XL163 – Comarch AI Windykacja

Sztuczna inteligencja w limitach kredytowych

Sztuczna Inteligencja w limitach kredytowych, czyli produkt polegający na automatycznym obliczaniu limitów kredytowych, scoring’ów, rating’ów oraz wskazywaniu rekomendacji dla poszczególnych klientów.

Zalety produktu:

  • bardziej precyzyjne określenie poziomu kredytu kupieckiego,
  • ograniczenie opóźnień w płatnościach,
  • minimalizowanie ryzyka wystąpienia nieściągalnych należności.

W Comarch ERP XL do tej pory możliwe było definiowanie wysokości kredytu kupieckiego przyznawanego konkretnym klientom przez uzupełnienie odpowiedniej informacji na Karcie kontrahenta. Ustawienie wysokości limitu kredytowego odbywało się jednak ręcznie – to operator wskazywał wysokość limitu.

Komponent Comarch AI Windykacja (Inteligentnej Windykacji) zapewnia przyznawanie limitów oraz wskaźników w  sposób automatyczny na podstawie zaszytych w nim algorytmów oraz poprzez ciągłe doskonalenie się na bazie informacji zwrotnej w przypadku, gdy operator zmieni wartości limitów zaproponowanych przez Komponent Inteligentnej Windykacji.

Wyliczenie kwoty limitów odbywa się m.in. przy pomocy rating’u uzyskanego przy okazji oceny wiarygodności klienta, wartości uzyskanych ze scoring’u oraz proponowanych rekomendacji, jak i również historii rozrachunków.

Instalacja komponentu Comarch AI Windykacja

Program Comarch AI Windykacja wymaga systemu 64-bitowego. Instalator produktu jest dostępy od wersji ERP XL 2022.0 na stronach walidowanych w sekcji Dodatki. Komponent podczas instalacji tworzy na wskazanej bazie danych nową tabelę cdn.AILimityKredytowe.

Instalator komponentu Comarch AI Windykacji

Instalator wymaga podania nazwy bazy danych, nazwy serwera, oraz uwierzytelnienia do serwera.

Wskazanie bazy danych, na której ma pracować komponent Inteligentnej Windykacji
Wybór folderu instalacji

 

Instalacja Comarch AI Windykacja

 

W zmiennych środowiskowych powstaną wpisy dotyczące podanych poświadczeń do serwera: zmienne AI_SQL_SERVER_LOGIN oraz AI_SQL_SERVER_PASSWORD.

Wpisy w zmiennych środowiskowych powstałe po zainstalowaniu komponentu Comarch AI Windykacja

Definicja limitu kredytowego

W systemie Comarch ERP XL na Definicji limitu kredytowego w Kracie kontrahenta, zakładka [Limit kredytowy] dodano przycisk Oblicz wartości limitów, za pomocą którego następuje pobranie danych z obliczonym limitem kredytowym oraz wskaźnikami takimi jak rating, scoring oraz rekomendacja. Limit oraz wskaźniki kalkulowane są na bazie z dnia poprzedniego. Funkcja ta jest dostępna zarówno dla nowoutworzonych limitów jak i tych zapisanych w historii.

Karta kontrahenta, zakładka [Limit kredytowy]
Pobrane informacje wyświetlane są w nowym oknie, w którym można zapisać obliczony limit, zmodyfikować ręcznie lub odrzucić propozycję limitu. Po kliknięciu w dyskietkę wartość z pola ‘Limit’ zostaje przeniesiona do pola ‘Kwota’ na Definicji limitu kredytowego oraz w przypadku ręcznej zmiany limitu zostaje on zwrócony do Komponentu Inteligentnej Windykacji, aby mógł on uczyć się i doskonalić.

Nowe okno z wyliczonym limitem i wskaźnikami przez Komponent Inteligentnej Windykacji

Poza limitem wyświetlane wskaźniki dotyczą:

  • Ratingu, który określa zdolność danego podmiotu do obsługi swojego zadłużenia. Progi dla ‘Rating’u’ zostały ustalone na podstawie metodologii używanej przez wiodącą agencję ratingową Moody’s. Możliwe wartości do wyświetlenia to:
  • A – wysoka zdolność do wywiązywania się ze zobowiązań finansowych, brak opóźnień, bardzo dobra kondycja finansowa w ostatnim okresie.
  • B – odpowiednia zdolność do wywiązywania się ze zobowiązań finansowych, ale możliwość spłaty nieterminowej, przy czym opóźnienie nie powinno przekroczyć miesiąca.
  • C – większa podatność na niekorzystne warunki biznesowe, finansowe i ekonomiczne, ale obecnie wykazywana zdolność do wywiązania się ze zobowiązań finansowych, przewidywane opóźnienia płatności.
  • D – obecnie wysoka podatność na brak płatności, jak również na długie opóźnienia spłaty.
  • Scoringu, który określa prawdopodobieństwo braku bankructwa. Możliwe wartości do wyświetlenia będą w przedziale 0 -1 z czterema miejscami po przecinku
  • Rekomendacji, dla których możliwe wartości do wyświetlenia będą następujące:
  • Brak zastrzeżeń co do klienta
  • Sporadyczne opóźnienia
  • Rekomendowana zmiana kwoty zlecenia stałego
  • Regularne opóźnienia do 15 dni
  • Regularne opóźnienia do 30 dni
  • Regularne opóźnienia do 90 dni
  • Klient z zadłużeniami, rekomendowana przedpłata
  • Wysoce niezaufany klient, rekomendowana przedpłata

Obliczanie limitu oraz wskaźników odbywa się dla kontrahentów posiadających powyżej 11 opłaconych faktur. W przypadku, klientów, którzy nie posiadają tylu faktur, zamiast limitu Komponent Inteligentnej Windykacji wyświetli komunikat
o poniższej treści:

Komunikat przy krótkiej historii klienta

Licencja

Funkcjonalności Komponentu Inteligentnej Windykacji wymaga posiadania licencji, aby operator mógł korzystać z tych rozwiązań. W przypadku posiadania licencji nowy przycisk Oblicz wartości limitów na Definicji limitu kredytowego będzie aktywny, natomiast jeśli operator nie będzie posiadać stosownej licencji, to przycisk będzie nieaktywny.

Definicja limitu kredytowego na Karcie kontrahenta – nieaktywny przycisk piorunka, w przypadku braku licencji

Automatyzacje systemu

W oknie Automatyzacje systemu, na zakładce [Sztuczna Inteligencja] został dodany opis funkcjonalności automatycznych limitów kredytowych.

Sztuczna inteligencja AI Inteligentna windykacja -Limity kredytowe

Limity kredytowe

Jednym z komponentów wchodzących w skład pakietu sztucznej inteligencji dla systemu Comarch ERP XL jest możliwość automatycznego wyznaczania limitów kredytowych dla danych kontrahentów. Celem takiego algorytmu jest usprawnienie działalności działu w przedsiębiorstwie, który zajmuje się oceną ryzyka i określaniem wysokości kredytu, który może zostać udzielony poszczególnym kontrahentom. W dokumencie tym zostanie przedstawiony opis takiego rozwiązania oraz wymagania, które powinna spełniać baza danych do poprawnego działania komponentu.

Opis rozwiązania

Pierwszym etapem działania komponentu obliczającego sugerowane wartości limitów kredytowych jest przydzielenie odpowiedniego ratingu każdemu z klientów dostępnych w bazie danych. Służy do tego kilkuetapowa klasyfikacja kontrahentów pod kątem tego w jaki sposób opłacają swoje należności. W tym celu wykorzystywane są zmienne takie jak m.in. terminowość płatności za faktury czy całkowita liczba faktur. Na podstawie tego kroku powstaje podział na kontrahentów z dobrą historią oraz na tych ze złą, a finalnie nadanie im ratingu między A, a D. Dla kontrahentów, którzy mają jeszcze zbyt krótką historię (do dziesięciu faktur) sugerowany limit kredytowy wyniesie zero.

Kolejnym etapem jest wykorzystanie algorytmów sztucznej inteligencji oraz specjalnie dobranego wzoru matematycznego w celu określenia sugerowanego limitu kredytowego dla kontrahentów, którzy mają odpowiednio długą historię. Brane pod uwagę są tu takie wartości, jak wyznaczony wcześniej rating kontrahenta czy wartości kilkunastu ostatnich faktur. Efektem tego etapu jest wyznaczenie wartości limitu kredytowego.

