Для совершенствования системы управления логистическими процессами в закупках предприятия ОАО «Российские железные дороги» целесообразно предложить следующие направления: улучшение закупок конкурентным способом и закупок в электронном магазине, таблица 3.1.
Таблица 3.1-Мероприятия по совершенствованию системы управления логистическими процессами в закупках предприятия ОАО «Российские железные дороги»
| № п/п | Виды закупок | Мероприятия |
| 1 | Закупки конкурентным способом | Внедрение подающих роботов- по ключевым словам находят нужные торги и подают заявку на участие (подгружают документы). |
| Внедрение торгующих роботов — участвуют в торгах в указанное время, подают ценовые предложения, позволяют даже неопытным участникам торгов превзойти самых профессиональных конкурентов. Например: перебивают цены конкурентов в последние секунды торгов, если требуется, то быстро нажимают «нужные кнопки». | ||
| 2 | Закупки в электронном магазине | Внедрение нейросети для определения категории товара на сайтах компании: 1)Закупки РДЖ: https://rzdlog.ru/company/purchases/; 2)Электронный магазин РЖД: https://eshoprzd.ru/home |
|
Внедрение технологии машинного обучения для поиска соответствия между похожими товарными единицами на сайтах компании: 1)Закупки РДЖ: https://rzdlog.ru/company/purchases/; 2)Электронный магазин РЖД: https://eshoprzd.ru/home
|
Рассмотрим подробнее мероприятия, представленные в таблице 3.1.
1)Совершенствование закупок конкурентным способом. Это мероприятие предлагается осуществить путем внедрения программных роботов для отдела закупок. В настоящее время чаще всего применяются подающие и торгующие роботы.
Аукционный робот — это программа, используемая на электронных торговых площадках, которая позволяет подавать ценовые предложения по заранее установленной стратегии без участия пользователя.
Самой распространенной стратегией является снижение цены до установленной пользователем стоп-линии. Это то предельное значение цены, ни-же которого пользователь не планирует опускаться в ходе проведения электронного аукциона. Однако есть роботы, в которых можно использовать и иные стратегии. Например, подача первого ценового предложения быстрее всех или подача ценового предложения перед закрытием периода до подачи.
Основное предназначение аукционных роботов заключается в экономии времени участников закупок. После внедрения роботизации, нет необходимости в назначенный день и время заходить на электронную площадку, чтобы подавать ценовые предложения. К тому же некоторые процедуры могут растянуться на несколько часов или даже несколько дней[4].
Аукционные роботы можно разделить на 2 категории – официальные и сторонние.
А)Официальные аукционные роботы – это программы, являющиеся частью функционала электронных торговых площадок. Насчитывается 8 федеральных ЭТП, но аукционный робот есть не на каждой площадке. Данная программа представлена на Сбербанк-АСТ и РТС-тендер. На площадке РТС-тендер она называется по-другому — «Автоторг». Официальными программа-ми можно пользоваться бесплатно. У них ограниченный функционал, но его вполне достаточно для участия в торгах. Пользоваться ими можно только на тех ЭТП, в которые они встроены.
Б)Сторонние роботы – это платные сервисы, которые могут работать на разных торговых площадках. У них более гибкий и адаптированный функционал. Например, можно установить подачу цены за пару секунд до окончания таймера. Сейчас популярностью пользуются программы Ause и WIN-IT. Их можно настроить для работы на площадках «Росэлторг», «Фабрикант», РАД и другие.
