Логистика, Проектирование стеллажных систем

Автоматизация пресейла стеллажных систем: от плана склада до КП за минуты

Система превращает план склада и параметры груза в готовые варианты расстановки, чертёж и смету для коммерческого предложения и сокращает подготовку пресейл-проекта с 2–3 дней до ~15 минут

rack-presale-automation-1.png
rack-presale-automation-2.png
rack-presale-automation-1.png
NDA
ЗаказчикПроизводитель и поставщик складских стеллажных систем, для которого скорость расчёта планировки, сметы и КП напрямую влияет на конверсию заявок, участие в проектах и загрузку инженерной команды.
ЗадачаПеревести подготовку коммерческого предложения из ручного инженерного расчёта в быстрый, воспроизводимый процесс, который может использовать менеджер на этапе продажи

О проекте

В продажах стеллажных систем скорость пресейла после КП напрямую влияет на сделку: клиент ждёт конкретный план, смету и цену этой системы.

 

 

До автоматизации каждый склад требовал ручной инженерной проработки: обвести зоны, учесть колонны и проезды, подобрать балки и стойки, проверить нагрузки, подготовить чертёж и спецификацию.

 

 

На типовом объекте такая работа могла занимать 2–3 дня, а любая правка клиента запускала пересчёт почти заново — за это время заказчик мог уйти к тому, кто быстрее прислал КП.

 

 

Наша команда разработала систему, которая переводит этот этап в автоматический пресейл-расчёт: по плану склада и параметрам груза она строит варианты расстановки, подбирает конструктивные элементы и проверяет ограничения по геометрии, проездам, колоннам и нагрузкам. На выходе менеджер получает готовые материалы для коммерческого предложения: схему расстановки, количество палетомест, спецификацию и Excel-смету. Это снижает зависимость продаж от конкретного инженера и помогает компании быстрее входить в тендеры, проектные сделки и срочные запросы клиентов. 
 

NDA
ЗаказчикПроизводитель и поставщик складских стеллажных систем, для которого скорость расчёта планировки, сметы и КП напрямую влияет на конверсию заявок, участие в проектах и загрузку инженерной команды.
ЗадачаПеревести подготовку коммерческого предложения из ручного инженерного расчёта в быстрый, воспроизводимый процесс, который может использовать менеджер на этапе продажи

15 минут

вместо 2-3 дней на подготовку пресейл-проекта
1
Формализация пресейл-сценария
Разложили путь от входящего плана склада до коммерческого предложения: загрузка чертежа, выбор зон, параметры паллеты и груза, проезды, ограничения, расчёт расстановки, смета и выгрузка результата
2
Оцифровка инженерных правил
Перенесли в систему справочники и правила подбора стеллажных конструкций: типы паллет, балки, стойки, грузоподъёмность, высоты полок, уровни хранения, технологические зазоры и ситуации отказа
3
Разработка алгоритма расстановки
Собрали алгоритм, который строит валидную схему склада: делит зону на рабочие участки, учитывает колонны и проезды, выбирает одинарные и двойные ряды, обходит препятствия и формирует варианты размещения
4
Подбор элементов конструкции
Автоматизировали выбор балок, стоек и секций под параметры груза, паллеты, высоту зоны и нагрузку. Система проверяет не только вместимость, но и инженерную допустимость выбранной конструкции
5
Материалы для КП
Реализовали выходные артефакты для продаж: варианты расстановки, количество палетомест, чертёж, спецификацию и Excel-смету, чтобы менеджер мог быстрее подготовить предложение без ручного пересчёта инженером
previewpreview

В чем ценность

Самое ценное в системе — не красивая схема склада, а скорость, с которой она становится коммерческим предложением

Технологический стек

Frontend

Интерфейс пользователя: отчеты, графики, панели управления

Backend

Логика обработки и базовые компоненты системы

Вызовы и решения

Cхема должна сразу подходить для КП

Если схема не сходится со спецификацией, её нельзя использовать в коммерческом предложении
РЕШЕНИЕ

Единая расчётная модель планировки и комплектации

Связали геометрию склада, правила размещения, справочники балок и стоек, расчёт нагрузок и формирование сметы в один процесс.

Колонны и препятствия требуют разных сценариев обработки

На реальном складе колонна может попадать между рядами, пересекать один ряд двойного стеллажа, затрагивать всю секцию или только часть палетомест, и одного универсального правила обхода колонн недостаточно
РЕШЕНИЕ

Сценарная обработка сложных участков

Для зон с колоннами реализованы разные варианты обработки: раздвижение двойного ряда, полный разрыв, разрыв одного ряда или удаление только пересекающихся палетомест. Алгоритм проверяет каждый вариант и выбирает тот, который сохраняет допустимость схемы

Изменение вводных ведет к пересчету всего проекта

Тип паллеты, вес груза, высота склада, ширина проездов или ограничения по зонам меняют не только расположение стеллажей, но и количество уровней, типы балок, стойки, нагрузку на раму, палетоместа и смету. Нельзя пересчитать только один визуальный слой — меняется вся логика КП
РЕШЕНИЕ

Автоматический пересчёт от параметров склада до сметы

Система пересобирает проект по новым вводным: обновляет планировку, подбирает элементы конструкции, проверяет нагрузки и формирует актуальные данные для коммерческого предложения. Менеджер получает не картинку, а пересчитанный пресейл-результат

до 3

вариантов расстановки стеллажей

60

типов стоек в справочнике расчёта

4

режима обхода колонн

Команда, которая внедрила проект

Константин Порошкин
ML-инженер
Алексей Цибульников
Python backend-разработчик
Михаил Моисеев
CV-инженер
Дмитрий Соркин
DevOps-инженер
Марк Яговкин
Руководитель разметки данных
Дмитрий Палий
Frontend-разработчик

Бесплатный разбор вашей задачи

На экспертной встрече разберем, какие сценарии внедрения ИИ для вашего бизнеса перспективны и возможны на вашем действующем оборудовании. Подготовим экономическое обоснование внедрения ИИ.

Рассмотрим технические ограничения и возможный первый этап проекта.

О вашей задаче (по желанию)

Готовые проекты

Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.

bracket
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
damage-detection-case.png
Разработка крупной системы
ИИ-контроль операций ко-пакинга
ai-copacking-automation.jpg
Разработка крупной системы
Автоматический подсчет рыбы в сложной производственной среде
fish-sorting-counting-ai.png
Разработка крупной системы
ИИ-контроль качества печатных плат
pcb-quality-control-ai.jpg
Разработка крупной системы
AI-выявление запрещенного контента и символики
prohibited-content-symbol-detection.jpg
Генеративный ИИ
Автоматизации рутинных процессов в рекламном агентстве
advertising-agency-automation-ai.jpg