🇨🇿 CS
přesnost modelu
délka výpočtu odhadu ceny
lidé - úspora na lidských zdrojích
Představte si, že vyrábíte ekologicky udržitelné obaly. Dodáváte široký sortiment produktů velké řadě dlouhodobě spokojených klientů. Poptávky se jen hrnou. Ale převis poptávek nemusí nutně být jen pozitivem. Zpracovat tolik nabídek najednou zabírá příliš mnoho času. Zákazníci jsou den ode dne netrpělivější a vaši zaměstnanci se dostávají pod tlak. Mohla by to vyřešit umělá inteligence? Přečtěte si, jak Gauss Algorithmic pomohli společnosti THIMM Obaly výrazně zredukovat náročnost i délku procesu tvorby cenových nabídek.
Ve světě průmyslu se každá minuta počítá. To samozřejmě platí i pro společnost THIMM, která se se svými 12 pobočkami v 5 zemích řadí mezi evropské lídry v oblasti obalových řešení. Společnost neustále investuje do automatizace a digitalizace výroby a k výrobě obalů využívá nejmodernější technologie jako jsou digitální tisk nebo laserový výsek. Jednou z výzev představovala tvorba cenových nabídek. Bylo zapotřebí zkoordinovat spolupráci tří oddělení – obchodu, vývoje a kontroly kvality. Příprava jedné nabídky tak mohla trvat vícero dní a klienti ne vždy vydrželi tak dlouho čekat. Proto nastal čas na radikální změnu, která celý prodejní proces výrazně zefektivní.
Nápad využít ve firmě umělou inteligenci se zrodil během konverzace mezi vedoucím IT společnosti – Tomášem Kumherou – a jednatelem firmy – Martinem Hejlem. Bavili se o tom, jak před lety jednoduše odhadovali náklady na výrobu krabic pomocí základních výpočtů nad parametry poptávaných krabic. V tom Tomáši Kumherovi došlo, že by tento přístup mohli pomocí moderních metod a umělé inteligence replikovat a zefektivnit tak zdlouhavý proces odhadu nákladů na výrobu.
Potenciál umělé inteligence si Tomáš Kumhera uvědomil na webináři pro Česko-německou obchodní komoru, kde Gauss Algorithmic prezentovali úspěšné příklady využití AI v průmyslu. Slovo dalo slovo a cíl spolupráce byl jasný: transformovat nabídkový proces pomocí efektivního, rychlého a přesného systému.
Během sběru produkčních dat se často objevují nové typy hodnot. To je způsobeno například zaváděním nových strojů a technologií, které se poté zapisují do databáze. Některé starší hodnoty naopak postupem času vypadávají. AI modely jsou obecně citlivé na množství dat, ze kterých se trénují. Pokud jich není dostatek, nemusí být možné vytvořit kvalitní predikční model. V takovém případě je nutné rozhodnout, že nebude používán pro některé vstupy, a počká se, až se v budoucnu nasbírá dostatečné množství nových dat vhodných pro danou problematiku.
Tým Gauss Algorithmic je schopen provést prvotní analýzy dat a doporučit klientovi, co je vhodné ukládat do databáze, pokud to dosud nedělá. Také lze doporučit, jaké další informace je třeba ukládat oproti současnému stavu a následně vyhodnotit, jak dlouho bude trvat, než bude k dispozici dostatečné množství vstupů pro trénink AI modelu.
V případě společnosti THIMM již existoval bohatý archiv dlouhodobě a systematicky shromažďovaných dat. Výzvou však bylo rozluštit, která data jsou pro vytvoření přesného prediktivního modelu klíčová. Datový tým Gauss Algorithmic se tak pustil do práce. Čekalo je nejen hledání skrytých souvislostí, ale i testování různých kombinací datasetů.
„Pracovali jsme s obrovským množstvím dat. Naším úkolem bylo určit jaká data potřebujeme a otestovat, jestli jsou pro dosažení společného cíle dostatečná."
- Jiří Hroza, Data scientist Gauss Algorithmic
Tým Gauss Algorithmic zvolil dvojí přístup: neuronové sítě a boostované stromy (XGBoost). Po důkladném testování se ukázalo, že rozhodovací stromy nabízejí stejnou přesnost, ale při výrazně vyšší rychlosti.
