إدارة محسّنة للمخزون من خلال التعلم الآلي والذكاء القابل للتنفيذ.
900 ألف دولار
التوفير بسبب التعلم الآلي والذكاء القابل للتنفيذ.
90%
الدقة بعد جولتين من التدريب.
50%
مكاسب الكفاءة لـ FTEs باستخدام نموذج وأدوات ML.

شاهد حلولنا قيد التنفيذ

احصل على أحدث مدونات AA في صندوق الوارد الخاص بك.
شكرًا لك!
عفوًا! حدث خطأ ما أثناء إرسال النموذج.

في لمحة

الذكاء الاصطناعي يحسن عملية الشراء

واجهت إحدى الشركات المصنعة العالمية صعوبة في تلبية الطلب على مجموعة من الأجزاء الضرورية بسبب تأثيرات حقول النص المجانية في عملية طلب الشراء.

ومن خلال تطبيق الأبحاث الدقيقة على تصنيف المنتجات وتنفيذ تحسينات العمليات وتنفيذ التعلم الآلي على البيانات الغنية والمتصلة، قام الحل الناتج بمطابقة الأجزاء المطلوبة مع الكتالوج الرئيسي وبيانات الموردين المعروفة. تتمتع الشركة المصنعة الآن بإمكانية الوصول إلى الذكاء القابل للتنفيذ وتحليلات الإنفاق لتحسين الكفاءة والتوفير، مع تحسن حل التعلم الآلي ومنطق الأعمال بمرور الوقت للحصول على قيمة طويلة الأجل.

الحاجة إلى التغيير

الحقول النصية المجانية المستخدمة لطلب الأجزاء غير المدرجة في المواد الرئيسية للشركة المصنعة جعلت تتبع الطلب على هذه المنتجات والوفاء به وتوقعه أمرًا صعبًا، وأثرت على دقة إعداد التقارير وفي النهاية القدرة على التفاوض على الأسعار. لم تكن الشركة المصنعة متأكدة من حجم المشكلة أو كيفية معالجتها داخل نظامها.

أرادوا أن يفهموا:

  • امتداد وتأثيرات FFT عبر الأعمال
  • الثغرات التفصيلية في المشتريات لمديري الفئات
  • التأثير الشامل على الإنفاق

أهداف المشروع

  • افهم تكلفة الأخطاء وفروق الأسعار الناتجة عن مدخلات النص الحر.
  • احصل على طلب العملاء من خلال ضمان تسعير المنتج وتوافره.
  • قم بتحسين المدخرات والتفاوض على أفضل الأسعار من الموردين.
  • قم بتطبيق التعلم الآلي من أجل التشغيل الآلي الذكي.

التشغيل الآلي للتعلم الذكي من أجل التصنيف والترتيب بشكل أسرع

طبقت Aligned Automation بحثًا عميقًا عن المنتجات واستخرجت تصنيفًا تفصيليًا، وعملت مع الشركة المصنعة لتصنيف المنتجات وتطوير منطق الأعمال. تم إدراج مكتبة خوارزمية AI/ML في المادة الرئيسية لاستخراج أرقام الأجزاء والتحقق من أوجه التشابه والتوصية في النهاية بأفضل التطابقات. أدى ذلك إلى محرك PartExtraction مع القدرة على التعلم والارتجال باستمرار.

باستخدام معالجة اللغة الطبيعية، يقوم محرك استخراج الأجزاء «بقراءة» الأوصاف النصية القصيرة والطويلة ذات النماذج الحرة، ومطابقة الأجزاء المطلوبة مع تلك الموجودة في المادة الرئيسية وكذلك مع بيانات المورد المتصلة. باستخدام هذا التثليث القائم على التعلم الآلي، يمكن اكتشاف الجزء الصحيح وطلبه تلقائيًا بأفضل سعر ممكن.

وفورات وكفاءات محسّنة على المدى الطويل

في 90٪ من الحالات، كان محرك ML قادرًا على تحديد الجزء من FFT بشكل صحيح، والتحقق من المخزون والتسعير مع الموردين، وإضافة العنصر إلى المادة الرئيسية والطلب. تم تخفيض الجهد اليدوي بنسبة 50٪، مع التحسين المستمر للسرعة والجودة.

استخدم الفريق البيانات لإنشاء لوحة معلومات التقارير الشهرية لتتبع طلبات FFT والإنفاق. يمكن للشركة المصنعة تسجيل الإنفاق والتأكد من قدرة مديري الفئات على التحكم في الحجم الكامل لطلب العملاء، مع تحرير الموظفين للعمل ذي القيمة الأعلى.

من خلال تقارير الإنفاق الدقيقة والذكاء القابل للتنفيذ، يمكن للشركة التنبؤ بشكل أفضل باحتياجات العملاء والتفاوض باستمرار مع مصنعي المعدات الأصلية والبائعين. بمرور الوقت، سيصبح حل التعلم الآلي ومنطق الأعمال أسرع وأكثر فعالية في المحاسبة في مجال FFT، مما يؤدي إلى توفير القيمة على المدى الطويل.

شهدت جميع الفئات الثلاث التي طبقت فيها Aligned Automation التعلم الآلي تحسين الآلاف من مثيلات النص الحر، مما أدى إلى توفير ما يقرب من 900 ألف دولار.

Transform Your Ideas into Powerful Digital Solutions

Build scalable, secure apps that drive innovation and growth.