27«Новые импульсы развития: вопросы научных исследований» УДК 338.2
Нечаева Полина Александровна Nechaeva Polina Aleksandrovna
К.э.н., доцент кафедры менеджмента Сandidate of economic sciences, docent of management department Казанский инновационный университет им. В.Г. Тимирясова Kazan innovative university named after V.G. Timiryasov
ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ УПРАВЛЕНИИ СНАБЖЕНИЕМ АВТОМОБИЛЕСТРОИТЕЛЬНОГО
ПРЕДПРИЯТИЯ
ARTIFICIAL INTELLIGENCE APPLICATION IN AUTOMOTIVE
SUPPLY MANAGEMENT
Аннотация: Грамотное управление снабжением автомобилестроительной компании является основной задачей для эффективного функционирования предприятия в целом. Применение искусственного интеллекта в современном мире помогает компаниям организовать работу сложных систем в условиях неопределенности. В статье предложена экспертная система управления снабжением, в частности процессом управления заявками, как составной частью системы в целом, позволяющая в значительной степени сократить временные ресурсы и высвободить сотрудников предприятия для решения более весомых задач.
Abstract: Competent supply management of an automotive company is the main task for the effective functioning of the enterprise as a whole. The use of artificial intelligence in the modern world helps companies organize the work of complex systems in an environment of uncertainty. The article proposes an expert supply management system, in particular, the application management process, as an integral part of the system as a whole, which allows to significantly reduce time resources and free up employees of the enterprise to solve more significant tasks.
Ключевые слова: экспертная система, снабжение, управление закупками, управление заявками, автомобилестроительная компания.
Key words: expert system, procurement, procurement management, application management, automotive company.
VII Международная научно-практическая конференция
Сложившаяся ситуация в мире, вызванная пандемией COVID-19,
обнажила проблемы снабжения промышленных предприятий, связанные с управлением поставщиками и управлением закупками.
Все больше предприятия автомобилестроительной отрасли сталкиваются с огромным массивом данных, идущих по четырем информационным потокам. Первый информационный поток исходит от автомобилестроительной компании к поставщику и включает нужды предприятия в материальных ресурсах производственного назначения. Второй поток включает информацию о поставках, необходимую другим структурным подразделениям компании. Он может включать разнообразную информацию о ценах на закупаемые предметы снабжения, количестве поставщиков на рынке, прогнозных оценках количества закупок и многое другое. Третий поток информации следует от поставщика предметов снабжения к службе поставок автомобилестроительного предприятия и включает стоимость предметов снабжения, условия поставки, стоимость транспортировки. Четвертый поток информации идет от службы снабжения предприятия к поставщику и содержит требования к поставляемым ресурсам производственного значения. Эти ресурсы имеют свою специфику и отличаются по весу, объему, габаритным размерам и другим характеристикам, в связи с чем усложняется обработка получаемой информации.
Все сложнее управлять таким емким массивом данных, поэтому количество автомобилестроительных предприятий, использующих искусственный интеллект (ИИ), увеличивается с каждым годом.
Мировые гиганты - операторы баз данных (SAP, Microsoft Oracle или IBM) интегрировали ИИ в свои коммерческие предложения. К ним присоединились издатели ПО для транспорта и логистики (Acteos, Akanea, Infor, Manhattan Associates, OMP / GPI Xyric и Cofisift/Xyric) [1].
Нейронные сети находят свое применение в таких разнородных областях, как моделирование, анализ временных рядов, распознавание образов, обработка сигналов и управление благодаря одному важному свойству - способности
«Новые импульсы развития: вопросы научных исследований» обучаться на основе данных при участии учителя или без его вмешательства [2,
С. 22].
Проанализировав автоматизированные системы управления и системы ИИ, можно сделать вывод, что вторые являются наиболее гибкими, более подходящими для работы в условиях неопределенности, связанных с поставками.
Сравнительная характеристика систем ИИ и автоматизированных систем в логистике снабжения представлена в таблице 1.
Таблица 1. Сравнительная характеристика систем ИИ и автоматизированных систем в логистике снабжения
Системы ИИ Автоматизированные
Основные системы
характеристики
Гибкость + -
Самоорганизация + -
Знания + -
Обучение + -
Стабильная среда - +
Повторяемость - +
Иерархическая структура - +
Способность строить + -
предположения
ИИ в автомобилестроительной компании может помочь в решении многих вопросов, возникающих при управлении снабжением, в частности в управлении закупками.
