Кейсы нормализации номенклатуры с ИИ: 10 внедрений из разных отраслей

На складе крупного завода скопилось более 3 000 позиций комплектующих, которые не использовались больше года. Анализ показал, что причина - в дубликатах. Один и тот же подшипник закупался под тремя разными артикулами, потому что инженеры и закупщики вносили его в систему по-разному - "Подшипник SKF 8205", "bearing 8205-2Z", "Подшипник 8205 (импорт)". В результате отдел снабжения не видел реальных остатков и заказывал товар, который уже был на складе.

Мы внедрили ИИ-агента "Нормализатор НСИ". Он проанализировал весь справочник на 50 000 позиций, используя алгоритмы обработки естественного языка. Агент выявил не только явные, но и скрытые дубликаты, поняв, что "bearing" и "подшипник" - это одно и то же. После этого он предложил эталонные карточки и после одобрения сотрудника, автоматически объединил дубли, перенеся на них историю операций.

Объем неликвидов сократился на 22%. Экономия на закупках за счет отказа от ненужных заказов составила около 9 млн рублей в первый год.

В справочнике компании было более 100 000 позиций. Новые товары добавлялись ежедневно из прайс-листов десятков поставщиков. Это привело к тому, что один и тот же масляный фильтр мог существовать под пятью разными названиями с незначительными отличиями. Менеджеры тратили до 20 минут на поиск нужной позиции, а складские работники регулярно сталкивались с пересортицей. 

ИИ-агент "Нормализатор НСИ" был настроен на работу в режиме постоянного мониторинга. Теперь, когда менеджер пытается добавить новую позицию из прайс-листа, агент в реальном времени проверяет ее на дубликаты. Если система находит совпадение с вероятностью более 95%, она блокирует создание новой карточки и предлагает использовать существующую. 

Рост количества дублей остановлен. Скорость поиска нужной позиции сократилась с 15-20 минут до нескольких секунд. Уровень пересортицы на складе снизился на 80%. 

При составлении смет для крупного жилого комплекса сметчики использовали разные наименования для одних и тех же материалов. Это приводило к закупке излишков и сложностям списания материалов на объект. Например, "бетон М300" и "бетон B22,5" закупались как разные позиции, хотя это один и тот же класс бетона. 

Мы провели разовую очистку справочника с помощью двух ИИ-агентов - "Нормализатора НСИ" и "Классификатора номенклатуры", который создал единую структуру каталога с четкой иерархией и атрибутами для каждой группы материалов. 

Прозрачность в управлении материальными потоками повысилась. Излишки материалов на стройплощадках сократились на 17%. 

В каталоге компании было множество похожих позиций, например, "Сыр Моцарелла 45%" и "Моцарелла для пиццы 45%". Новые менеджеры по продажам часто путали их, что приводило к возвратам от клиентов и потерям скоропортящегося товара. 

ИИ-агент не только объединил дубли, но и помог стандартизировать наименования по формату "Тип - Бренд - Характеристика". Теперь все позиции имеют уникальные и понятные названия, что исключает путаницу. 

Количество возвратов по причине ошибки в заказе снизилось на 90%. 

Огромный парк сельхозтехники разных брендов и годов выпуска. Справочник запчастей был в беспорядочном состоянии. Часто одна и та же деталь имела разные внутренние коды для тракторов John Deere и Claas, хотя была взаимозаменяемой. В разгар сезона это приводило к простоям техники в ожидании запчасти, которая уже была на складе под другим названием. 

Провели глубокий анализ и классификацию справочника запчастей. ИИ-агент "Классификатор номенклатуры" не только стандартизировал названия, но и добавил поле "Применяемость", где указал все модели техники, для которых подходит деталь.

Простои техники из-за отсутствия запчастей сократились на 30%.