Ozon разработал собственный инструмент для генерации и редактирования фона на изображении товаров, который работает с помощью алгоритмов машинного обучения.
По прогнозам экспертов, число предприятий, использующих отечественные решения, возрастет до 80% к концу 2024 г.
Технически модель представляет собой таблицы под которыми лежат алгоритмы. Специалисты собирают данные из различных источников и систем, обрабатывают их и формируют в комфортный для потребителя результат. Для пользователя это может быть специализированный интерфейс или интеграция в любую из используемых информационных систем. Если речь о имитационных моделях, то пользователь видит полноценную 3D или 2D модель реального объекта со всеми происходящими там процессами и параметрами, которые влияют на работу.
Созданная модель с высокой точностью имитирует ответ организации на любые управленческие воздействия: что будет если торговая сеть откажется от торговых точек и полностью перейдет режим онлайн-продаж и доставки, как эту доставку сделать эффективной, чтобы попадать в интервал 30 минут, сколько денег это будет стоить и имеет ли смысл браться. Все бизнес-функции, эффективность которых зависит от множества вариативных параметров, могут быть смоделированы и описаны математическими алгоритмами.
 |
Наши специалисты выявляют взаимосвязи, оценивают взаимное влияние различных факторов и строят цифровую модель того или иного процесса в различных сценариях развития. Меняя входные параметры, заказчик может с высокой долей достоверности анализировать работу бизнес-функции, планировать и принимать решения о развитии, опираясь на точный прогноз,
говорит начальник отдела математических моделей, департамента математической оптимизации и моделирования BIA-Technologies Михаил Красильников.
|
 |
Михаил Красильников уточняет, что сейчас методами математического моделирования можно просчитывать эффективность планирования штатного расписания и выявлять потенциал по сокращению или наращиванию персонала при различных сценариях течения кризиса. Реализованы сервисы для составления эффективного расписания загрузки производственного персонала или транспорта. Оптимизация складских площадей, эффективная логистика и многие другие функции наши заказчики уже прогнозируют и строят на базе высокоточных математических моделей.
Фактически любой бизнес или процесс, включая социальные системы, можно оптимизировать и спрогнозировать с помощью математических моделей. Чем больше потерь несет бизнес из-за простоев и чем больше он зависит от корректного планирования, тем быстрее окупятся затраты на построение цифрового двойника. В среднем, по данным BIA-Technologies, через несколько месяцев эксплуатации цифровой модели процесса его себестоимость снижается на 15%.
В первую очередь цифровое моделирование процессов полезно в логистике и производстве. С одной стороны, логистическая компания наверняка выиграет от повышения точности планирования. С другой — эффективная загрузка производственных мощностей или прогнозирование износа оборудования, тоже описывается цифровыми моделями.
Для ритейла большие возможности открываются в области прогнозирования спроса, управление цепями поставок, управление торговыми точками и оптимизация логистики. А крупный инфраструктурный объект может с помощью данных оценить пропускную способность, управлять потоками и зонами с повышенной нагрузкой, создать планы экстренного реагирования и эвакуации, оценить доступности дорожной сети, парковок и общественного транспорта.
По очевидным причинам во время пандемии возник повышенный спрос на сервисы математического моделирования — в ближайшее время ситуация во всех сегментах будет сложной, а значит каждый процент экономии на издержках повышает устойчивость бизнеса. К тому же в условиях, когда нет возможности протестировать различные подходы на реальном бизнесе, математическая модель незаменима.
|
|
Если бы математическое моделирование было более популярно на текущий момент, его можно было быть использовать для оптимизации здравоохранения, что особенно важно сейчас. Можно описывать и оптимизировать размещение оборудования, расчет использования ресурсов, разработку графиков работы. Даже целостное планирование развития системы здравоохранения можно моделировать, прогнозируя выделение и распределение ресурсов,
утверждает Михаил Красильников.
|
|
|
|
Мы развиваем подобную экспертизу уже более 10 лет. Сначала были индивидуальные проекты под запрос очень крупных заказчиков, мы начинали с очень сложных и крупных моделей, постепенно двигаясь к удешевлению и типизации. Таким образом услуга по моделированию бизнеса стала доступна уже в пределах более скромных бюджетов и сроков. Накопленная экспертиза очень глубоко затрагивает все логистические и транспортные процессы,
рассказывает начальник отдела разработки, департамента математической оптимизации и моделирования BIA-Technologies Михаил Гладких.
|
|
Сейчас компания предлагает два варианта работы: индивидуальная разработка модели и сервисов на ее основе или использование уже имеющихся наработок с адаптацией под потребности конкретного заказчика. Все зависит от того, насколько специализированные процессы модель описывает.
