Диаметр, D, Диам. и подобные)
Вопросом планирования управления запасами так же занимаемся, но тема выходит за рамки статьи
Полностью согласен!
Помимо создания инструмента по дедубликации, который основан на принятой в компании онтологии, наша команда участвовала и в создании онтологии, могу утверждать что это не простая задача. Если бы онтология предлагалась в виде шаблона гос.регулятором, ее адаптация могла выполнятся меньшими усилиями. Скажу больше, мы работали с компаниями у которых вообще не было онтологии, но данный вопрос выходит за рамки статьи
после разбора системы и так сказать рядовым экспертом финальную оценку давал, супервизор, его мнение по качеству считалось финальным
Не совсем понял при чем здесь внешние справочники? У нас есть отдельный продукт по актуализации рыночных цен, но это немного другая история, подробней о ней я напишу в следующей статье.
Что касается дедубликации корпоративного каталога, Правильное наименование = Онтология, именно в соответствие с ней идет дедубликация, дополнительная возможность - подбор аналогов
Как было сказано в материале вся работа выполняется полностью автоматически, технология имеет некую схожесть с розничным кредитным конвейером в плане потока обработки информации.
Технические подробности будут в следующих статьях по данному продукту