Możliwe jest też ręczne edytowanie takiego limitu. Jeśli zaszła taka okoliczność i różnica ta wynosi więcej niż 20% wyliczonej wartości, to w przypadku ponownego obliczania limitu kredytowego algorytm weźmie to pod uwagę zgodnie z następującą zasadą:

– w przypadku zwiększonego limitu przez ERP XL:

rating A: zwiększenie wyliczonego limitu AI o 80% różnicy między limitem AI i limitem XL

rating B: zwiększenie wyliczonego limitu AI o 60% różnicy między limitem AI i limitem XL

rating C: zwiększenie wyliczonego limitu AI o 40% różnicy między limitem AI i limitem XL

rating D: zwiększenie wyliczonego limitu AI o 20% różnicy między limitem AI i limitem XL

– w przypadku zmniejszonego limitu przez ERP XL:

rating A: zmniejszenie wyliczonego limitu AI o 20% różnicy między limitem AI i limitem XL

rating B: zmniejszenie wyliczonego limitu AI o 40% różnicy między limitem AI i limitem XL

rating C: zmniejszenie wyliczonego limitu AI o 60% różnicy między limitem AI i limitem XL

rating D: zmniejszenie wyliczonego limitu AI o 80% różnicy między limitem AI i limitem XL

Po zakończonym działaniu algorytmu wartości sugerowanych limitów kredytowych zapisywane są w bazie danych w tabeli AILimityKredytowe.

Wymagania

Aby zapewnić poprawne działanie komponentu konieczne jest spełnienie przez bazę danych następujących warunków:

  • Tabele TraNag, TraPlat, Zapisy, KntKarty, UpoNag, UpoElem i KntLimityK powinny nie być puste,
  • Tabela Rozliczenia powinna zawierać wpis z wartością równą 784 w kolumnie R2_Dok1Typ lub R2_Dok2Typ,
  • Baza powinna zawierać co najmniej 30 kontrahentów, którzy przeprowadzali transakcje w ciągu ostatnich trzech lat i każdy z tych kontrahentów posiada minimum 11 opłaconych faktur, dla których wartość w kolumnie TrP_Typ jest równa 2 oraz wartość w kolumnie TrP_Rozliczona jest różna od 2. W przypadku, gdy w bazie danych znajduje się od 4 do 29 klientów spełniających opisane wcześniej warunki, to komponent również może w pewnych sytuacjach zadziałać, jednak jest to uwarunkowane tym, jakie dane znajdują się aktualnie w bazie danych i nie sposób podać konkretnych wartości granicznych,
  • Tabela AILimityKredytowe musi zostać poprawnie utworzona oraz nadane muszą być uprawnienia do odczytu i wstawiania danych.

W przypadku wątpliwości czy baza danych spełnia wyżej wymienione warunki możliwe jest sprawdzenie pliku o nazwie db_checker_report.txt, gdzie znajduje się wynik diagnostyki bazy danych pod tym kątem.

Uwaga

Diagnostyka jest wykonywana podczas instalacji dodatku. Plik db_checker_report.txt zapisywany jest wówczas w katalogu src/Windykacja/logs.

W przyszłości wersja z instalatorem ma zostać zastąpiona przez uruchamianie pliku exe wówczas wywoływać to będzie odpowiedni parametr, a plik będzie zapisywany w katalogu temp\IW_lo

Przewidywanie dat płatności

Kolejnym komponentem wchodzącym w skład pakietu sztucznej inteligencji dla systemu Comarch ERP XL jest predykcja spodziewanych dat płatności. Celem tej części jest usprawnienie przewidywania przepływu pieniędzy w przedsiębiorstwie. Dzięki wiedzy w które dni możemy spodziewać się wpływów od kontrahentów łatwiej jest planować przyszłe wydatki i inwestycje.

Opis rozwiązania

Pierwszym etapem działania komponentu wyznaczającego przewidywane terminy płatności jest pobranie odpowiednich danych z bazy danych, a następnie ich transformacja do postaci, która pozwala na ich dalsze użycie w kolejnych etapach działania omawianego algorytmu. Wykorzystywane są tutaj przede wszystkim tabele zawierające informacje o fakturach powiązanych z kontrahentami, przypisanych do nich płatnościach, a także o samych kontrahentach.

Kolejnym etapem jest przesłanie wcześniej przygotowanych danych na serwer znajdujący się w chmurze Comarch, gdzie wykonana będzie dalsza część omawianego algorytmu.

W dalszej części wykonywana jest właściwa predykcja spodziewanych terminów płatności za pomocą wcześniej wytrenowanego modelu sztucznej inteligencji znajdującego się na serwerze.

Ostatnim etapem jest odesłanie wyników wykonanych predykcji do klienta oraz zapisanie ich w bazie danych. Służy do tego kolumna TrP_SpodziewanyTermin w tabeli TraPlat.

