Промышленность и металлургия

Управление миллионной номенклатурой, оптимизация себестоимости и сезонной логистики — кейсы из тяжёлой промышленности.

Кейс 1 · Крупнейшая транснациональная горно-металлургическая компанияТОиР

Задача

Система управления ТОиР парка вагонной техники: более 1 млн уникальных SKU запчастей, 150+ складов. Учитывать б/у запчасти, аналоги, гарантийные периоды, BOM, маршрутные карты, ресурс деталей, возраст и состояние парка, план производства.

Решение

Классификация запасов по стоимости, оборачиваемости и характеру потребления; ежедневный автоматический расчёт потребности на основе плана производства, остатков, возраста оборудования и вероятности поломок; унификация наименований и правила централизованного ввода позиций.

Результат
  • Оборотный капитал: средства, замороженные в запасах, сокращены на 24%
  • Доступность: наличие запчастей во всех точках потребления — 98%
  • Чистота данных: полностью ликвидировано дублирование наименований

Кейс 2 · Крупнейший лесопромышленный холдингОптимизация лесозаготовки

Задача

Построить инструмент, который сам отвечает на вопросы: где рубить (своими бригадами, подрядчиками или купить лес на стороне), что продать третьим лицам, как вывозить и где хранить — чтобы закрыть потребность заводов с минимальными затратами. Ограничения: сезонная доступность участков и дорог, вместимость складов, перебазировка техники, десятки типов издержек и штрафов, выход конкретных продуктов с 1 м³ леса на корню.

Решение

Оптимизационная СППР с целевой функцией «минимум совокупных затрат + максимум выручки». Система автоматически решает задачу Make-or-Buy, считает удельную себестоимость (своя/подрядная, по этапам), поддерживает сценарии до 18 периодов через Excel-надстройку и Loginom. Четыре блока отчётности: «деньги», «запасы», «заготовка», «вывозка».

Результат
  • Внедрение: система развёрнута в контуре заказчика и готова к интеграционному тестированию
  • Автоматизация: задачи Make-or-Buy и сбыта решаются алгоритмически
  • Прозрачность: рассчитана себестоимость остатков по всей сети
  • Гибкость: сценарное планирование теперь доступно силами бизнес-пользователей

Кейс 3 · Крупнейший федеральный оператор рынка металлопрокатаАвтоматизация

Задача

Автоматизировать прогнозирование спроса, управление запасами (автозаказ), финансовую отчётность, ассортимент и динамическое ценообразование. Масштаб: 60 металлобаз, 100 000 SKU. Специфика: сертификация проката, B2G-проекты, волатильность цен, биржевые котировки (LME, SHFE, COMEX).

Решение

Построен ETL-контур из учётных систем и внедрена система прогнозирования с автозаказом, учитывающая сертификацию проката, биржевые котировки, свободные и зарезервированные остатки.

Результат
  • Оборачиваемость: рост на 30%
  • Объём запасов: средний показатель сокращён с 6 до 2 месяцев
  • Точность: точность прогноза выросла на 25 п.п.
  • Скорость: ежедневные заказы на закупку и распределение по 60 базам формируются менее чем за 20 минут

Кейс 4 · Топ-3 вертикально интегрированная сталелитейная компанияДинамическое ценообразование

Задача

Перевести расчёт цен с ручного процесса, занимавшего целый день, на автоматический — по десяткам ценообразующих факторов.

Решение

Система на данных из 1С и Excel рассчитывает итоговую цену корзины с учётом остатков, цен конкурентов, допустимых скидок по точкам и менеджерам, тоннажа, типа доставки, сертификации, лояльности и статуса клиента, себестоимости и сезонности логистики.

Результат
  • Скорость реакции: обработка запроса — менее 0,3 секунды
  • Эффективность: пересчёт цен на всю компанию — 10 минут вместо целого дня
  • Гибкость: бизнес-пользователи сами создают новые правила без привлечения ИТ
  • Масштабируемость: автоматическое распространение на новые каналы и металлобазы