Service Background

Модель прогнозирования производства: ML-решение для компании Новые Продукты

Теги:
Business Intelligence (BI)Data Engineering

О проекте

Прогноз, который балансирует спрос и расходы

Группа компаний «Новые Продукты» – один из крупнейших производителей напитков и снеков в Украине, которая более 21 года работает на рынке и входит в Реестр крупнейших налогоплательщиков страны. Компания экспортирует продукцию в 23 страны мира, имеет более 1500 сотрудников и обслуживает более 106 000 торговых точек. Портфель брендов насчитывает более чем 220 позиций, среди которых: SHAKE, NON STOP, PIT BULL, REVO, KING’S BRIDGE, APPS, EAT ME и ПРИРОДНЕ ДЖЕРЕЛО. На предприятии внедрена сертифицированная система управления качеством и безопасностью пищевых продуктов. Также группа ведёт активную благотворительную деятельность.

Проблема клиента

С ростом объёмов производства и расширением рынков сбыта компания столкнулась с рисками дисбаланса спроса и производственных объёмов. Интуитивное планирование приводило либо к перепроизводству, либо к дефициту продукции: оба сценария вызывали финансовые убытки и потерю рыночных возможностей.

Ключевые вызовы:

  • избыточное производство создавало неликвидные остатки и расходы на списание;
  • дефицит продукции приводил к потере объёма продаж;
  • отсутствие прогнозного инструмента усложняло планирование в условиях колебаний спроса;
  • исторические данные продаж имели низкое качество, в частности из-за отсутствия фиксации нулевых остатков;
  • необходимо было сократить потери без ущерба для гибкости производства.

Для решения проблемы компания искала инструмент, который позволил бы прогнозировать объёмы производства с учётом спроса, сезонности и ограничений в данных.

Информация о кейсе

Построили прогнозную модель, которая синхронизирует спрос с производством

  • Инструмент стал частью операционного и стратегического планирования в компании.

  • Наш подход:

  • ​​

    ​​Всё началось с участия в тендере: мы построили первую версию модели на ограниченном наборе признаков, которая, несмотря на простоту, показала самую высокую точность среди всех участников.

    После старта мы сфокусировались на адаптации к реальному бизнесу: провели серию воркшопов с клиентом, сформировали фичи, влияющие на спрос, и протестировали несколько ML-архитектур. В результате внедрили ансамблевую модель с точностью более 80%.

    Сложность возникла из-за незафиксированных нулевых остатков в части торговых точек: система путала отсутствие продаж с отсутствием спроса. Методы аппроксимации исправили эти искажения и существенно улучшили прогноз.

Результаты работы:

  • Мы внедрили прогнозную модель, которая позволяет точнее планировать производство:

  • благодаря ансамблевой ML-модели достигнута точность прогнозирования на уровне 80%;

  • снижены риски перепроизводства и дефицита;

  • скорректированы неточности в данных: учтено отсутствие нулевых остатков;

  • модель помогает определять, сколько и когда производить;

  • создан фундамент для масштабирования на другие товарные категории.

  • Вместо того чтобы реагировать на нехватку или избыток постфактум, компания начала планировать объёмы заблаговременно, перейдя таким образом от реактивного подхода к проактивному управлению производством.

Основные факты о проекте

12 месяцев

Длительность проекта

Средний

Размер проекта

Сложность проекта

Завершён

Статус проекта

Наша команда: Project Manager Data Analyst Data Science Engineer DevOps Engineer

Похожие кейсы

Contact Background

Свяжитесь с нами

Ищете надежного технического партнера? Мы готовы подключиться к вашему проекту на любом этапе – от идеи до запуска.

Информация icon

Информация

Заполните форму, и мы свяжемся с вами для обсуждения проекта.

Адрес icon

Адрес

БЦ Senator, ул. Князей Острожских, 32/2 Киев, Украина, 01010

Телефон icon

Телефон

+38 (044) 334 42 30

Свяжитесь с нами

Добавьте всё, что поможет нам быстрее начать работу.

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.