В рамках данной статьи на базе ИИ предложено создание экспертной системы (ЭС) управления заявками, инициирующими функционал управления закупками, для ПАО «КАМАЗ».
ПАО «КАМАЗ» - крупнейший производитель тяжелых грузовых автомобилей в России. Уставный капитал «КАМАЗа» составляет 35,36 млрд. рублей. Самые крупные пакеты акций принадлежат государству и коммерческим банкам [3].
VII Международная научно-практическая конференция
ПАО «КАМАЗ» располагается на территории г. Набережные Челны
Республики Татарстан (РТ). Машиностроение занимает 72% в данном регионе, а город Набережные Челны является моногородом.
На начало января 2018 года на Автомобильном заводе «КАМАЗа» собрано более 2 млн. 240 тысяч готовых автомобилей с начала выпуска [3].
ЭС применяются в сочетании с базами данных для обеспечения распознавания образов по такому же принципу, как это делает человек, и с автоматизированными системами принятия решений для обеспечения выявления знаний с помощью анализа скрытых закономерностей в данных и создания таким образом интеллектуальной базы данных [4, С. 32].
Структура любой ЭС включает базу знаний (БЗ) и машину логического вывода (МЛВ).
Структурная схема экспертной системы управления заявками для ПАО «КАМАЗ» имеет вид:
Рис. 1. Структурная схема экспертной системы управления заявками ПАО «КАМАЗ»
ПАО «КАМАЗ» имеет большое количество поставщиков по всему миру и работает с огромным количеством поступающих заявок, что осложняет процесс
«Новые импульсы развития: вопросы научных исследований» управления данными. К каждому поставщику предъявляются достаточно
высокие требования, согласно которым на предприятие поступает большое
количество информации, на анализ которой тратятся значительные временные и
человеческие ресурсы.
К таким требованиям относят [3]:
- правоспособность;
- соответствие требованиям, установленным законодательством РФ к лицам, осуществляющим поставки товаров, являющихся предметом закупки;
- потенциальный поставщик должен являться производителем, официальным представителем производителя, либо дилером;
- потенциальный поставщик не должен быть связан с другими участниками закупки.
Благодаря ЭС управления заявками данные будут обрабатываться автоматически, и система будет накапливать опыт и запоминать причины отказа от заявок.
Данные от поставщиков через интерфейс ЭС переходят в МЛВ, меняющую базу данных поступающих заявок, после чего заполняется рабочая память системы. Подсистема объяснений меняет базу знаний путем анализа полученных данных.
Анализируемая заявка (АЗ) поддается воздействию ЭС, происходит ранжирование заявок, и система выдает результат: подходит или нет данная заявка под требования ПАО «КАМАЗ». В случае неудовлетворения требований, информация перемещается в подсистему выбора заявки, которая основывается на знаниях. Далее ЭС помогает лицу, принимающему решение (ЛПР), либо проанализировать заявку согласно установленным требованиям ПАО «КАМАЗ», либо увидеть причину, по которой данная заявка была отклонена.
При последующих проверках ЭС предложит проверить подобные заявки по конкретным требованиям из полного перечня, что существенно сэкономит время.
VII Международная научно-практическая конференция
Таким образом, ИИ может помочь автомобилестроительным компаниям
автоматически обрабатывать полученные заявки, сократить количество рутинных действий и ошибок, основанных на человеческом факторе, высвободить время персонала для решения более значимых для компании задач. Возможно, внедрение подобной ЭС потребует значительных вложений от компании, но, очевидно, что они будут оправданы.
Библиографический список:
1. Искусственный интеллект проникает в сферу логистики и грузовых автоперевозок [Электронный ресурс], 2019. - Режим доступа: http://truckandroad.ru/business/iskusstvennyj-intellekt-pronikaet-v-sferu-logistiki-i-gruzovyh-avtoperevozok.html (дата обращения 27.12.2020 г.)
2. Хайкин, Саймон. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. - М.: Издательский дом «Вильямс», 2006. - 1104 с.
3. Официальный сайт ПАО «КАМАЗ» [Электронный ресурс]. - Режим доступа: О компании (kamaz.ru) (дата обращения 28.12.2020 г.)
4. Джарратано, Джозеф, Райли, Гари. Экспертные системы: принципы разработки и программирование, 4-е издание.: Пер. с англ. — М.: ООО «И.Д. Вильямс», 2007. — 1152 с.
