Почему AI управление запасами сырья ломается на реальных данных
Редкие всплески спроса ломают модель первыми. Обученная на усреднённой истории, она считает такой пик шумом и сглаживает его — закупка уходит в план раньше, чем алгоритм успевает перестроить сезонность под конкретную номенклатуру.
Вторая точка разрыва — ручные правила точки заказа. Порог перезаказа, зашитый в SAP давно и без пересмотра, не знает ни фактического срока поставки по каждому поставщику, ни размера партии, ни кратности упаковки. Правило срабатывает по календарю, а не по состоянию склада.
Третья причина — разрозненные данные о движении сырья и комплектующих. Приёмка живёт в учётной системе, брак и возвраты — в журнале цеха, фактические сроки поставки — в переписке снабженцев. Пока события не сведены по партии, дате и складу, любая модель видит искажённую картину и учится на ней.
Цена этих разрывов считается в простоях. Дефицит комплектующих останавливает линию на дни, излишки сырья на складе замораживают оборотные средства и уходят в списание по сроку годности. Точность прогноза спроса падает до «среднего по цеху», а срыв сроков поставки перестаёт быть исключением.
Дальше разбираем, как это закрывается: какие данные сводятся в единый контур движения сырья, как настраивается точка заказа по каждому поставщику и что проверяется до запуска в производство.
Что меняется после внедрения прогнозной системы
Первые две-три недели система считает прогноз по группам номенклатуры и сверяет его с фактическим расходом, не трогая закупки. По ходовым позициям с устойчивым спросом точность прогноза выходит на 85–90% на горизонте срока поставки; разреженные и новые позиции мы сразу помечаем как зону ручного контроля, чтобы не отдавать их алгоритму вслепую.
Дальше закупки идут от прогноза с учётом срока поставки и кратности упаковки. Страховой запас перестаёт быть фиксированным числом в карточке позиции и считается от разброса спроса и надёжности поставщика: по устойчивым группам он снимается примерно на треть, по нестабильным остаётся высоким осознанно.
Доля срочных закупок снижается раньше остальных показателей. Пока заявка рождалась от точки перезаказа, дефицит обнаруживался по факту, и позицию везли аварийно. С прогнозом нехватка видна за срок поставки вперёд, поэтому аварийный режим перестаёт быть регулярным сценарием по ходовым позициям.
Перепланирование меняет масштаб времени. Раньше пересборка плана закупок в таблицах занимала дни и делалась раз в одну-две недели, из-за чего срыв поставки или всплеск спроса приезжал в план с задержкой. Пересчёт по всем группам номенклатуры идёт минуты: планировщик запускает его по событию и видит, какие позиции сдвинулись, вместо перебора всего списка.
К третьему месяцу меняется оборачиваемость запасов. Запас перестаёт быть равномерно размазанным по складу и концентрируется там, где спрос подтверждён данными, а не там, где исторически привыкли держать.
Отдельно уходит класс отказов, который раньше считался нормой, — простой из-за отсутствия ходовой комплектующей. Он остаётся возможным только как следствие внешнего срыва, у поставщика или на логистике, но перестаёт быть регулярным.
Какой режим планирования выбрать: сравнение подходов
Режим планирования — не вопрос предпочтений, а функция от предсказуемости спроса и объёма накопленной истории. Пока номенклатура узкая и потребление ровное, ручные min-max правила работают без ошибок и не требуют данных. Как только появляется сезонность, промо или перебои у поставщика, те же правила начинают либо замораживать оборотный капитал, либо давать простой на линии.
| Вариант | Когда подходит | Ограничения |
|---|---|---|
| Ручные min-max правила | Однородная номенклатура, ровное потребление, истории меньше одного цикла сезонности | Не держит сезонность и тренд, правится вручную, реагирует на дефицит постфактум |
| Статистический прогноз | Есть история за один-два цикла, выраженный тренд, десятки-сотни позиций | Ломается на промо, смене поставщика и новых позициях без истории |
| Модель машинного обучения для прогноза | Тысячи позиций, разнородные факторы: сроки поставки, размер партии, цены на сырьё | Нужен контроль дрейфа и регулярное переобучение, холодный старт по новым позициям |
| Гибридный режим с экспертной коррекцией | Высокая цена ошибки, у снабженцев накоплен опыт по конкретным группам | Правки нужно фиксировать, иначе обратная связь теряется и модель деградирует |
Переход делаем по группам номенклатуры, а не разом по всей системе: точка заказа пересчитывается из страхового запаса, срока поставки и разброса спроса, поэтому для части позиций статистика остаётся точнее модели. Гибридный режим планирования включаем там, где прогноз ошибается дорого: модель даёт базовую величину, снабженец вносит коррекцию, и обе версии сохраняются — по расхождениям видно, каких факторов в данных не хватает.
