ММООЗЗГГ.ru

Логистика и склад: кейсы, статьи и разборы

Склады, цепочки поставок, планирование перевозок и запасов. Кейсы с цифрами, статьи, разборы и новости этой сферы, новые сверху.

ТопЛогистика и склад

Роботы на складе: тележки, хранение, гуманоиды

Складские роботы уже работают в крупных сетях: в июле 2025 года Amazon ввела в строй миллионного робота, а гуманоидов Digit с 2024 года сдают в аренду по модели «робот как услуга». Ниже четыре системы трех типов: мобильные тележки, автоматическое хранение и гуманоиды, с фактом и статусом каждой на 16 октября 2026. Выбор системы зависит от того, что на складе стоит дороже всего. Если сотрудники больше всего времени тратят на проходы между стеллажами, смотрят на мобильных роботов-помощников. Если не хватает площади, смотрят на автоматическое хранение в сетке. Если склад нельзя перестроить, а работа сводится к переносу ящиков, проверяют гуманоидов в аренду. Все четыре системы в списке работают у заказчиков: статус, дата и источник стоят в каждой карточке. Порядок на странице задан масштабом работающих систем по данным самих компаний, это не рейтинг. Цен на сайтах производителей нет, стоимость называют отделы продаж под конкретный склад.

РазборЛогистика и склад

Прогнозирование спроса и загрузки с ИИ: решение до проблемы

Прогнозирование спроса с ИИ показывает, что будет завтра: сколько товара купят, когда сломается оборудование и как загрузить цеха. Решение принимается до проблемы, а не после нее. В пилоте «Перекрестка» (X5) 2020 года точность прогноза спроса была больше 70%. Искусственный интеллект в прогнозировании опирается на историю компании. Модель берет фактические данные за прошлые периоды, находит в них закономерности и продолжает линию вперед. В прогноз продаж обычно идут продажи по дням, цены и акции, сезон, праздники и остатки. Модель учитывает все это одновременно, а человек держит в голове два-три фактора. Хороший прогноз дает не одну цифру, а коридор: в каких пределах окажется значение. Если коридор широкий, закупку делают осторожнее, если узкий, планируют смелее. Главная польза во времени. Модель видит пик спроса через 3 месяца, а решение о закупке, найме или ремонте вы принимаете сейчас, пока оно дешевле. На схеме ниже показано, как прогноз продолжает факт.

КейсЛогистика и склад

DPD в России: обращение короче на 15%, адаптация за 1 день

Простой1 мин

ИИ-помощник на языковой модели ищет ответ в базе знаний для операторов поддержки: время обработки обращения ниже на 15%, постобработка на 17%, ошибок меньше на 15%, качество выше на 7%, адаптация новичка за день. Департамент обслуживания клиентов получил помощника по принципу «сначала найти, потом ответить»: система извлекает нужные фрагменты корпоративной базы знаний и формирует ответ на вопрос оператора, заданный обычным языком. Время обработки обращений снизилось на 15%, постобработка на 17%, число ошибок на 15%, качество консультаций выросло на 7%, отток сотрудников ниже на 2%, адаптация новых специалистов сократилась до одного дня. Новый оператор работает как опытный с первого дня: ИИ-агент с вашей базой знаний за плечом у каждого.

КейсЛогистика и склад

ATI.SU: 68% обращений типовые, прогноз минус 40%

Простой1 мин

ИИ-ассистент внутри логистической платформы добавляет груз, выставляет счет и оформляет документы: 68% обращений в поддержку типовые, ожидаемое снижение нагрузки на 40%, ответ за 2–3 секунды. Ассистент встроен прямо в интерфейс площадки грузоперевозок, обучен на внутренних данных и ведет онбординг новых пользователей по шагам. Он выполняет стандартные операции: добавить или найти груз и транспорт, выставить счет, оформить закрывающие документы. 68% ежедневных обращений в поддержку типовые; ожидается ответ за 2–3 секунды вместо минут и снижение нагрузки на поддержку на 40%. Две трети обращений типовые почти в любом бизнесе: с них и начинается пилот ИИ-агента поддержки.

КейсЛогистика и склад

Лента: 90% совпадений с оценкой инспектора

Простой1 мин

Удаленная приемка овощей и фруктов на распределительном центре с машинным зрением: оценки ИИ совпадают с мнением инспекторов более чем в 90% случаев. Сеть построила сервис удаленной приемки свежих овощей и фруктов: сотрудник с камерой на распределительном центре выполняет действия с партией, удаленный инспектор дает команды и оценивает качество, а алгоритм случайно выбирает позиции для проверки и пару «инспектор, сотрудник». Затем к процессу начали подключать машинное зрение: его оценки совпадают с мнением инспекторов более чем в 90% случаев. Контроль качества по фото и видео по регламенту: сценарий ИИ-агента для склада, стройки и производства.

