1. Производственные процессы (кейсы)
1.1. Программа обслуживания производственного оборудования:
- Сбор данных с датчиков оборудования (вибрация, температура и другие параметры).
- Анализ исторических данных о поломках и обслуживании (документы, простои, расходы).
- Разработка модели МО для прогнозирования вероятности отказа оборудования.
Результат: календарь обслуживания, снижение затрат на ремонт, плановый закуп запчастей, снижение сроков обслуживания, продление среднего срока службы оборудования, повышение производительности, снижение общих эксплуатационных расходов.
- Установка камер системы машинного зрения на производственной линии для съемки продукции.
- Разработка системы компьютерного зрения и обучение модели Машинного обучения для анализа изображений и распознавания дефектов.
- Интеграция системы в производственный процесс для автоматического отбраковывания дефектной продукции.
Результат: сокращение доли брака, сокращение расходов на персонал, сокращение числа возвратов и рекламаций, повышение конкурентоспособности и увеличение доли рынка, повышение удовлетворенности клиентов и увеличение объемов продаж.
- Сбор и анализ данных о текущих производственных процессах (документы, датчики, штатное расписание, схемы передвижения ТМЦ по производственной цепочке).
- Анализ и выявление узких мест и неэффективностей с помощью алгоритмов анализа данных.
- Разработка модели Машинного обучения для оптимизации всего производственного цикла (программа закупа и передела ТМЦ, штатное расписание, план загрузки оборудования, общая логистическая цепочка).
Результат: снижение операционных, административных и логистических затрат, значительное снижение себестоимости готовой продукции, повышение общей производительности предприятия.
- Сбор данных о продажах, производстве и запасах (документы, схемы передвижения ТМЦ по производственной цепочке, план загрузки оборудования, общая логистическая цепочка).
- Применение алгоритмов прогнозирования спроса с использованием модели Машинного Обучения.
- Разработка системы автоматического заказа материалов у поставщиков с учетом контроля минимальных запасов критически важного сырья.
Результат: снижение коэффициента запаса сырья, снижение объема замороженных средств, снижение рисков отсутствия критически важного сырья, отчетность и данные для работы с поставщиками по условиям поставки сырья.
2. Логистика и цепочки поставок (кейсы)
2.1. Оптимизация перевозки готовой продукции с учетом логистических ограничений
- Анализ исторических данных о местоположении доступных перевозчиков, средней стоимости перевозки, загрузочной способности машин, данных о дроблении объемов на несколько машин.
- Использование Графической информационной системы мониторинга и анализа событий для анализа расположения машин и доступности перевозчиков.
- Применение алгоритмов линейного программирования для выбора оптимального количества ходок и загрузки машин.
- Использование моделей Машинного обучения для предсказания времени прибытия и расчета затрат с учетом дорожной ситуации.
Результат: снижение общих логистических затрат, снижение стоимости средней перевозки, сокращение времени доставки за счет оптимального распределения груза, увеличение коэффициента грузооборота всей компании, повышение качества планирования затрат на логистику, снижение рисков нарушения сроков поставки.
- Анализ исторических данных о расположении клиентов и предпочтительном времени получении доставки.
- Анализ данных загруженности дорог, прогнозов пробок и оптимального распределения заказов между курьерами.
- Кластеризация и группировка клиентов по географическому местоположению и времени получения.
- Использование моделей Машинного обучения для выбора наиболее оптимального курьера и построения маршрута с учетом пробок и времени в пути.
- Использование моделей Машинного обучения для расчета потенциального времени доставки для оптимизации расписания для минимизации простоев и соблюдения временных окон.
Результат: сокращение времени доставки, построение оптимальных маршрутов, снижение простоев курьеров, сокращение расстояние пробега и расходов на топливо и амортизацию, повышение удовлетворенности клиентов за счет точного прибытия курьеров в удобное время.
3. Строительные процессы (кейсы)
3.1. Повышение эффективности управления строительными проектами
- Разработка и обучение модели Машинного обучения для прогнозирования потребности сырья и материалов и снижения затрат на хранение сырья и материалов на объектах, за счет анализа исторических данных по сметам и фактическим затратам, динамического учета запасов и цен сметных материалов с учетом изменения стоимости перевозок.
- Разработка системы компьютерного зрения и обучение модели Машинного обучения для контроля и соблюдения норм безопасности (распознавание касок, защитных жилетов, очков на рабочих, обнаружение людей в опасных зонах).
- Разработка и обучение модели Машинного обучения для автоматического анализа прогресса строительства и обнаружения отставаний в графике за счет анализа исторических данных по строительным проектам, анализа фактически выполненных работ по документам и сравнения текущего состояния по фото и видео материалам с проектными чертежами.
Результат: значительное повышение управления всем проектом, сокращение сроков отставания в реализации проекта, снижение административных, операционных и логистических затрат, снижение количества периодов простоев, плановый закуп материалов, снижение коэффициента запаса сырья, снижение объема замороженных средств, снижение рисков отсутствия критически важного сырья, сокращение случаев нарушения техники безопасности.
4. Банки и финансовые процессы (кейсы)
4.1. Оптимизация процесса работы с клиентом с помощью модели Машинного обучения
- Разработка и обучение модели Машинного обучения для оценки кредитного рейтинга клиента на основе транзакционной активности, кредитной истории, и анализа альтернативных данных (социальные сети, платежи за ЖКХ, мобильные расходы) с прогнозированием вероятности дефолта и просрочки платежей.
- Разработка и обучение модели Машинного обучения для генерации персонализированных финансовых рекомендаций банковских продуктов (кредитов, вкладов, страховок, инвестиционных предложений) на основе профиля клиента, анализа альтернативных данных (регистрация квартиры, дома, автомобиля, ребенка и т.д.) и прогнозирования его финансового поведения.
- Установка камер системы машинного зрения, разработка системы компьютерного зрения и обучение модели Машинного обучения для оптического распознавания документов, анализа договоров и автоматической проверки заявок, проверки подписей и идентификации клиентов.
Результат: автоматизация рутинных задач, сокращение времени обработки запросов и обслуживания клиентов, сокращение административных и операционных затрат, значительное улучшение качества взаимодействия, повышение удовлетворенности клиентов.
- 18Лет опыта18 лет
- 300Клиентов300+
- 700Успешных проектов700+
+7 980 908 4775
+7 980 908 4775