О журнале | Подписка | Редакция | Свежий номер | Архив номеров | Сведения для авторов | Реклама
Просмотр выпуска
Выпуск №5 2018 г.


Архив номеров | Подписка

ЧИТАЙТЕ В СЛЕДУЮЩЕМ НОМЕРЕ
  • Микробиота кондитерских изделий и управление процессами ее формирования для обеспечения качества и безопасности готовой продукции
  • Амарантовые отруби в рецептуре ржано-пшеничного хлеба
  • Продление срока годности сбивных кондитерских изделий функционального назначения

    Подробнее


Агропродмаш-2018

НОВОСТИ ПОРТАЛА

РЕКЛАМА

Акция


ПОПУЛЯРНЫЕ ЗАПРОСЫ

ОТРАСЛЕВАЯ ИНФОРМАЦИЯ


"Сокращение возвратов хлебопекарной продукции из торговой сети с помощью предсказательной аналитики"

Анна Племяшова

Возвраты непроданной продукции от точек реализации и, следовательно, убытки – актуальная проблема многих производителей, особенно если товар имеет небольшой срок годности. Средствами предсказательной аналитики на одном из предприятий такие возвраты были сокращены в два раза.

Идея интеллектуальных систем, построенных на основе технологии машинного обучения не нова, но темпы развития этой технологии значительно выросли.

Буквально за последние 5 лет, изменился и стал доступным инструментарий продвинутой аналитики и возможность накладывать внешние данные, формировать важные инсайты для бизнеса, увеличивать эффективность производственного процесса.

Известное аналитическое агентство в области информационных технологий Gartner приводит график, который демонстрирует эволюцию аналитических возможностей по мере развития технологий и автоматизации производственных процессов (рис. 1).

Стадии зрелости аналитики данных


Возможности предсказательной или предиктивной, прогнозной аналитики, как ее еще называют, доступны уже сегодня, и некоторые компании достигают конкурентные преимущества благодаря использованию данных и их анализа. Это ускоряет принятие решений на основе больших массивов фактических данных, позволяет генерировать идеи и оптимизировать процессы.

Накопление и хранение данных – это всегда существовавшие действия в любой организации. Необходимость этого накопления и хранения диктуется, как минимум, различными регуляторами. Применение этих данных для целей увеличения эффективности бизнеса или дополнительной монетизации зависело от желания и возможностей руководителей. Сегодня необходимость использования аналитики для повышения конкурентных преимуществ бизнеса – это уже задача не для избранных индустрий, а вопрос выживания бизнеса в современной среде.

Задача минимизации возвратов

Многие производители хлебопекарной отрасли сталкиваются с проблемой возвратов непроданной продукции их торговых сетей. Необходимость принимать возвраты по закупочной цене и невозможность их повторного использования приводят к значительным убыткам и утилизации продуктов питания, что связано также с определенными этическими аспектами. Наша компания разработала решение, позволяющее значительно сократить возвраты скоропортящейся продукции. Его эффективность на данный момент доказана на примере уже двух хлебозаводов – в Санкт-Петербурге и Воронеже.

Рассмотрим первый пример. Крупный петербургский хлебозавод сотрудничает примерно с 6000 точками реализации, ассортимент товара составляет около 350 наименований. Объем возвратов составлял примерно 20 % и более 33 млн руб. в год. Созданная модель в облаке анализирует исторические данные об объемах продаж, учитывает сторонние факторы, влияющие на потребление, и выдает объем поставки по каждому наименованию товара для каждой торговой точки (рис. 2).

Принципиальная схема поставок продукции


В результате уменьшение возвратов для тестовой выборки из восьми магазинов составило более 500 тыс. руб. в месяц. При этом разработанное решение поставляется в виде сервиса и не требует от предприятий внедрения и обслуживания дополнительного оборудования или ПО.

Основные этапы реализации решения

Для того чтобы разработать модель, решающую задачу прогнозирования спроса в целях минимизации возвратов, необходимо получить ряд исходных данных.

