ММООЗЗГГ.ru

Химия и нефтехимия: кейсы, статьи и разборы

Химические и нефтехимические заводы, технологические процессы. Кейсы с цифрами, статьи, разборы и новости этой сферы, новые сверху.

КейсХимия и нефтехимия

Акрон: документы в 5 раз быстрее

Простой1 мин

Роботизация и распознавание документов на двух площадках: время реакции на входящую информацию ниже на 95%, обработка документов в 5 раз быстрее, у сотрудников, занятых документами, освободилось около 20% времени. Группа внедрила программных роботов и распознавание текста одновременно на двух производственных площадках: документооборот, складской учет, электронный архив технической документации. Время реакции на входящую информацию снизилось на 95%, скорость обработки документов выросла в 5 раз, у сотрудников, занятых документами, освободилось около 20% времени. Входящие счета, накладные и письма разбирает ИИ-агент и раскладывает в 1С: типовая задача для нейросотрудника.

КейсХимия и нефтехимия

Уралхим и Уралкалий: 85% обращений автоматически, 23 → 4,9 минуты

Простой1 мин

ML-помощник Service Desk классифицирует и маршрутизирует заявки сотрудников: при потоке больше 330 000 обращений в год 85% обрабатываются автоматически, время обработки с 23 до 4,9 минуты. ИТ-департамент разработал помощника оператора службы поддержки: система принимает обращения сотрудников, определяет тему и направляет исполнителю. При потоке больше 330 000 обращений в год 85% обрабатываются автоматически; среднее время обработки сократилось с 23 минут до 4,9, система развернута сразу в двух холдингах. Первая линия для сотрудников и клиентов на ИИ: 85% типовых обращений без человека, это норма, а не рекорд.

НовостьХимия и нефтехимия
Михаил Мозг

СИБУР поручил ИИ-агенту проверку предложений поставщиков: что из этого взять производству поменьше

Простой4 мин

15 сентября 2026 года СИБУР рассказал о первом ИИ-агенте в закупках: первичная техническая проверка предложений поставщиков стала в семь раз быстрее. Через два дня команда «Цифрового СИБУРа» описала проект в блоге компании на Хабре, с цифрами и ошибками. Разбираем кейс и то, что из него применимо в компании без тысяч закупок в год. Компания проводит порядка 8000 закупочных процедур в год, в них участвуют более 2000 поставщиков. Этап для автоматизации выбирали по реальным трудозатратам: до 80% времени специалистов на техническом анализе уходило не на оценку, а на запросы поставщикам: дозаполнить опросный лист, приложить паспорт на продукцию, подтвердить опыт поставок. ИИ-агент забирает техническую часть предложения с электронной торговой площадки СИБУРа, сверяет данные с техническим заданием, находит пустые и противоречивые поля и готовит поставщику запрос с точечными вопросами. По каждой строке опросного листа модель ставит один из трех вердиктов: соответствует, не соответствует, данных недостаточно. Закупщик читает черновик, правит и отправляет.

Написать в Telegram