Искусственный интеллект, каким бы целям он не служил — всегда связан с данными. ИИ обучается на датасете — коллекции логических сведений о том или ином предмете.

Таким образом, работа на предприятии заказчика всегда начинается с «генеральной уборки»: наши эксперты совместно с представителями заказчика приводят данные к единообразию, дополняют пробелы информации, отсекают лишнее и создают логику хранения. Уже одно это немаловажный фактор эффективности предприятия.

Далее под запрос заказчика разрабатываются сервисы с машинным обучением (ML, Machine learning), которые могут делать такие предсказания, как:

• прогнозирование спроса, вплоть до состава заказа;
• планирование загрузки оборудования;
• необходимая потребность в сырье;
• соответствие графику производства;
• рекомендации по продукту для конкретного заказчика;
• расчет потенциальной стоимости заказа по определенным параметрам.

Мы начинаем с аудита текущих процессов, определяем качество данных и «узкие места». На втором этапе совместно с заказчиком в ходе обсуждения фиксируем, каких бизнес-целей необходимо достичь благодаря внедрению ИИ и на какие метрики ориентироваться. Третий этап: презентация отчета с рекомендациями.

В результате заказчик получает готовые ML-модели, которые может внедрить в процессы предприятия с помощью нашей команды или других экспертов ИИ.
Наша особенность — пул собственных решений, которые ускоряют разработку. Среди них системы:

• DataHub (автоматизация сбора и подготовки данных для анализа)
• Conveyor (решение прикладных задач с применением ИИ)
• Fractal (платформа для ML-задач полного цикла: сбор датасетов, обучение, развертывание и запуск моделей)

Также среди преимуществ: гибкая настройка под нишевые отрасли, кастомизация решения под заказчика, полностью российская разработка.

Мы создали ряд продуктов для компании Danaflex — крупнейшего производителя гибкой упаковки и пленок в РФ.

Среди целей, обозначенных перед аудитом, значились такие метрики: лучше качество клиентского сервиса, меньше издержек производства.

Мы разработали и внедрили:

• цифровую платформу предиктивной аналитики
• аналитические сервисы на основе ИИ для производства гибкой упаковки
• комплект проектной и эксплуатационной документации по ГОСТ при учете требований РФРИТ

В результате в два раза сократилось время расчета плановой даты поставки; доля заказов, выполненных в срок, повысилась с 78% до 93%. Доля заказов, которые спрогнозировал ИИ и они действительно были сформированы и выполнены, составила 63%.