Разработка AI-системы прогнозирования сбоев в цепи поставок

AI прогнозирование сбоев: где рвётся цепь поставок

Планирование запасов до сих пор держится на средних: страховой остаток считают по прошлым периодам, ожидаемый расход — по скользящему среднему, а отклонения по конкретному поставщику и артикулу списывают на шум. Пока поставки идут ровно, схема выдерживает. Разрыв цепи поставок проявляется иначе — партия не пришла, линия работает на последнем остатке, и решение принимается в режиме «что успеем привезти».

Ручное планирование запасов добавляет задержку в одну-две недели: снабженец узнаёт о срыве отгрузки из письма или звонка, дальше переписка, согласование замены, иногда срочная доставка. Простой производства из-за поставок редко вызван одной крупной аварией — чаще это накопление мелких отклонений по десяткам позиций, которые по отдельности риском не считаются, а вместе съедают буфер.

Дефицит комплектующих тоже неоднороден: критичная позиция с долгим сроком изготовления останавливает участок, а замена расходника стоит лишь сдвига партии. Модель, которая не различает эти случаи, поднимает одинаковый уровень тревоги на весь перечень и быстро обесценивает сигнал — планировщик возвращается к ручной проверке.

AI прогнозирование сбоев закрывает это с другой стороны: модель обучается на истории задержек, фактических сроках доставки, сезонной загрузке маршрутов и поведении поставщика, и выдаёт вероятность срыва по каждой позиции за две-три недели до факта. Этого хватает, чтобы перевести заказ на альтернативного поставщика, перераспределить запас между складами или сдвинуть план производства без остановки. Разбираем, как это встраивается в контур планирования.

Что меняется, когда сбой видно до наступления

Раннее предупреждение строится на потоке операционных данных: статусы заказов и отгрузок, фактические транзитные сроки по маршрутам, остатки и скорость расхода на складах, история срывов по каждому поставщику. Модель пересчитывает вероятность задержки по каждой позиции и маршруту на горизонте нескольких недель, опираясь на данные из учётных систем класса SAP и складских контуров, а не на ручные отчёты.

Разница проявляется в скорости реакции на отклонение. Без прогноза срыв обнаруживается в день поставки — линия уже стоит, остаётся аварийная закупка и переплата за срочность. С предупреждением сигнал приходит за 5-14 дней: инженер видит не факт, а вероятность и причину — сдвиг транзита, падение темпа отгрузок у поставщика, всплеск спроса. Этого хватает, чтобы перевести заказ на альтернативного поставщика, перераспределить партию между складами или поднять приоритет отгрузки.

Второй эффект — страховой запас склада перестаёт быть единым нормативом на все позиции. Он считается от прогнозной неопределённости: по стабильным группам запас снижается, по рискованным остаётся или растёт точечно. Объём замороженных запасов сокращается на 20-30% при том же уровне сервиса, а доля предотвращённых остановок линии растёт — часть сбоев гасится до того, как он доходит до производства.

Точность прогноза поставок измеряем не одной общей цифрой, а по горизонтам: доля сбывшихся предупреждений, пропущенные срывы, ложные тревоги. Порог срабатывания настраивается под цену ошибки конкретного участка — где простой дороже, модель реагирует раньше и с большим запасом.

Подходы к построению: правила, статистика, модели

Выбор подхода к прогнозированию определяется не сложностью метода, а объёмом накопленной истории по поставкам, транзитам и задержкам. Пороговые правила оповещения работают там, где сбой виден напрямую: просроченный срок, переполненный склад, неподтверждённая отгрузка. Схема объяснима и предсказуема, но реагирует на уже случившееся и даёт ложные срабатывания на сезонных пиках.

Статистическая модель прогноза описывает норму — сезонность, разброс сроков по направлению, поведение запаса — и ловит отклонение до того, как оно стало аварией. Самообучающаяся модель связывает десятки слабых сигналов между собой и находит риски, которые правилами не описать. Рабочий вариант — гибридная схема прогноза: правила дают мгновенную реакцию, статистика — горизонт в несколько недель, модель — сложные сочетания факторов.

Слои мы наращиваем по подтверждённому эффекту: сначала правила, затем статистика, затем модель. Порог срабатывания и горизонт настраиваем по фактической точности — прогноз остаётся управляемым и объяснимым для службы логистики.

Этапы внедрения: от аудита данных до передачи

Сбой в цепи поставок почти всегда оставляет след в данных задолго до факта — вопрос в том, сведены ли эти данные в один контур. Закупки, склад, логистика и производство живут в разных системах со своими справочниками и разной частотой обновления, поэтому работа идёт не от алгоритма к данным, а наоборот: сначала аудит и метрика, потом сборка и проверка.

