Находясь на нашем сайте, Вы даете согласие на обработку файлов cookie.

Логистика

Кейсы внедрения ML
Прогноз времени доставки
Определение зон высокого спроса
Прогноз выхода транспорта из строя
Управление запасами
Определение графика работы транспорта
Планирование маршрутов

Прогноз времени
доставки товара

ML-модель на основе исторических данных компании (сроки доставки разных типов грузов, тип транспорта, данные грузополучателя и его местоположение), внешних данных (погода, сезонность) и на основе заданных ограничений (например, кол-во автомобилей в автопарке) и других параметров более точно прогнозирует время доставки груза.
Решение способствует росту доверия и лояльности клиентов.

Эффект

до 90%
Рост точности прогноза

Определение зон высокого спроса на доставку

ML-модель на основе исторических данных о количестве и размере заказов по различным районам города прогнозирует пиковые периоды высокого спроса на доставку заказов. ML-модель позволяет эффективно распределить курьеров в разные районы города в зависимости от уровня спроса.
Данное решение позволяет повысить уровень сервиса и увеличить территориальный охват, сохраняя высокую скорость доставки даже в пиковые периоды

Эффект

до 15%
Рост числа заказов

Прогноз спроса

и складских запасов

ML- модель рассчитывает спрос на конкретный продукт с учетом истории продаж, цен на товары, акций, местоположения, погоды и других параметров. Также, чтобы спрогнозировать оптимальное время для заказа товара на склад, система проводит оценку качества работы поставщиков (не срывают ли сроки и пр.).

ML-решение позволяет снизить расходы на склады, оптимизировать товарный запас, обеспечить высокий уровень сервиса, а также улучшить качество и скорость взаимодействия с поставщиками.

Эффект

до 5%
Рост выручки

Оптимизация расписания

работы транспорта

ML-решение работает на основе исторических данных о заказах, маршрутах следования, типе автомобиля, времени доставки, размерах автопарка, погодных условиях, сезоне, дне недели и других параметрах.

Система предсказывает количество заказов и выдает рекомендации по необходимому числу автомобилей для осуществления доставки.

Инструмент позволяет снизить избыточную нагрузку на автопарк, сокращая его износ.

Эффект

до 10%
Снижение расходов на автопарк

Прогноз выхода

транспорта из строя

ML-модель работает на основе данных о транспорте (возраст, пробег, рекомендуемый график ТО, информация о комплектующих и др.) и исторических данных его эксплуатации (собираемых из журналов обслуживания и ремонта, дефектов и неполадок).

ML-модель прогнозирует изменения в работе транспорта, поэтому ее ремонт можно провести еще до фактической поломки.

Решение позволяет оптимизировать расходы на ремонтные работы и замену комплектующих, а также избежать риска простоя транспорта.

Эффект

до 10%
Снижение расходов на ремонт

Прогноз загруженности дорог и планирование маршрутов

ML-модель прогнозирует загруженность дорог на основе исторических данных дорожном трафике в зависимости от локации, сезона, прогноза погоды, времени суток, количества светофоров, пешеходных переходов, скоростных ограничений и др.

Прогноз позволяет сделать выводы о дорожном трафике и спланировать самый быстрый маршрут для авто.

Эффект

до 20%
Сокращение времени на проезд