Предлагаем рассмотреть примеры разработок IFS с использованием искусственного интеллекта, реализованные в ERP-решении IFS Applications.
Использование технологий искусственного интеллекта (ИИ) для специалистов IFS всегда было средством создания улучшенных и удобных для клиента решений. Благодаря технологиям ИИ пользователи продуктов IFS становятся более продуктивными при меньших трудозатратах.
Основные направления вложений IFS в ИИ следующие:
- Взаимодействие человека и компьютера
Реализуется в разработке и усовершенствовании виртуальных собеседников (чат-ботов) по двум направлениям: взаимодействие внешнего пользователя (клиента) с компанией и взаимодействие внутреннего пользователя с ERP. В соответствии с такой стратегией специалисты IFS разработали и запускают на рынок 2 продукта: IFS Customer Engagement – решение для контакт-центров и IFS Aurena Bot – чат-бот, интегрированный с популярными мессенджерами для активного взаимодействия пользователей IFS с ERP-решением IFS Applications и друг с другом.
- Планово-предупредительные ремонты и прогнозное техническое обслуживание
Массивы данных и передовые средства анализа данных – технологии, лежащие в основе прогнозирования и развивающиеся быстрыми темпами. IFS в качестве направлений их применения выбрала планово-предупредительные ремонты и прогнозное техническое обслуживание. При этом, задействуются данные, получаемые с помощью технологии Интернет вещей и машинного обучения, позволяя в итоге прогнозировать неисправности и потребности в сервисном обслуживании.
Традиционно техническое обслуживание и ремонт многих основных фондов осуществлялись на основе календарных планов базового технического обслуживания. Некоторые прогрессивные отрасли уже давно используют метод обслуживания оборудования по состоянию; с недавних пор им в этом активно помогает технология Интернета вещей. Датчики, установленные на оборудовании и включенные в сеть Интернета вещей, собирают большое количество данных о работе и состоянии оборудования, на котором они установлены, позволяя составлять более точные планы ремонтов.
В этой связи IFS предлагает решение IFS Интернет вещей в бизнес-процессах (IFS IoT Business Connector), позволяющее использовать возможности машинного обучения для разработки алгоритмов и моделей под определенные пользовательские сценарии или решения IFS. Кроме того, данное решение содержит точки интеграции для связи со сторонними инструментами обнаружения, которые зачастую предоставляются разработчиком оборудования.
- Автоматизация
ERP-система IFS Applications позволяет автоматизировать большинство операций предприятия, и тем не менее, определенное количество процессов все еще осуществляется вручную. Специалисты IFS проводят автоматизацию более мелких процессов с помощью специально разработанных бизнес-правил. Однако, у них есть недостатки – ограничение по сложности, неизменяемость в динамическом режиме. Решить эти задачи помогает использование искусственного интеллекта для создания самообучающейся модели, позволяющей автоматически подстраиваться под развивающиеся данные.
В этом контексте специалисты IFS сосредоточили усилия на 3 направлениях автоматизации:
3.1. Обнаружение отклонений от нормального состояния
Суть этого процесса в автоматическом оповещении пользователя и привлечении его внимания к повторяющимся событиям, которые иначе он бы не заметил быстро. К примеру, создается список из 5 счетов-фактур, которые вероятнее всего не будут оплачены в срок, либо список из 10 наряд-заказов, по которым существует высокий риск невыполнения. Таким образом, система осуществляет управление огромным количеством данных и обнаруживает повторяющиеся события, которые человеку отследить тяжело.
3.2. Разовая операция
Следующий шаг – автоматизация управления единичной операцией или единоличного принятия решений. С помощью алгоритмов обнаружения повторяющихся шаблонов поведения можно начать автоматизацию принятия решений на основе критерия вероятности их правильности.
Поначалу варианты решений будут носить рекомендательный характер. В дальнейшем, качество принятых решений будет повышаться, данные алгоритма будут уточняться и уровень доверия к нему повысится, создав основу для массовой автоматизации принятия решений.
Рассмотрим пример с согласованием расходов. В момент, когда работник передает свой отчет о произведенных расходах, применяется модель машинного обучения, прогнозирующая степень правильности составленного отчета, автоматизируя таким образом его утверждение или передачу менеджеру.
3.3. Оптимизация
Это работа со сложной ситуацией содержащей множество переменных и ресурсов, в результате которой создается оптимальная стратегия для принятия множества решений. Охватывает множество направлений и процессов, от цепочки поставок до производства и выездного обслуживания.
Готовым примером служит IFS Планировщик проектов (IFS Planning and Scheduling), за последние 12 лет активно использующий возможности ИИ, в частности, нейронные сети, для создания оптимального графика работ выездных технических специалистов.
Для наглядного сравнения вспомним, что среднестатистический график выездного обслуживания компании содержит 10179 вариантов развития событий, что больше чем в шахматной партии (10128). Последние разработки IFS помогают спланировать 100 000 мероприятий для 10 000 человек персонала, что физически не под силу человеку.
В заключение отметим, что сферы применения искусственного интеллекта многочисленны и команда IFS сосредоточилась на тех из них, которые упростят ежедневные операции конечных пользователей и сделают их работу более продуктивной.
Источник: 3 AI INVESTMENTS IFS IS FOCUSING ON- IFS Blog