Этапы внедрения: от аудита данных до передачи системы
Порядок работ фиксируем до старта: для склада сырья и для комплектующих он одинаков, меняется только состав источников. Каждый этап заканчивается артефактом, который можно проверить, поэтому результат не зависит от того, кто ведёт проект.
- Аудит данных по запасам. Собираем историю движения, остатков, закупок и фактических сроков поставки, сверяем единицы измерения и упаковочные кратности. На выходе — перечень позиций, где данных достаточно для расчёта, и отдельно те, где сначала нужно поправить учёт.
- Схема расчёта потребности и признаков. Согласуем горизонт планирования, целевой уровень сервиса, правила страхового запаса и округления до партии. В расчёт вводим сезонность, график поставщиков, длительность производства и историю срывов.
- Настройка и обучение на подготовленных данных. Определяем, как система реагирует на резкие всплески спроса, и где планировщик может переопределить рекомендацию вручную.
- Проверка на исторических периодах. Прогоняем расчёт по закрытым интервалам и сравниваем с фактическими закупками: сколько возникало дефицита, сколько оседало излишком, как часто решение системы расходилось с решением снабжения.
- Пилот на узкой группе номенклатуры. Выводим в работу одну категорию, чтобы оценить поведение системы на живом потоке и ограничить риск по остальному складу.
- Передача системы и обучение команды. Передаём регламенты пересчёта, правила ручных правок, доступы и порядок сопровождения — дальше команда заказчика ведёт расчёт сама, а мы остаёмся на поддержке изменений.
Комплект конфигураций, регламентов и документации
Система прогнозирования спроса и планирования поставок живёт не в презентации, а в наборе артефактов, которыми закупки пользуются каждый день. Мы передаём их в ваш репозиторий и разбираем вместе со специалистами — после сдачи не остаётся решений, которые способен поддерживать только подрядчик.
- Настройки расчёта: горизонты планирования, целевой уровень сервиса по группам номенклатуры, сезонные профили, правила сглаживания выбросов и обработки нулевого спроса.
- Политика страховых запасов: формулы и коэффициенты по классам важности и стабильности потребления, отдельные условия для дефицитных, длинноцикловых и импортных позиций.
- Регламент пополнения запасов: точки заказа, кратность и размер партии, минимальный остаток, календарь закупочных циклов и порядок согласования внеплановых заявок.
- Правила исключений: что делать при срыве поставки, скачке спроса или уходе поставщика, как оформляется ручная правка прогноза и кто её подтверждает.
- Панель мониторинга запасов: оборачиваемость, доля дефицита, точность прогноза, зависшие партии — с порогами, при которых срабатывает оповещение.
- Инструкции для закупщика: пошаговые сценарии работы с рекомендациями системы, разбор расхождений «прогноз против опыта» и порядок эскалации.
- Документация системы планирования: схема потоков данных, обмен с учётной системой, модели данных, матрица ролей и доступов.
- Регламент сопровождения: версионирование моделей, порядок переобучения, контроль качества входных данных, журнал изменений.
Каждый артефакт передаём в рабочей версии — с владельцем со стороны заказчика, точкой обновления и критерием, по которому видно, что настройка устарела.
Кейс: сократили дефицит и замороженные остатки
Производственная площадка: несколько тысяч позиций сырья и комплектующих, сроки поставки от недели до квартала. Заказ собирался раз в неделю в электронных таблицах, и до 40% строк снабженцы правили вручную по звонку из цеха. Система не отличала сезонный всплеск от разового отклонения — дефицит закрывали срочными закупками по верхней границе прайса.
Что изменили
Прогноз построили по каждой позиции отдельно: в расчёте сезонность, срок поставки, кратность партии у поставщика и целевая доля покрытия спроса. Позиции разнесли по классам — по стоимости и предсказуемости расхода, — и для каждого задали свой горизонт планирования и уровень страхового запаса. Фактические расходы и приходы забирали из учётной системы 1С:ERP раз в сутки, поэтому заказ пересчитывался на свежих данных, а не на месячной давности.
Метрики до и после
| Метрика | До | После |
|---|---|---|
| Доля позиций в дефиците | 9% номенклатуры в неделю | 2% |
| Замороженные остатки | базовый уровень | −37% |
| Срочные закупки | 27 в месяц | 6 |
| Ручные правки строк заказа | около 40% | 8% |
Ручные правки не отключили, а превратили в сигнал: каждая фиксируется с причиной — смена рецептуры, брак партии у поставщика, внеплановый заказ — и попадает в следующий пересчёт. Без этой петли модель теряет контекст, который знает снабженец, и через месяц снова начинает ошибаться.