„Rozhodli jsme se pro rozhodovací stromy. Oba modely fungovaly, ale stromy byly rychlejší. To je pro predikce v reálném čase klíčové – obchodník může zpracovat cenovou nabídku například ještě během schůzky s klientem."
- Jiří Polcar, CTO Gauss Algorithmic
Zajímavým zjištěním bylo, že typ krabice, který byl obecně považován za zásadní faktor pro predikci nákladů, se ukázal jako méně významný. Ovlivňoval totiž náklady na výrobu výrazně méně než kvalita použitého materiálu. Toto zjištění podtrhuje důležitost datově řízeného přístupu oproti intuici.
Tým Gauss Algorithmic vyvinul kompletní aplikaci včetně webového rozhraní a backendu. Do řešení byla integrována i data z hotových nabídek, čímž vzniklo holistické řešení přesahující samotnou predikci. Uživatel má nad rámec velmi přesné predikce nákladů možnost porovnat odhad s podobnými, již vyrobenými, a tedy na korunu přesně spočítanými nabídkami. Systém také zohledňuje dynamické změny nákladů na suroviny.
„Do modelu vstupují aktuální náklady na papír, inkoust a další suroviny. Tato data posíláme týmu Gauss Algorithmic v reálném čase, což zajišťuje, že predikce vždy pracuje s aktuálními daty."
- Tomáš Kumhera, vedoucí oddělení IT společnosti THIMM
Tým Gauss Algorithmic se nezaměřil pouze na technickou stránku řešení. Značnou pozornost věnoval i přehlednému uživatelskému rozhraní. Cílem bylo vytvořit rychlou, intuitivní a snadno použitelnou aplikaci pro její uživatele.
Výsledkem tak bylo rozhraní, které umožňuje uživatelům plně využít potenciál AI modelu – bez nutnosti složitého zaškolení. Vše je postavené na požadavcích koncových uživatelů a reálných situacích, ve kterých budou produkt používat. Díky tomu vzniklo praktické rozhraní, které lze do budoucna rozšiřovat o další funkcionality.
„V dnešní dynamické době naši zákazníci očekávají, že své nabídky dostanou bez zbytečných prodlev. Implementace AI modelu pro vytváření cenových nabídek nám tak přinesla zásadní zvýšení efektivity a rychlosti. AI model přispěl i k tomu, že se naši vývojáři a technologové mohou soustředit na inovace a kreativitu, místo aby trávili čas rutinními úkoly. Tento posun nám otevírá nové možnosti a přispívá k dalšímu růstu naší společnosti.”
- Martin Hejl, jednatel společnosti THIMM
Výsledky, které mluví samy za sebe
Po šesti měsících intenzivní práce dosáhl projekt skvělých výsledků:
„Model jsme naučili na 90 % dat a testovali na zbývajících 10 %, s nimiž model nikdy nepřišel do styku. Ukázalo se, že dosahujeme 96% přesnosti, což je vynikající výsledek."
- Jiří Hroza, Data scientist Gauss Algorithmic
Tato případová studie demonstruje sílu umělé inteligence v transformaci tradičních průmyslových procesů. Efektivně řeší původní výzvy a díky pečlivé práci s daty, expertní znalosti strojového učení a úzké spolupráci s interními týmy společnosti THIMM otevírá dveře novým možnostem využití AI v celém závodě. Projekt je jasným důkazem, že správně implementovaná AI může přinést revoluční změny, a to i v tradičnějších odvětvích průmyslu.
„Tento projekt ukazuje, že úspěšná implementace AI není jen o vytvoření modelu. Je to o pochopení problému, analýze dat a vytvoření komplexního řešení, které skutečně zlepší způsob, jakým firmy pracují. Pro THIMM to znamená nejen úsporu času a zdrojů, ale také schopnost reagovat na požadavky zákazníků rychleji než kdy předtím."
- Johnson Darkwah, CEO Gauss Algorithmic
THIMM is a major provider of packaging and distribution solutions in the EU