Uwaga
W przypadku, gdy w trakcie działania algorytmu zostanie przerwane łącze internetowe, to zostanie zapisany wynik jedynie tych predykcji, które udało się wykonać do czasu nastąpienia awarii

Możliwe jest również sprawdzenie dla których płatności został wyznaczony przewidywany termin, a dla których nie zostały spełnione wymagania określone w kolejnym punkcie. Plik tekstowy o nazwie log_<data i godzina wywołania>.txt zawierający takie informacje znajduje się w katalogu temp\IW_logs.

Wymagania

Do działania komponentu wymagane jest jedynie łącze internetowe oraz możliwość połączenia się z serwerem znajdującym się w chmurze Comarch.

Aby spodziewane terminy płatności dla danego kontrahenta zostały wyznaczone powinien zostać spełniony warunek mówiący, że w bazie danych musi znajdować się co najmniej 10 rozliczonych płatności z ostatnich 3 lat oraz nie mogą one należeć do żadnego z następujących typów:

  • 4608 (Kompensata braków i nadwyżek)
  • 7690, 7684 (Preliminarz wpływów/wydatków/płatności)
  • 2984 (Delegacje pracowników)
  • 2978, 2979, 2980, 2981, 2977 (Listy płac)
  • 2768, 6272, 6400, 6402, 7691, 7696, 7712 (Deklaracje z PodNag)
  • 800 (Raport kasowy)
  • 7942, 7943 (Prolongaty)
  • 2833, 2832 (Upomnienia, noty odsetkowy)
  • 2039, 2047 (RS, RSK)

Jeśli powyższy warunek nie zostanie spełniony, to dla danego kontrahenta nie zostaną wyznaczone spodziewane terminy płatności.

Prognoza Popytu

W programie Comarch ERP XL istnieje możliwość skorzystania z rozwiązań stworzonych z wykorzystaniem sztucznej inteligencji. Jednym z takich komponentów jest Prognoza Popytu. Komponent pozwala na usprawnienie pracy w magazynie poprzez przewidywanie zapotrzebowania na towary w najbliższej przyszłości. Dzięki temu rozwiązaniu możliwe jest lepsze planowanie zamówień, minimalizowanie nadmiarowych zapasów i unikanie braków towarowych. W niniejszym dokumencie zaprezentowany zostanie opis działania tego rozwiązania oraz wymogi, jakie należy spełnić, aby komponent mógł działać w sposób prawidłowy.

Opis działania

Komponent Prognozy Popytu działa na zasadzie uczenia maszynowego, czyli zdolności komputerów do uczenia się na podstawie danych. Jego działanie można podzielić na dwa procesy: trening i tworzenie predykcji.

Do tworzenia predykcji wykorzystywany jest model sztucznej inteligencji, który należy najpierw wytrenować. Proces trenowania modelu jest niezbędny, aby model mógł rozumieć wzorce i zależności w danych, a następnie wykorzystać tę wiedzę do skutecznego budowania prognozy przyszłości.

Trening modelu

Proces treningu modelu komponent rozpoczyna od pobierania historii wydań artykułów z bazy danych z ostatnich dwóch lat. Następnie wszystkie artykuły są dzielone w zależności od liczby wydań na cztery kategorie: EXPIRED, RARE, MODEL, NEW.

Podczas właściwego treningu model analizuje historię artykułów, z kategorii MODEL i na jej podstawie uczy się jak prawidłowo przewidywać zapotrzebowanie w przyszłości. Gdy proces treningu się zakończy, wytrenowany model jest gotowy do wykorzystania do prognozowania.

Ze względu na fakt, że sytuacja na rynku może się zmieniać i zapotrzebowanie na niektóre towary może stopniowo ulec zmianie, trening modelu należy powtarzać. Dane treningowe, tj. dane na podstawie których model się uczy powinny być aktualne by dobrze odzwierciedlały obecną sytuację na rynku.