Аукционные роботы имеют как преимущества, так и недостатки, таблица 3.2[3]
Таблица 3.2-Плюсы и минусы аукционных роботов при закупках[3]
| № п/п | Плюсы | Минусы |
| 1 | Эффективность. Быстро и эффективно управляют ставками на аукционах, автоматически подавать ценовые предложения, чтобы сохранить конкурентоспособность. Это позволяет существенно увеличить количество аукционов, в которых можно участвовать. | Ограничения функционала. Обычно имеют ограниченный функционал и могут работать только на определенных онлайн-платформах или типах аукционов. Кроме того, они могут быть ограничены в возможностях настройки и адаптации к конкретным условиям торгов. |
| 2 | Точность. Основывают свои решения на заранее заданных правилах и параметрах, что может уменьшить вероятность ошибок, связанных с человеческим фактором, такими как эмоции и невнимательность. | Недостаток гибкости. Основывают свои решения на заранее заданных правилах и параметрах, что может снижать гибкость в адаптации к изменяющимся условиям торгов. Они не могут учитывать уникальные факторы, которые могут повлиять на цену или конкуренцию на аукционе. |
| 3 | Экономия времени. Управление ставками на аукционах может быть довольно трудоемким и затратным по времени процессом. Использование аукционных роботов позволяет автоматизировать этот процесс, экономя время и силы, которые можно использовать для других задач. | Непредсказуемость конкуренции. Могут работать только на основе доступной им информации, такой как предложения и ставки конкурентов на аукционе. Однако эта информация может быть неполной или неправильной, что может привести к непредсказуемой конкуренции и потерям. |
| 4 |
Увеличение шансов на выигрыш. Использование аукционных роботов может повысить шансы на выигрыш торгов и заключение контракта.
|
Риск потерь. Несмотря на то, что аукционные роботы могут быть настроены на управление максимальной ставкой и другими параметрами, они не могут гарантировать выигрыш в торгах. Потери могут произойти из-за различных факторов, таких как ошибки в настройках, непредсказуемость конкуренции, изменение условий торгов и т.д. |
| 5 | Контроль затрат. Функционал настраивается на управление максимальной ставкой и другими параметрами, что помогает контролировать затраты и избежать нежелательных потерь. | Риск мошенничества. Использование автоматизированных сервисов может увеличить риск мошенничества, так как злоумышленники могут использовать программы-роботы для манипулирования ценами и ставками на аукционе. |
В настоящее время существует не мало компаний, которые занимаются производством программных роботов для отдела закупок, одной из них является компания «МБС», рисунок 3.1.
Компания «МБС» предлагает роботизированный подход к автоматизации бизнес-процессов в закупках: простое и эффективное программное обеспечение для автоматизации повторяющихся задач:
-Робот для поиска выгодных предложений поставщиков;
-Робот для мониторинга и анализа цен;
-Робот для составления и рассылки запросов;
-Роботы различных других сценариев для отдела закупок.
Сотрудничество с компанией «МБС», по части производства программных роботов для закупок, дает множество преимуществ:
А) Повышение скорости и точности операций. Рутинные процессы ускоряются с часов до минут и секунд, сотрудники могут сосредоточиться на самых важных задачах.
Б)Быстрое внедрение. Не требуется изменение или замена
ИТ – решений компании. От идеи процесса до работающего робота от 1 не-дели до 1 месяца.
В)Простое сопровождение. При изменении процесса сценарий можно
скорректировать за считанные часы.
Г)Робот работает 24 часа в сутки 7 дней в неделю.
Д) Робот выполняет операции в 2-5 раз быстрее человека.
Ж)Робот точно исполняет заданные функции[19].
Итак, преимуществ от внедрения программных роботов для отдела закупок более, чем достаточно, поэтому необходима реализация данного мероприятия в ОАО «РЖД».
2) Совершенствование закупок в электронном магазине. В настоящее время у компании ОАО «РЖД» имеется два сайта по закупкам: 1)Закупки РДЖ: https://rzdlog.ru/company/purchases/; 2)Электронный магазин РЖД: https://eshoprzd.ru/home, рисунок 3.2.
На сайтах уже применяется искусственных интеллект в виде чат-бота (голосового помощника: Интерактивный робот «Виртуальный ассистент» (ПО «Виртуальный ассистент»). ПО «Виртуальный ассистент» состоит из следующих компонентов:
-портал обеспечивает работу сотрудников с диалогами клиентов;
-робот поддерживает автоматический диалог с клиентами;
-база знаний представляет совокупность информационных, алгоритмических и иных данных, позволяющих поддерживать диалог с клиентами в автоматизированном режиме;
-редактор Базы знаний позволяет наполнять, редактировать и тестировать Базу знаний;
-база данных обеспечивает хранение, обработку и изменение информации.
