Отрасль

Дистрибуция и сервис спецтехники

Клиент

Cтроительные машины

Внедрили AI-систему прогнозирования и планирования продаж и закупок запасных частей.
Система анализирует:

○ исторические продажи
○ остатки на складах
○ регламентное потребление
○ карты технического обслуживания
○ справочники применяемости запчастей
○ аналоги деталей
○ ресурс эксплуатации техники

AI-система:

○ прогнозирует потребность в запчастях
○ рассчитывает матрицу склада
○ формирует рекомендации по закупкам
○ помогает синхронизировать продажи, сервис и снабжение
○ выявляет отклонения и аномалии потребления

Для реализации решения:

○ собрали единый контур данных
○ внедрили RAG-архитектуру
○ подключили исторические и нормативные данные
○ разработали AI-инструменты анализа и планирования

Решение

Проблема

Продажи, сервис и закупки работали на разных наборах данных и слабо координировались между собой.
Компания столкнулась со следующими проблемами:

○ дефицит востребованных запчастей
○ избыточные складские остатки
○ несогласованность планов продаж и закупок
○ сложность прогнозирования потребности в запчастях
○ отсутствие единого инструмента планирования

Дополнительную сложность создавали:

○ большое количество номенклатуры
○ аналоги запчастей от разных производителей
○ зависимость потребления от типа техники и регламентов ТО
○ территориальное распределение продаж и сервисного обслуживания

Система собирает исторические и нормативные данные

○ Исторические продажи + остатки, нормативные данные, карты ТО, справочники применяемости

AI анализирует потребление запчастей по типам техники и территориям

○ Data processing pipeline Embedding model bge-m3

Semantic Search ищет релевантные данные и зависимости

○ PostgreSQL + pgvector
semantic search / анализ зависимостей

RAG-пайплайн формирует контекст для прогнозирования

○ RAG-пайплайн

AI рассчитывает прогноз потребления и рекомендации по закупкам

○ LLM
Qwen2.5-32B

Продажи, сервис и закупки работают в едином контуре планирования

○ AI-модуль прогнозирования
○ Рекомендации по закупкам + прогноз потребления, матрица склада

● Повысилась точность планирования закупок

● Снизился объем избыточных складских остатков на 35%

● Улучшился контроль потребления и оборачиваемости запчастей

● Ускорилась подготовка планов закупок

● Продажи, сервис и закупки работают в едином контуре планирования

Технологический стек

Обсудим AI-решение под задачи вашего бизнеса и покажем, как встроить AI в процессы, данные и корпоративные системы:

Стоимость после AI-аудита

Обсудим внедрение AI-систем

○ Аналитику, прогнозирование и подготовку отчетности

○ Обработку документов, данных и операционных задач

○ Интеграцию с CRM, ERP и внутренними сервисами

○ Создание единого AI-контура для развития новых сценариев