  • База данных по тестовым магазинам (точкам реа- лизации).
  • База данных по номенклатурам.
  • База данных по продажам (отгрузкам с завода) и возвратам. Данные нужны за 2–3 года.
Далее, с экспертами компании заказчика выявляются дополнительные факторы, влияющие на спрос. Например, сезонность, погодные условия, праздники и выходные дни, проведение акций, геолокация торговых точек и др. Список этих факторов может зависит от особенностей продаж каждого отдельного заказчика и может быть расширен или изменен в зависимости от мнения экспертов.

Построением модели занимаются специалисты в ана- лизе данных (Data Scientist). Это математики-программисты, которые в совершенстве владеют знаниями математической статистики и анализа.

После того как модель построена (как правило, это занимает примерно месяц с момента получения данных), проверяется точность модели. Для этого тестовые данные по реальным продажам и возвратам сравниваются с теми, которые предсказала модель. Приемлемая точность модели для случая прогнозирования спроса считается 93 %.

Если целевая точность модели достигнута, то можно переходить к интеграции решения с учетными системами предприятия, создавать удобный интерфейс и обучать пользователей.

С ростом бизнеса решение можно легко масштабировать. Сама модель в процессе эксплуатации постоянно дообучается на новых данных, поэтому решение не теряет свою точность.

Модель может быть применена не только для сокращения возвратов, но и для прогнозирования спроса с целью планирования производства, оптимизации производственного ресурса, оптимизации складских запасов (готовой продукции, сырья, упаковки), построения системы автозаказов, оптимизации ассортиментной политики и увеличения эффективности маркетинга, а также увеличения эффективности работы персонала.

Производственные задачи, которые поможет решить предсказательная аналитика

Решения с использованием возможностей предсказательной аналитики не ограничиваются задачами прогнозирования спроса. В мировой практике накопилось уже достаточно сведений об успехе предприятий, которые внедрили решения предиктивной аналитики и продолжают их развивать, двигаясь в сторону полной цифровизации производства. Вот, некоторые примеры.

Повышение времени бесперебойной работы оборудования и сокращение его простоев за счет предиктивного обслуживания

На предприятиях пищевой промышленности имеется большое количество различного оборудования. Используя непрерывный поток данных, собранных с датчиков на критическом для производства оборудовании, продвинутые средства аналитики могут определять паттерны для прогнозирования диагностики возможных сбоев. Такое «умное» оборудование может посылать сообщения диспетчерам о требуемом техническом обслуживании, возможных сбоях, необходимости заказа запасных частей для надлежащего функционирования и даже о графике их поставок. Это позволяет перейти от регламентного ремонта и ремонта по инцидентам к предиктивному обслуживанию оборудования.

Оптимизация и сокращение производственного цикла выпуска продукции

Технологический процесс может меняться в зависимости от множества факторов: качества и вариации дозирования сырья, температурных и атмосферных режимов, загрязнения, старения компонентов. Предсказательная аналитика технологического процесса аналогична предиктивному обслуживанию оборудования и включает сбор структурированных и неструктурированных данных с датчиков технологического оборудования, из записей лабораторий, систем сигнализаций. Обученные на этих данных математические модели позволяют выявить закономерности и отклонения в технологических процессах до их возникновения, тем самым снизить производственные риски или оптимизировать производственный цикл.

Повышение энергоэффективности и снижение эксплуатационных расходов

Несмотря на то что современная промышленность имеет высокую степень автоматизации и большинство установок контролируют такие стандартные переменные, как температура, тепловые потоки, уровни наполнения резервуаров и давление в них для оптимального энергопотребления, использование методов машинного обучения позволяет выстраивать динамическую систему потребления электроэнергии на заводе, учитывая внешнюю температуру, загрязнение систем, старение катализаторов и т. д.

Рост качества выпускаемой продукции и уменьшение отклонений

Предиктивная аналитика позволяет прогнозировать потенциальные отклонения в ходе производственного цикла и вносить незначительные поправки в процесс до того, как отклонение повлияет на качество конечного продукта.

В настоящее время наша компания разрабатывает решение с применением компьютерного зрения для одного крупного производственного холдинга в пищевой промышленности. Данное решение позволит оценивать причины отклонений между физическими остатками на складе и данными учетных систем, отслеживать неполадки в работе производственных линий и анализировать причины брака.

