Система планирования производства

Сфера : Производство

Группа «Черкизово» — один из крупнейших производителей мясной продукции в России. Компания выпускает охлаждённое мясо птицы и свинины, колбасные изделия, полуфабрикаты и деликатесы под более чем десятью брендами, среди которых «Черкизово», «Петелинка», «Пава-Пава» и Casademont. Совокупный ассортимент группы превышает 3500 товарных позиций — продукция представлена во всех федеральных торговых сетях страны.

Задача

Заменить ручное планирование производства на ML-модель, которая точно предсказывает спрос по 3500+ SKU на 6 месяцев вперёд.

Процесс внедрения ИИ

Сбор и консолидация данных

Данные о отгрузках из разных систем и дивизионов свели в единый датасет, очистили и подготовили для обучения модели.

Обогащение внешними факторами

К истории отгрузок добавили промо-календари сетей, погоду, динамику цен на сырьё и эпизоотическую обстановку.

Разработка и отбор модели

Протестировали несколько алгоритмов — финальная модель прогнозирует спрос на уровне каждого SKU с учётом сезонности, эластичности и конкуренции внутри портфеля.

Интеграция в бизнес-процессы

Систему встроили в BI-среду компании: прогноз на 26 недель доступен в привычном интерфейсе без перехода в новые инструменты.

Результаты клиента в процессе внедрения ИИ

Рост выручки с ИИ

Рост выручки без ИИ

"по данным McKinsey & Company"

+19% к точности прогноза — показатель вырос до 91% против прежнего метода на основе скользящего среднего

−28% списаний по истечении срока годности за счёт точного планирования объёмов производства и логистики

Сотни миллионов рублей экономического эффекта в год по оценке заказчика — за счёт снижения потерь и сокращения дефицита на полках

Подробнее про решение

Insight AI разработали систему предиктивной аналитики на базе машинного обучения, которая прогнозирует спрос по каждой товарной позиции с детализацией по неделям на горизонте до 6 месяцев. Модель анализирует многолетнюю историю отгрузок в совокупности с десятками внешних факторов — от промо-акций торговых сетей до погодных условий и православного календаря, влияющего на структуру потребления. Для каждого SKU система выявляет свои ключевые драйверы: одни позиции чувствительны к сезону, другие — к глубине скидки, третьи — к конкуренции внутри портфеля. Решение прошло валидацию на исторических периодах и было интегрировано в BI-среду заказчика, что позволило отделам планирования и продаж работать с прогнозом без смены инструментов. Проект реализован за 5 месяцев — от сбора данных до запуска в промышленную эксплуатацию.