Автоматизация заказа сырья и материалов
У крупного сетевого ритейлера стояла задача добавить в систему автозаказа прогнозируемую потребность сырья, используемого в собственном производстве.
Прогнозирование осуществляется методами машинного обучения и учитывает такие параметры, как история продаж, сезонность, тренд продаж, дни недели и праздники, погода.
Шаг 2. Перенос прогноза спроса конечного продукта на ингредиенты.
Технологические карты содержат состав ингредиентов и количество. Получив прогноз на конечную номенклатуру производства, можно перейти к прогнозу ингредиента.
Шаг 3. Сопоставление ингредиенту номенклатуры для заказа (сырье и материалы).
Каждому ингредиенту могут соответствовать различные продукты для заказа. Справочники соответствия помогают перевести ингредиент в конкретную позицию для заказа у поставщика.
Шаг 4. Расчет потребности для каждой номенклатуры заказа.
Технологические карты позволяют рассчитать потребность в каждом ингредиенте, перевести ингредиент в конкретную номенклатурную позицию для заказа и исходя из расхода, указанного в рецепте, получить прогнозируемую потребность сырья и материалов для собственного производства.
Шаг 5. Автоматическое формирование заказа на покупку у поставщика.
Расчетное значение прогнозируемой потребности номенклатур для целей собственного производства передается через API в учетную систему ритейлера, где формируются централизованные заказы на покупки у поставщиков.
Повышение точности прогнозов на 40% за счет использования ML алгоритмов
Уменьшение количества списаний и уценок товаров на 20%
Повышение точности прогноза позволило сократить количество перезатарок
Сокращение трудозатрат отдела закупок в 4 раза
Полностью автоматизированный прогноз для заказа сырья и материалов снял необходимость с сотрудников отдела закупок делать это вручную