Система автоматического заказа товаров на основе предиктивной аналитики

Заказчик:

Кофемания

Руководитель проекта со стороны заказчика

Николай Галкин

Директор Департамента Информационных Технологий

Год завершения проекта

2026

Сроки выполнения проекта

октябрь, 2025 — октябрь, 2026

Масштаб проекта

150 автоматизированных рабочих мест

Цели

1. Минимизация списаний заказанных ингредиентов и полуфабрикатов в сети ресторанов Кофемания

2. Минимизация попаданий блюд и напитков в стоп-лист

3. Снижение нагрузки на Шеф-поваров и Управляющих

4. Снижение рисков от использования ПО

Результаты

1. Реализован прогноз продаж с использованием методов машинного обучения.

2. Система прогнозирования поддерживает множество моделей и позволяет их сравнивать и изменять их использование

3. Реализован пользовательский интерфейс для работы поваров и товароведов ресторанов

4. Реализован автоматический расчёт необходимых к заказу ингредиентов и полуфабрикатов, производимых на производстве и экспорт в IIKO

Уникальность проекта

1. При прогнозировании используются методы ИИ машинного обучения, позволяющие учитывать влияние множества факторов: ресторан, дни недели, типы номенклатуры, категории блюд и напитков, государственные и негосударственные праздники, маркетинговые активности Компании

2. Обучение модели и расчёт прогноза производится на локальных мощностях для предотвращения риски утечки информации.

Использованное ПО

1. СУБД PostgreSQL

2. Data Build Tool + DVautomate

3. Python + Autogluon

4. FineBI

5. ESB Factor

6. Самописное ПО на ASP.NET

7. IIKO

Сложность реализации

1. Освоение технологий прогнозирования с нуля

2. Необходимость учесть и обобщить в продукте проекта замену множества решений для покрытия различных веток процесса

3. Невозможность объективно сравнить качество прогнозирования с существующим решением

Описание проекта

Проект выполнялся в три этапа

· Реализация системы прогнозирования

· Реализация прикладного ПО

· Внедрение в ресторанах

Реализация системы прогнозирования производилась итеративно:

1. Выбор модели для реализации

2. Разработка

3. Оценка качества прогноза

Оценка качества прогноза производилась по методике:

1.       Каждый день рассчитывался прогноз на следующие 3 дня
2.       Каждый день сохранялись фактические продажи
3.       Статистика накапливалась в течение 3-4 недель.
4.       Качество прогноза производилась по методу MAPE

Для оценки и сравнения моделей использовался специальный дашборд на FineBI.

Используемая модель была выбрана с 5й попытки. Модель обеспечивает качество в среднем 7,5% MAPE, не требует ресурсов для её постоянной настройки.

Реализация прикладного ПО

Прикладное ПО использует в качестве входной информации

1. Настройки: места приготовления, группы заказа, кратность (из IIKO) и другие

2. Витрины DWH: прогноз продаж, потребность в ингредиентах, текущие остатки

Реализованы функции:

1. Просмотр и печатная форма потребности в конечных ингредиентах для поваров

2. Просмотр и печатная форма потребности в полуфабрикатах для заготовки в ресторанах в начале рабочего дня.

3. Автоматический расчёт заказа на покупку

4. Корректировка заказа на покупку и экспорт в IIKO

География проекта

Все рестораны Кофемании

Дополнительные презентации:

Sistema_avtomaticheskogo_zakaza_tovarov.pdf