На текущий момент в России внедряется ряд проектов в области применения продвинутой аналитики. Часть из них уже позволила компаниям почувствовать ощутимый эффект от внедрения, некоторые проекты находятся на стадии реализации или пилотного тестирования. Принятие решения о необходимости инвестирования в автоматизацию и цифровую трансформацию производства, накопление данных – обязательная задача лидеров промышленной индустрии. Скорейшее внедрение инновационных бизнес-процессов и практик позволит достичь конкурентного преимущества, успеха в будущем и будет способствовать завоеванию рынков.


Источник: Журнал «Кондитерское и хлебопекарное производство» №-3-8 2018




запомнить

ПОИСК ПО САЙТУ

Карта сайта
НОВОСТИ КОМПАНИЙ

МЕРОПРИЯТИЯ

WorldFood Moscow 2018

17.09.2018 - 20.09.2018

КОНТАКТЫ
Адрес редакции: 105066, Москва, Токмаков пер., д. 16, стр. 2

Редакция:
Телефон: +7 (499) 267-40-10
E-mail: doubtsova@mail.ru

Отдел подписки:
Прямая линия: 8 (800) 200-11-12
бесплатный звонок из любого региона России
E-mail: podpiska@vedomost.ru

Отдел рекламы:
Прямая линия:
+7 (499) 267-40-10, +7 (499) 267-40-15
E-mail: reklama@vedomost.ru

Вопросы работы портала:
E-mail: support@breadbranch.com

Икар


ПОПУЛЯРНЫЕ ЗАПРОСЫ


© 2007-2018. Издательский дом "Отраслевые Ведомости". Все права защищены
Копирование информации данного сайта допускается только при условии установки ссылки на оригинальный материал
Настоящим, в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006 года, Вы подтверждаете свое согласие на обработку компанией ООО «Концепция связи XXI век» персональных данных: сбор, систематизацию, накопление, хранение, уточнение (обновление, изменение), использование, передачу в целях продвижения товаров, работ, услуг на рынке путем осуществления прямых контактов с помощью средств связи, продажи продуктов и услуг на Ваше имя, блокирование, обезличивание, уничтожение.

Компания ООО «Концепция связи XXI век» гарантирует конфиденциальность получаемой информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и иных обязательств, принятых компанией в качестве обязательных к исполнению.

В случае необходимости предоставления Ваших персональных данных правообладателю, дистрибьютору или реселлеру программного обеспечения в целях регистрации программного обеспечения на Ваше имя, Вы даёте согласие на передачу своих персональных данных.

Компания ООО «Концепция связи XXI век» гарантирует, что правообладатель, дистрибьютор или реселлер программного обеспечения осуществляет защиту персональных данных на условиях, аналогичных изложенным в Политике конфиденциальности персональных данных.

Настоящее согласие распространяется на следующие персональные данные: фамилия, имя и отчество, место работы, должность, адрес электронной почты, почтовый адрес доставки заказов, контактный телефон, платёжные реквизиты. Срок действия согласия является неограниченным. Вы можете в любой момент отозвать настоящее согласие, направив письменное уведомление на адрес: podpiska@vedomost.ru с пометкой «Отзыв согласия на обработку персональных данных».

Обращаем Ваше внимание, что отзыв согласия на обработку персональных данных влечёт за собой удаление Вашей учётной записи с соответствующего Интернет-сайта и/или уничтожение записей, содержащих Ваши персональные данные, в системах обработки персональных данных компании ООО «Концепция связи XXI век», что может сделать невозможным для Вас пользование ее интернет-сервисами.

Давая согласие на обработку персональных данных, Вы гарантируете, что представленная Вами информация является полной, точной и достоверной, а также что при представлении информации не нарушаются действующее законодательство Российской Федерации, законные права и интересы третьих лиц. Вы подтверждаете, что вся предоставленная информация заполнена Вами в отношении себя лично.

Настоящее согласие действует в течение всего периода хранения персональных данных, если иное не предусмотрено законодательством Российской Федерации.

Принимаю условия соглашения
Fri, 20 Jul 2018 23:35:02