КейсЛогистика и склад

ТК «Кит»: маршрутизация 2 часа → 5 минут

Простой1 мин

Автоматическое планирование городских маршрутов с учетом окон клиентов, пробок, грузоподъемности и совместимости грузов: цикл маршрутизации сократился с 2 часов до 5 минут. Транспортная компания внедрила систему автоматического планирования городской доставки: маршруты строятся с учетом временных интервалов клиентов, дорожной ситуации, географии заказов, грузоподъемности машин, совместимости груза и условий обслуживания, включая пропускной режим. Цикл маршрутизации сократился с 2 часов до 5 минут, это минус 96% времени операции. Два часа логиста на маршрутизацию превращаются в пять минут: ИИ-агент возвращает их менеджерам по клиентам.

КейсЛогистика и склад

Проект «Беспилотные логистические коридоры»: 5,8 млн км без аварий

Простой1 мин

Беспилотные грузовики на трассе М-11 перевезли больше 640 000 м³ грузов и проехали больше 5,8 млн км без аварий; с сентября 2024 года часть машин идет без водителя в кабине. С июня 2023 года на трассе М-11 «Нева» работают беспилотные грузовики, в сентябре 2024 года запущены полностью автономные машины без водителя. Техника перевезла больше 640 000 кубометров грузов и проехала больше 5,8 млн км без аварий; к 2025 году парк планировали довести до 100 машин. Автономность в физическом мире уже на трассе; в офисе автономные ИИ-агенты закрывают заявки и отчеты сегодня.

КейсЛогистика и склад

Деловые Линии: 75% заявок распределяются автоматически

Простой1 мин

Три ИИ-решения: расписание водителей склада, центр планирования доставки в 300 городах и умный поиск АЗС; 75% заявок распределяются автоматически, больше 100 000 заявок в день, затраты на топливо ниже на 2% в месяц. Перевозчик внедрил комплекс из трех решений: интеллектуальное расписание работы водителей складов, центр планирования автодоставки в 300 городах и сервис умного поиска заправок. Автоматизация распределения заявок достигла 75%, ежедневно обрабатывается больше 100 000 заявок, затраты на топливо ниже на 2% в месяц по всему автопарку, работа водителей на встречных потоках оптимизирована на 14%. Заявка попадает в план без диспетчера: для транспортной компании из 20 машин это делает один ИИ-агент.

КейсЛогистика и склад

Великолукский мясокомбинат: логистика дешевле на 15%

Простой1 мин

Единая система управления перевозками планирует 450 машин и больше 1300 точек доставки в сутки: логистические затраты снизились на 15%. Комбинат внедрил систему управления транспортными перевозками на весь автопарк: автоматическая диспетчеризация 450 машин и больше 1300 точек доставки ежесуточно для 10 диспетчеров. Логистические затраты снизились на 15%, трудозатраты диспетчеров на планирование маршрутов сократились. В каталоге проект отнесен к рубрике «Искусственный интеллект: предиктивная аналитика и машинное обучение». Маршруты и загрузка машин без ручного планирования: ИИ-агент строит их по заявкам из 1С и телефонии.

КейсЛогистика и склад

Первая Грузовая Компания: сводка по 150 объектам за минуты

Простой1 мин

ИИ-агент операционной аналитики собирает сводку по 150 объектам за минуты вместо часа ручной работы. Система проходит тестирование на бизнес-пользователях. ИИ-агент операционной аналитики собирает сводку по 150 объектам за минуты вместо часа ручной работы. Агент отвечает командам логистики на вопросы про выгрузку вагонов, выполнение плана и отклонения, доступ к корпоративным хранилищам у него только на чтение. Система проходит тестирование на бизнес-пользователях, экономический эффект не раскрыт. Сводка по 150 объектам за минуты: панель руководителя на ИИ-агенте для сети точек и логистики.

КейсЛогистика и склад
Михаил Мозг

Логистика: ответ на каждую заявку на перевозку за минуту

Простой3 мин

Транспортная компания с тремя менеджерами на заявках: расчет перевозки, прием груза, вопросы «где мой груз». Больше 70% обращений приходит звонком, а менеджеры в это время ведут текущие рейсы. Один процесс пилота. Прием заявок на перевозку: агент отвечает на звонок и сообщение, собирает маршрут, груз, вес и сроки. Метрика из договора. Доля обращений без ответа и время до первого ответа. Каждая заявка в CRM с параметрами груза. Что подключили. Телефония, CRM, 1С, почта, мессенджеры и статусы рейсов. Как передавали сложные случаи. Нестандартный груз, претензия или срочный расчет уходят менеджеру вместе с историей диалога.

Написать в Telegram