Однако, для совершенствования работы интернет-ресурсов компании ОАО «РЖД» целесообразно внедрение: а)нейросети для определения категории товара на сайтах компании; б) технологии машинного обучения для поиска соответствия между похожими товарными единицами на сайтах компании.
Нейросеть для определения категории товара- это еще одно решение на основе искусственного интеллекта. Когда пользователи размещают в каталоге сведения о своей продукции, им необходимо отнести ее к определенной категории: бумага, полиграфическая продукция, медицинские препараты, зоотовары, канцтовары, текстильные изделия, инженерно-строительные товары, мебель и т.д. Без нейросети пользователям приходится вручную выбирать нужную категорию из длинного списка, на это уходит много времени. Нейросеть избавит поставщиков от рутинной процедуры. Достаточно загрузить изображение продукции, и искусственный интеллект за несколько секунд проанализирует предложенную картинку, после чего предложит подходящие категории на выбор. По статистике на сегодня точность определения категории составляет 92,0%. Этот показатель будет расти, поскольку нейросеть, как и чат-бот, постоянно обучается и пополняет свои знания на основе различных моделей[16].
Технологии машинного обучения необходимы для поиска соответствия между похожими товарными единицами. Один и тот же товар или продукт (кондиционер, принтер, пачка бумаги, йогурт определенной марки) могут предлагать разные компании, а значит, что и цены будут различаться. На сайте аналогичные товары отображаются в одной карточке с информацией о том, какие ценовые предложения по ним есть в системе. Поставщику достаточно загрузить свой прайс-лист, и благодаря искусственному интеллекту система сравнит его с уже опубликованными товарными позициями. Система предложит похожие позиции в случае найденного соответствия. Необходимо лишь указать свое ценовое предложение по данному товару и заверить его электронной подписью.
Машинное обучение в сфере закупок — это применение самообучающейся автоматизированной статистики для решения конкретных задач или повышения операционной эффективности. Благодаря машинному обучению (ML) закупки могут обеспечить высочайшее качество по отношению к объему и конечному результату.
Машинное обучение — это часть ИИ, которая наиболее активно применяется в сфере закупок. Это естественный преемник роботизированной автоматизации процессов (RPA) в эволюции автоматизированных или автономных процессов закупок. Хотя RPA считается автоматизированной статистикой, ему не хватает способности учиться и совершенствоваться с течением времени.
Машинное обучение также является одним из наиболее неправильно понимаемых аспектов ИИ в закупочных организациях. Некоторые энтузиасты считают машинным обучением любые примеры передовых статистических методов, в то время как многие поставщики программного обеспечения изображают изображения человекоподобных машин. Пришло время развеять некоторые мифы, рассмотрев основные типы машинного обучения.
В процессах закупок используются различные типы машинного обучения. Каждый тип машинного обучения требует различной степени вмешательства человека. Четыре типа машинного обучения включают в себя:
А)Контролируемое обучение: алгоритм обучается шаблонам, используя прошлые данные, а затем автоматически обнаруживает их в новых данных. Наблюдение осуществляется в виде правильных ответов, которые люди дают для обучения алгоритма поиску закономерностей в данных. Обычно используется в рамках анализа расходов в таких областях, как классификация расходов.
Б)Неконтролируемое обучение: алгоритм запрограммирован на обнаружение новых и интересных закономерностей в совершенно новых данных. Ожидается, что без надзора алгоритм не будет выявлять конкретные пра-вильные ответы, вместо этого он ищет логические закономерности в необработанных данных. Редко используется в рамках важных закупочных функций.
В)Обучение с подкреплением: алгоритм решает, как действовать в определенных ситуациях, и поведение вознаграждается или наказывается в зависимости от последствий. В основном теоретический в контексте закупок.
Г) Глубокое обучение: продвинутый класс машинного обучения, вдохновленный человеческим мозгом, где искусственные нейронные сети постепенно улучшают свою способность выполнять задачу. Это новые возможности в функциях закупок[15].
Итак, выше были предложены мероприятия, направленные на совершенствование логистических процессов в закупках компании ОАО «РЖД». Для того, чтобы оценить эффективность предложенных рекомендаций, перейдем к следующему параграфу исследования.