Как встроить AI-прогноз, если уже есть свои правила закупки
Прогноз не заменяет правила закупки, а встраивается поверх них. Правила — минимальный остаток, страховой запас, срок поставки, кратность упаковки — остаются в учётной системе как ограничения. Прогноз меняет только рекомендуемое количество и момент заказа.
На старте выгружаем из учётной системы движения номенклатуры, приходы, списания, резервы и отмены. Данные из 1С и смежных систем сводим в одну таблицу по коду позиции и складу. Расхождения в справочниках — дубли, разные единицы измерения, неактуальные категории — вычищаем до запуска, иначе прогноз учится на мусоре.
Первые месяцы прогноз идёт параллельно плану закупщика и ничего не подменяет. Регулярно формируем отчёт расхождений: где прогноз и специалист расходятся, насколько и почему — акция, сезонность, смена поставщика. Решение принимает закупщик, прогноз лишь показывает свою цифру.
Переход постепенный, по товарным группам. Начинаем с позиций с длинной историей и устойчивым спросом; критичные и новые оставляем на ручном управлении. Долю автоматических рекомендаций увеличиваем по мере подтверждения точности на факте — по каждой группе отдельно, с возможностью вернуть ручной режим.
Обратная связь обязательна: отклоняя рекомендацию, закупщик указывает причину, и она уходит в обучение. Так в модель попадает знание, которого нет в данных — договорённости с поставщиком, смена ассортимента. Откат — отключение рекомендаций для группы, правила закупки при этом продолжают работать.
Частые возражения по точности и надёжности модели
Перед стартом почти всегда звучит один набор вопросов: хватит ли истории по сырью, что будет при сбое поставщика, кто отвечает за цифру в плане закупок.
Что делать, если данные о движении сырья неполные?
Сначала считаем долю пропусков и расхождений между складом и учётом. Если провалы локальные, обучаем модель на недельных остатках — шум сглаживается, прогноз остаётся рабочим. Если история короче цикла поставки, добавляем в расчёт заказы и подтверждённые сроки от поставщиков.
Как система реагирует на разовые всплески спроса?
Держим отдельный слой правил: резкий рост по одной позиции не переписывает базовый прогноз по всей номенклатуре. Такой всплеск помечается как разовый, и после проверки модель возвращается к прежней траектории. Устойчивый рост, наоборот, сразу меняет план закупок.
Кто отвечает за прогноз, если поставщик сорвал срок?
Мы отвечаем за качество прогноза и его прозрачность, а не за поведение контрагента. В модели есть блок оценки надёжности поставщика по истории отгрузок, поэтому риск срыва виден заранее. При изменении срока пересчёт плана идёт автоматически, а решение о замене поставщика остаётся за вами.
Как контролируется дрейф модели после запуска?
Показатель ошибки считаем ежедневно на фактических расходах и сравниваем с порогом, согласованным на старте. При выходе за порог модель переобучается, и вы получаете отчёт: изменилось потребление или качество данных о движении сырья.
Обсудим задачу и вернёмся с планом внедрения
Чтобы разговор был предметным, а не «про AI вообще», нам нужны вводные по вашему контуру запасов: номенклатура, история движения и правила, по которым сегодня принимаются решения о закупке. С этого начинается обсудить задачу управления запасами — каким позициям прогноз реально нужен, где сейчас перезапас, а где регулярный дефицит.
Обычно просим подготовить следующее:
- Номенклатура и её структура — группы сырья и комплектующих, аналоги и взаимозаменяемость, единицы измерения, привязка к поставщикам и складам.
- Исходные данные для расчёта — выгрузки приходов, расходов, списаний и возвратов за достаточный горизонт, с пометкой участков, где были ручные корректировки или пропуски.
- Ограничения поставщиков — минимальная партия, кратность упаковки, срок поставки, периодичность рейсов, условия отсрочки и надёжность отгрузок.
- Сезонность и внешние факторы — промо, плановые остановы, ремонты, крупные разовые заказы, которые нельзя считать трендом.
- Критичность позиций — что останавливает производство, а что допускает ожидание; допустимый уровень дефицита по каждой группе.
- Состав рабочей группы — кто владеет данными, кто подтверждает правила пересчёта, кто принимает результат и будет им пользоваться ежедневно.
- Целевые ориентиры — горизонт и шаг планирования, желаемая оборачиваемость, точки, где решение должно оставаться за человеком.
После разбора этих вводных возвращаемся с оценкой объёма работ и планом внедрения прогноза: на каких данных учим модель, как проверяем её на исторических периодах, как результат попадает в текущий процесс закупки и как считается эффект.