1. Аудит данных по поставкам. Инвентаризируем источники: заказы, отгрузки, фактические сроки в пути, остатки, события по поставщикам. На выходе — карта источников с частотой обновления, зонами ответственности и перечнем пробелов, которые закрываются до начала сборки.
2. Целевая метрика прогноза. Договариваемся, что считаем сбоем и на каком горизонте: задержка партии, недопоставка, срыв окна отгрузки. Метрика фиксируется числом и правилом разметки — чтобы результат можно было проверить, а не обсуждать.
3. Сборка схемы прогнозирования. Соединяем историю заказов с признаками поставщика, маршрута, сезонности и загрузки склада; обрабатываем пропуски, всплески и смену справочников; настраиваем регулярное переобучение.
4. Проверка модели на истории. Прогоняем закрытые периоды с эмуляцией реального времени: обучение только на данных, доступных на тот момент. Отдельно смотрим долю пойманных сбоев и долю ложных срабатываний по категориям поставок.
5. Приёмка системы прогнозирования. Нагрузочные прогоны, поведение при неполных данных и задержке источника, регламент ручного подтверждения сигнала. Фиксируем пороги, ниже которых система честно воздерживается от прогноза.
6. Передача системы заказчику. Доступы, конфигурация, документация по переобучению, обучение команды и передача дежурства. Дальше — сопровождение по согласованному циклу контроля качества прогноза.

Каждый этап закрывается артефактом, который можно посмотреть и оспорить, — без этого следующий не начинается. Опишите задачу: вернёмся с оценкой и планом по вашим источникам данных.

Комплект поставки: модели, регламенты, мониторинг

Комплект поставки — это не только работающая модель, но и всё, что позволяет службе снабжения пользоваться ей без нас. Исходники, конфигурации, доступы и документацию передаём в ваш контур, без закрытых частей. Ниже — что именно остаётся у заказчика после запуска системы прогнозирования сбоев.

• Настроенные модели по каждой товарной группе — обучены на вашей истории поставок, с зафиксированными метриками качества и рабочим порогом срабатывания.
• Описание признаков модели — какой показатель на что влияет, откуда берётся, как часто обновляется и что делать при пропуске данных в источнике.
• Документация по модели прогноза — схема обучения, порядок переобучения на новых данных, критерии деградации и правила вывода новой версии в работу.
• Оповещения об отклонениях — условия срабатывания, каналы доставки ответственным, приоритеты и защита от ложных сигналов.
• Регламент реакции на сигнал — кто получает оповещение, за какое время подтверждает, какие действия предпринимает и как фиксирует результат.
• Инструкция для службы снабжения — сценарии на типовые ситуации: срыв поставки, задержка на маршруте, скачок спроса, уход поставщика.
• Панель мониторинга — качество прогноза по неделям, доля сработавших сигналов и список текущих рисков по цепочке.
• Журнал обратной связи — отметки о подтверждённых и ложных сигналах, на которых модель дообучается.

Кейс: как сократили простои на складе готовой продукции

У производителя упаковочной продукции простои на складе готовой продукции считались нормой: закупки планировались по средним продажам за прошлые периоды, а всплески спроса и задержки поставщиков в эту картину не попадали. Итог — 30-35 часов простоя линии в месяц, внеплановые закупки по завышенной цене и срывы отгрузок в пиковые недели.

Разбор данных за несколько лет показал, что больше половины сбоев были предсказуемыми. Значимыми оказались задержки по конкретным поставщикам и партиям, транзитное время, сезонность по группам товаров и загрузка линии. Из нескольких десятков сигналов в модель прогнозирования вошли двенадцать — остальные давали шум и ложные срабатывания.

Что изменилось после запуска

Система прогнозирования дефицита сырья, которую на стороне заказчика назвали Прогноз-склад, пересчитывает вероятность дефицита по каждой позиции на горизонте двух-четырёх недель и отдаёт отделу закупок список с приоритетом. Страховой запас подняли только по позициям с высокой вероятностью, а не по всему складу.

Простои сократились с 30-35 до 6-8 часов в месяц, доля внеплановых закупок — с 28% до 6%. Точность прогноза на двухнедельном горизонте держится около 0,8, ложных тревог — единицы на сотню проверок, поэтому диспетчеры не перестали доверять оповещениям.

В эксплуатации модель дообучается на новых поставках, а при падении качества автоматически возвращается прежнее правило закупки. Пороги, версии прогноза и журнал срабатываний лежат рядом с документацией — команда заказчика сама меняет чувствительность, не дожидаясь нас.

Чем отличается раннее предупреждение от прогноза спроса?

