Компания «Металлоинвест» успешно внедрила технологию прогнозирования возможных срывов поставок в рабочий процесс службы снабжения. В основе технологии лежит машинное обучение. Такое решение повысило эффективность работы специалистов, снизив при этом риски возникновения дополнительных издержек, связанных с отклонениями в сроках поставок. Точность прогноза составляет 84,7 процента. За счёт накопления данных, внедрения новых параметров и переобучения системы до конца года в Компании хотят довести этот показатель до 87 процентов.
— У закупщиков в работе одномоментно находится в среднем 150 тысяч заявок от четырёх входящих в Металлоинвест комбинатов, — говорит директор по снабжению Металлоинвеста Мария Коваленко. — Из этого количества выделены и взяты под особый контроль все относящиеся к зоне риска. По ним проводится точечная отработка всех выявленных вопросов. В ближайшее время планируется запустить автоматизированную рассылку уведомлений поставщикам, которые попадают в зону риска. Такой подход позволяет повысить обеспеченность потребности без роста нагрузки на сотрудников.
Для обучения системы использованы данные более чем 200 тысяч выполненных ранее заявок, хранящихся в SAP. На основе этого «цифрового следа» выстроена модель прогнозирования. Для оценки на разных этапах её жизненного цикла используется до 27 параметров, включая волатильность курсов валют, страну поставщика, вид транспорта, сезонность, срочность и так далее. Со временем перечень параметров будет расширяться.
— Машинное обучение меняет мир, создаёт новые возможности, — прокомментировала директор по цифровой трансформации Металлоинвест Юлия Шуткина. — Сейчас мы внедряем его в дирекции по снабжению, но в скором времени эта технология найдет своё применение на производстве, в финансовой сфере, в HR. Ведь машинное обучение помогает сокращать расходы, лучше понимать поведение клиентов или сотрудников, предотвращать поломки и сбои.
Справка «Фонаря»
Машинное обучение (ML, machine learning) — это одна из технологий искусственного интеллекта, которая позволяет решать задачи не прямым способом, а за счёт поиска закономерностей в массиве предоставленной информации и выборе наилучшего решения без участия человека. Отклонение в поставках может грозить значительными потерями, особенно если речь идёт о масштабных инвестиционных проектах. Отсутствие необходимых материалов в нужное время может задержать реализацию проекта, привести к неполному объёму проведения ремонтов и к росту неликвидных остатков на складах.
OTIF (on time in full — исполнение обязательств в срок и в полном объёме) является одним из основных показателей эффективности службы снабжения. Поддерживать его на высоком уровне возможно либо через контроль всех активных заявок, что требует значительных людских ресурсов, либо через отбор из общего объёма и проработку заявок с высокими рисками срыва. Работа по второму сценарию экономит ресурсы, но требует высокого качества прогноза.
Разработка и реализация проекта осуществлена командой Департамента методологической поддержки и развития снабжения Металлоинвеста под руководством Романа Орлова при технической поддержке компаний JSA Group (входит в многопрофильную ИТ-группу «ИКС Холдинг») и «Металло-Тех». Это позволяет развивать и накапливать компетенции внутри Компании и переносить удачный опыт на смежные направления.
Значительную роль в проекте сыграла молодой сотрудник компании, выпускник факультета автоматизации и информационных технологии Старооскольского технологического института НИТУ «МИСиС» Дарья Груздова.
