- О компании
- Решения
-
Услуги
- Комплексная автоматизация и роботизация складов
- Автоматизация ритейла
- Разработка и внедрение 1С
- 1С:Управление торговлей
- Аренда программ 1С (1С:Фреш)
- Внедрение ERP
- Автоматизация складской логистики с «1С:WMS»
- Разработка компьютерного зрения
- Big Data и искусственный интеллект
- Разработка мобильных приложений и веб-сервисов
- 1С ИТС
- Консалтинг
- Проекты
- Контакты
- О компании
- Решения
-
Услуги
- Комплексная автоматизация и роботизация складов
- Автоматизация ритейла
- Разработка и внедрение 1С
- 1С:Управление торговлей
- Аренда программ 1С (1С:Фреш)
- Внедрение ERP
- Автоматизация складской логистики с «1С:WMS»
- Разработка компьютерного зрения
- Big Data и искусственный интеллект
- Разработка мобильных приложений и веб-сервисов
- 1С ИТС
- Консалтинг
- Проекты
- Контакты
- Главная
- Собственные решения
- DataLab - Прогнозирование времени доставки
DataLab - Прогнозирование времени доставки | Автомакон
Получайте максимум от вашей логистики!
Разработка предиктивных моделей для ритейла, с помощью которых стало возможно прогнозировать время доставки заказа от момента формирования до получения покупателем.
- Позволяет покупателю лучше спланировать свое время и не тратить лишнее время на ожидание курьера.
- Дает информацию сотрудникам клиентской техподдержки, чтобы ответить на довольно частые вопросы "Когда привезут мой заказ".
- Позволяет более точно планировать работу как наших собственных курьеров, так и внешние службы доставки.
Кому подходит
Преимущества
Этапы работы
Анализ процесса обработки заказа, далее разбивка по этапам и выделение доступных признаков, влияющих на время обработки.
По итогу первичного анализа время жизни заказа обычно разделено на 4 этапа:
- Ожидание сборки
- Продолжительность сборки
- Ожидание доставки
- Продолжительность доставки
Формирование основных подходов к решению задачи:
- Через прогнозирование времени отдельных этапов.
- Через прогнозирование общего времени жизни заказа.
Формирование дополнительных требований к модели, а именно: наличие возможность уточнения прогноза по мере прохождения этапов и обновления или появления новых данных.
Формирование входных данных о параметрах заказа (время, состав), о персонале (число сотрудников) и др. За base-line берется значение медианы для соответствующего целевого значения на основе тренировочной выборки и группировки по некоторым признакам (например, город заказа).
Выбор архитектуры модели и обучение нейросети. Тесты как классических моделей, так и различных архитектур нейронных сетей.
Обсудить проект
Наши специалисты свяжутся с вами в ближайшее время.
ИНН 5003074225, ОКВЭД 63.11.1
Все материалы на сайте размещены с разрешения субъектов данных.
Все материалы на сайте размещены с разрешения субъектов данных.
Наши специалисты свяжутся с вами в ближайшее время.