Это две разные задачи с разными целевыми переменными. Прогноз спроса отвечает на вопрос «сколько единиц нужно», раннее предупреждение — «чем и когда мы рискуем». Их смешение в одном контуре — частая причина, почему система прогнозирования сбоев выглядит точной в отчётах, но не меняет ни одного решения в закупке.

Разница задач прогнозирования проявляется в горизонте и в моменте, когда результат ещё можно использовать. Прогноз объёма закупки строится за недели до закупочной сессии: он определяет размер заказа, распределение между поставщиками и загрузку склада. Сигнал о риске поставки возникает в другом окне — за считанные дни до ожидаемой отгрузки, и работает только при условии, что реакция на него уже предусмотрена регламентом.

Сигнал о риске поставки — это событие, а не число. Модель оценивает вероятность срыва по конкретной партии: просрочку подтверждения заказа, рост времени обработки на перегрузочном узле, расхождение заявленного и фактического срока. На выходе — не «сколько закупать», а «какую партию и чем подстраховать».

Данные на входе тоже разные. Для планирования объёмов закупки нужны история продаж, сезонность, акции и цены; для раннего предупреждения — статусы заказов, сроки в пути, поведение поставщика в прошлых срывах. И качество измеряется по-разному: в первом случае отклонением от факта, во втором — долей пропущенных срывов при приемлемом уровне ложных тревог.

Практическая связка в том, что предупреждение корректирует прогноз. Если по группе растёт спрос, а по ключевому поставщику висит риск, план закупки пересчитывается: часть объёма уходит на альтернативный источник, часть — в страховой запас. Устойчивость цепи поставок держится не одним точным числом, а двумя контурами на разных горизонтах — один планирует, второй защищает план.

Сомнения по данным, срокам и качеству прогноза

Даже приличная на вид история поставок почти всегда содержит перекосы: всплески закупок под акции, дублирующиеся позиции номенклатуры, разрывы в приёмке и смену правил учёта. Начинаем с аудита — сколько периодов реально покрыто данными, где пропуски и как они распределены по сезону. Если глубина истории меньше двух годовых циклов, модель обучаем на коротком окне и заранее фиксируем, на каких группах товаров прогноз будет слабее — лучше знать это до запуска.

Сроки обычно определяет не обучение, а подготовка данных и согласование интеграции с учётной системой. Выгрузка идёт по расписанию, а не разово: модель, обученная на снимке месячной давности, разваливается на первом же изменении справочников. Поэтому переобучение закладываем в регламент — по накоплению новых подтверждённых случаев и по появлению расхождений между прогнозом и фактом.

Редкие сбои почти не встречаются в истории — модель их вообще увидит?

Увидит как редкий класс, но не за счёт самих фактов сбоя, а за счёт предвестников: рост сроков подтверждения заказа, отклонение фактического времени в пути от планового, смена маршрута, всплеск частичных отгрузок. Порог срабатывания подбираем так, чтобы не утонуть в ложных тревогах на спокойных периодах.

Кто отвечает за данные и как устроена интеграция?

Границу фиксируем письменно: наша сторона — схема обмена, выгрузки, контроль качества и логика переобучения; ваша — доступность учётной системы и корректность справочников. Обмен настраиваем через штатные выгрузки и программные интерфейсы, без ручных файлов — иначе первый же сбой в ручной операции тихо остановит прогноз.

Обсудим вашу цепь поставок и вернёмся с планом

Точная оценка проекта прогнозирования держится не на описании задачи словами, а на данных. Обсудить задачу прогнозирования можно и без выгрузок, но тогда мы вернёмся с широкой вилкой по срокам вместо плана внедрения системы. Ниже — что прислать, чтобы первый разговор с инженерами был предметным.

• выгрузку заказов, поставок и отгрузок за несколько полных циклов — по ней видно сезонность и повторяющиеся сбои;
• справочники номенклатуры, поставщиков, маршрутов и складов в том виде, в каком они живут сейчас;
• журнал сбоев и отклонений: что именно ломалось, когда и чем это заканчивалось;
• текущие правила реагирования — кто и на каком сигнале начинает действовать;
• перечень систем учёта, где лежат эти данные, и способ получить регулярные срезы;
• примеры решений, которые уже принимались вручную и оказались удачными.

Разговор с инженерами — не презентация: мы смотрим данные, уточняем горизонт прогноза, набор предсказываемых событий и допустимую долю ложных срабатываний. Дальше собираем план внедрения по этапам, где качество проверяется на вашей истории до того, как система начнёт влиять на решения.

Опишите задачу и пришлите то, что есть, — вернёмся с оценкой и планом.