Группа компаний «СМИТ» — сеть гипермаркетов по продаже товаров для стройки и ремонта. Работает в Республике Бурятия. На рынке 25 лет. Предприятие имеет магазины площадью более 10 000 м², в которых представлено 30 000 сертифицированных строительных материалов от поставщиков. В штате около 600 человек. 

Рассказываем, почему «СМИТ» понадобилось оцифровать логистику и к каким результатам это приведёт. 

Проблема

Рост строительного рынка привёл к увеличению числа заказов на доставку товаров. 

Отдел логистики «СМИТ» вручную формирует комплектацию машин и строит маршруты. В них не учитываются: 

• пробки,
• равноудалённость,
• расход ГСМ.

Это приводит к тому, что для соблюдения сроков доставки компании приходится привлекать дополнительный транспорт. Расходы на ГСМ растут, а рентабельность перевозок снижается. 

Решение

Автоматизировать процесс с помощью искусственного интеллекта и машинного обучения. 

Технологии

AI-модель, которая:

• учитывает множество параметров при загрузке автомобилей (товарное соседство, размещение стройматериалов на разных складах, габариты машины и продукции, хрупкость, желаемое время доставки, очерёдность и прочее);
• формирует планы доставки и загрузку автомобилей;
• выстраивает оптимальный маршрут, учитывая ситуацию на дорогах;
• прогнозирует сроки доставки. 

Сложности

Во время подготовки к пилотному проекту компания столкнулась с рядом проблем. 

• Некоторых параметров стройматериалов не было в цифровом виде. Например, это касалось габаритов упаковки и товарного соседства. Специалистам компании пришлось обогащать характеристики товаров в учётной системе. 
• Данные собирались из разных источников. ИТ-команда унифицировала их и разработала систему сбора информации. 
• Регламент работы автомобилей (график технического обслуживания и т. д.) был не оцифрован. Для этого соответствующую информацию о каждом транспортном средстве внесли в учётные системы компании.  

Этапы работы

• Январь — март 2023 года. Начался поиск решения по оптимизации логистики. Были сформированы требования к первичной информации для обучения AI-модели.
• Апрель — июнь 2023 года. Компания обогатила учётную систему данными с  характеристиками товаров и автомобилей.
• Июль — август 2023 года. Команда экспертов проанализировала достаточность данных для обучения модели и подготовилась к пилотному проекту.
• Сентябрь 2023 года. Старт пилотного проекта, обучение AI-модели.
• Март 2024 года. Подведение итогов пилотного проекта и принятие решения о запуске в промышленную эксплуатацию. 

Результаты

В ходе пилотного проекта удалось:

• сократить общий километраж всего автопарка на 25% и время работы автомобилей на 10%;
• уменьшить загрузку специалистов отдела логистики, которые перестали формировать маршруты вручную;
• увеличить рентабельность службы доставки;
• повысить лояльность клиентов, так как при формировании рейсов учитываются пожелания покупателей по времени доставки;
• масштабировать бизнес без найма дополнительного персонала.

Следующие шаги

После проведения пилотного проекта компания намерена масштабировать AI-решение и запустить его в промышленную эксплуатацию. 

• СберПро Медиа теперь можно читать в «Телеграме» и «Дзене». Чтобы быть в курсе важных трендов, свежих кейсов лидеров бизнеса и мнений ведущих экспертов, следите за нами в телеграм-канале. Развитие навыков управления, личностный рост, актуальные подходы в маркетинге, новинки бизнес-литературы — эти темы мы подробно рассматриваем в «Дзене».