Применение высокоскоростной платформы Loginom на промышленном предприятии. Опыт реализации проектов.
Клиент — крупный промышленный комбинат, специализирующийся на горнодобывающей и металлургической деятельности. В его работе заложены все этапы, начиная с извлечения сырья из карьера и заканчивая его переработкой и производством. Компания имеет штат более 65 000 сотрудников.
В компании есть команда, занимающаяся внедрением проектов, связанных с закупками, планированием и металлургией. Основными участниками являются руководители и бизнес-аналитики. Вспомогательные функции выполняют три разработчика. В команде несколько лет активно используют платформу Loginom:
Использование low-code платформы в команде закрывает следующие три задачи:
Рассмотрим подробнее проекты связанные с аналитикой самообслуживания, которые были созданы силами подрядчика.
В системе закупок компании остро стояла задача оптимизации запасов.
Цель проекта — снижения уровня запасов на складе путем блокировки закупок материалов, уровень наличия которых превышает 6 месяцев.
Как было: для решения даже мелких вопросов требовалось большое количество ресурсов, поскольку аналитики не могли самостоятельно предоставить отчеты.
При внедрении нового проекта подобные шаги необходимы и неизбежны, так как требуют полного цикла разработки. Однако, когда речь идет о минимальных изменениях, таких как изменение условий фильтрации или добавление расчетного столбца, этот процесс может показаться затратным. Цель состояла в том, чтобы делегировать эти простые задачи бизнес-аналитику, позволяя ему самостоятельно решать их, вместо того чтобы ждать помощь ИТ-отдела.
У компании были определенные требования к системе, с помощью которой бизнес-аналитик решал бы повседневные вопросы без привлечения ИТ:
Решением стало внедрение low-code инструмента, с помощью которого удалось бы переложить рутинные и простые задачи с ИТ на бизнес, и позволить аналитикам создавать достаточно сложные отчеты (без разработки ТЗ и с минимальным обращением в ИТ).
Компания остановилась на платформе Loginom, которая полностью удовлетворяла запросам команды. Архитектура запроса аналитика стала выглядеть следующим образом:
Данный проект не только закрыл вопрос оптимизации товарных запасов, но и позволил снизить нагрузку на ИТ-отдел и поручить ежедневные бизнес-задачи аналитикам. Данный проект находится на стадии внедрения.
Проблема, которую решает данный проект, связана с ценовой политикой компании. Годовой план закупки составляет приблизительно 2 миллиарда долларов.
Перед закупкой каждой позиции происходит процесс расценки, в результате которого устанавливается базовая цена, соответствующая рыночной. Функция коммерческого контроллинга ответственна за процесс проведения расценки. Кроме того, ни одна позиция не может быть закуплена до прохождения ею процедуры расценки, которая проводится раз в полгода. До внедрения проекта этот процесс проходил вручную.
Цель проекта: снижение бюджета закупок путем поиска минимальной цены на рынке через автоматическое извлечение ценовой информации из внешних источников (прайсы, торговые площадки, сайты, данные других промышленных корпораций).
Предпосылки | Предлагаемые решения |
---|---|
Расчет цены за счет мониторинга рынка осуществляется специалистами вручную (в среднем до 40 дней) | Автоматизация расчета цены для ТМЦ (товарно-материальных ценностей) с целью минимизации человеческого фактора и сокращения временных затрат |
Неудовлетворительное качество данных во внешних источниках ценовой информации (ЭТП, прайс-листы, т.д.) | Предварительная очистка данных, которая поступает из внешних источников (дедупликация, устранение ошибок орфографии и транслитерации, лишних или некорректных символов, т.д.) |
Разнообразные правила описания позиций ТМЦ во внешних источниках ценовой информации | Стандартизация и приведение данных к единому формату, утвержденному в компании |
Разрозненность источников данных, необходимых для реализации рядовых задач | Разработка единой базы ценовой информации для агрегации данных за счет интеграции с необходимыми источниками |
Данный проект был реализован на платформе Loginom, 80% времени занимает ETL. Рассмотрим более подробно работу подсистемы интеллектуального поиска (ядра), которая реализует подготовку данных.
Первый этап — это консолидация данных. Она состоит из:
Создания единой централизованной базы.
Второй этап — это очистка данных. На нем были выявлены и устранены ошибки в позициях единой базы ценовой информации для обеспечения дальнейшего качественного анализа.
Следующий этап — это стандартизация данных. На нем записи из единой базы были приведены к правилам компании.
Следующий этап — это поиск данных. Он происходит следующим образом:
Этап поиска состоит из следующих действий:
Последний этап подсистемы интеллектуального поиска — это принятие решений: выдача результатов (условная цена, рыночная, аналоги, дубли, лучший поставщик, выявление аномалий в закупках) и загрузка подтвержденных результатов в соответствующей базы данных.
Для оценки качества проекта по каждому из 10 классов ТМЦ (товарно-материальных ценностей) была подготовлена случайная выборка из 100 позиций, взятых из разных источников ценовой информации. Данная выборка была передана экспертам для ручного выделения атрибутов. Параллельно она также была подана системе для автоматического разбора атрибутов с помощью грамматик.
В результате сравнения подтвердилось, что качество разбора атрибутов системой превосходит человека в среднем на 12%. При этом, в отличие от человека, алгоритм не имеет ограничений по объему обрабатываем данных.
Функциональные результаты проекта:
Подробнее о применении low-code платформы Loginom на крупном промышленном предприятии в выступлении Дмитрия Карбасова, руководителя управления, Промышленный ИИ ГМК:
pdfLow-code на крупном промышленном предприятии.pdf
Если вы хотите применять аналитическую low-code платформу Loginom для решения задач бизнеса, свяжитесь с нами.
Другие материалы по теме:
Система определения актуальных рыночных цен. Пилотный проект