Разработка модели с нуля зависит от ее сложности, объема, количества параметров и состояния исходных данных. Если все процессы и параметры описаны, то можно сразу приступать к разработке базовой модели, на это уйдет от одного до трех месяцев. Михаил Гладких утверждает, что построение полноценного цифрового двойника для крупной территориально-распределенной организации может занять целый год. Сначала описывают один процесс или функционал, потом другой, потом модели объединяются вводятся общие параметры и коэффициенты влияния. Средний бизнес можно полностью описать за 5-6 месяцев.
|
|
При этом обычные информационные системы морально устаревают уже к запуску в эксплуатацию, они постепенно теряют актуальность и проигрывают по функционалу новым продуктам. Модель, напротив, со временем становится только полезнее и точнее, поскольку накапливаются данные. Так что если ее постоянно использовать и развивать не устареет никогда, она будет обучаться вместе с бизнесом,
резюмирует Михаил Гладких.
|
|
Проблема: Заказчик хотел оптимизировать производство полуфабрикатов. Особенность была в том, что у бизнеса изначально очень сложная организационная структура, которая зависит от множества параметров: необходимо обеспечить производство свежими продуктами, распределить нагрузку между цехами, равномерно загрузить персонал, обеспечить правильное хранение и транспортировку. И все это с соблюдением сроков свежести сырья и условий транспортировки на фоне жесткого контроля соответствующих инстанций.
Решение: BIA-Technologies разработала модель, учитывающую все значимые параметры, которые в свою очередь перевели в финансовые величины с соответствующими весовыми коэффициентами. Спектр параметров охватывал управление маржинальностью, сроками изготовления, рисками простоев, алгоритмами движения партий, переналадками оборудования.
Результат: С помощью базовой модели получили оптимальное решение по распределению до 2 тысяч партий полуфабрикатов. Заказчик смог уйти от устаревшего алгоритма планирования, при которой новые заказы ставили в очередь исходя из приоритета. И теперь планирование идет в непрерывном режиме с учетом всех значимых факторов.
Проблема: Заказчик хотел оптимизировать производственный процесс на предприятии. Было невозможно оценить потенциальную прибыль или убытки от реорганизации и оптимизации производства, поскольку не было данных для принятия решения и приходилось основывать на прошлом опыте и управленческой интуиции.
Решение: В рамках моделирования оцифровали все элементы производственной экосистемы, детализировали производственные процессы, оценили потенциал внедрения изменений и рассчитали схемы логистики. Затем приступили к проверке эффективности существующей системы и разработке возможных вариантов оптимизации. После было имитационное моделирование, оптимизация процессов и расчет эффективности оптимизации, а завершили реинжинирингом системы, практическим внедрением и оценкой результата.
Результат: Удалось снизить издержки на этапе реконструкции и повысить эффективность работы с поставщиками до 10%. Цифровая модель обеспечила точность прогнозирования производственных планов до 90% и сокращение простоев до 50%. Кроме того определили наилучшие конфигурации автоматических линий для производства.
Проблема: Этот пример напрямую связан с текущей ситуацией. Из-за пандемии крупный застройщик был вынужден приостановить строительство сразу нескольких объектов. Очевидно, что итоговые сроки сдачи объектов сдвигаются, но вот насколько — вопрос открытый.
Решение: BIA-Technologies прямо сейчас работает над моделью, которая позволит прогнозировать сроки окончания строительства в зависимости от различных сценариев снятия ограничений. Проект затронет построение оптимальных расписаний работы, балансировку расписаний в рамках всей компании, оценку влияния перераспределения сотрудников между значимыми объектами. С помощью этой модели заказчик сможет осуществлять ресурсное планирование таким образом, чтобы закончить объекты в максимально сжатые сроки.
Результат: Пока кейс на этапе доработки, но уже точно можно назвать основные бенефиты, которые получит заказчик. В первую очередь это оптимизированные графики строительства объектов, которыми можно прозрачно управлять. За счет точного планирования производительность персонала ощутимо вырастет, больше не будет затрат денег и времени на простои и неэффективные перераспределения персонала. Естественным следствием такого планирования станет оптимизация ФОТ. В среднем оптимизация расписаний с помощью математического моделирования приносит снижение затрат на ФОТ на 20% и увеличение производительности труда на 7%. Плюс выравнивание общей занятости и соблюдение требований законодательства.