Predykcja zapotrzebowania

Podczas tego procesu komponent sztucznej inteligencji tworzy predykcje zapotrzebowania na co najwyżej cztery tygodnie dla wszystkich towarów i zapisuje prognozowane wartości w bazie danych. W zależności od kategorii produktu, stosowane są różne metody przewidywania:

  • EXPIRED – wartość przewidywana dla towarów wymarłych jest równa 0
  • RARE – predykcja zapotrzebowania dla towarów z tej kategorii jest średnią z ostatniego miesiąca oraz tego samego miesiąca z poprzedniego roku
  • MODEL – towary należące do tej kategorii są prognozowane za pomocą wytrenowanego modelu
  • NEW – towary o krótkiej historii są przewidywane na podstawie towarów podobnych
Przyklad
Tuż po wejściu iPhone 14 na rynek, nie istnieje historia, na podstawie której możemy przewidywać jego zapotrzebowanie, dlatego nie możemy wykorzystać modelu sztucznej inteligencji. Jednakże, tuż po wejściu na rynek, ten telefon powinien mieć popyt podobny do iPhone 13, gdy ten wchodził na rynek. Prognoza jest obliczana na podstawie historii produktów podobnych.

Wymagania

Aby algorytmy uczenia maszynowego budowały dobrej jakości predykcje to model sztucznej inteligencji musi być wytrenowany na danych dobrej jakości, tj. takich które dostarczają dużo informacji, na podstawie których model może nauczyć się trendów i zależności. Zatem model działa lepiej w sytuacji gdy uczy się na podstawie historii produktów z dużą liczbą wydań. W celu spełnienia tego warunku, na dane przekazywane do modelu nałożono restrykcje.

Po pobraniu danych o historii wydań artykułów z bazy, są one dzielone na cztery kategorie. Kategoria, do której będzie należeć dany produkt, zależy od tygodniowej średniej liczby wydań oraz dni w których nastąpiło pierwsze i ostatnie wydanie towaru z magazynu.

Podział artykułów

Kategoria Opis
EXPIRED Do tej kategorii należą produkty tzw. wymarłe, czyli takie dla których ostatnia transakcja miała miejsce wcześniej niż 365 dni od daty teraźniejszej.
RARE Do tej kategorii należą produkty z niską częstotliwością wydań, to jest z częstotliwością mniejszą lub równą niż jedno wydanie na tydzień.
NEW Do tej kategorii należą nowe artykuły, czyli takie których pierwsze wydanie miało miejsce mniej niż 90 dni przed datą teraźniejszą.
MODEL Artykuły przewidywane modelem. Cechują się wyższą częstotliwością wydań (ponad jedno wydanie tygodniowo) oraz historią wydań, której długość przekracza 90 dni.

AI Windykacja – Spodziewane terminy płatności

W Comarch ERP XL został udostępniony nowy komponent AI, służący do obliczania spodziewanego terminu płatności. Serwis AI do spodziewanych terminów płatności wystartuje w drugiej połowie lipca 2023 roku.

Sztuczna inteligencja AI-Inteligenta windykacja- Spodziewane terminy płatności

Konfiguracja usługi

Aby uruchomić komponent AI należy w nowej zakładce [Konfiguracja]/[Sprzedaż]/[AI] w sekcji Spodziewany termin płatności zaznaczyć parametr Automatyczne wyliczenie spodziewanego terminu płatności.

Podczas zaznaczania w/w parametru nastąpi sprawdzenie czy Operator posiada aktywną licencję. Jest to ta sama licencja, która obsługuje komponent AI do obliczania limitów kredytowych.

Po zaznaczeniu parametru przycisk Konfiguracja usługi stanie się aktywny. Należy w niego kliknąć. Otworzy się okno Ustawienia usługi (standardowe jak dla dotychczasowych usług).

W ramach ustawień usługi należy wskazać:

  • Nazwę usługi
  • Użytkownika oraz hasło dla konta usługi
  • Operatora oraz hasło dla identyfikacji operatora
  • Harmonogram – datę i godzinę od kiedy ma zostać uruchomiony komponent AI do obliczania spodziewanych terminów płatności oraz w jakim cyklu ma odbywać się obliczanie.

Zapisanie powyższych ustawień spowoduje uruchomienie obliczania spodziewanych terminów płatności we wskazanym harmonogramie.

Po obliczeniu spodziewanych terminów płatności zostają one automatycznie zapisane na Płatności danego dokumentu w polu Spodziewany termin płatności oraz będą widoczne na Preliminarzu płatności w kolumnie Spodziewany termin płatności.

Konfiguracja/Sprzedaż/AI, sekcja Spodziewany termin płatności

Zmiana sposobu wyświetlania kolumny Spodziewany termin płatności

Na Preliminarzu płatności został zmieniony sposób wyświetlania kolumny o nazwie „Spodziewany termin płatności”. Kolumnę Spodziewany termin płatności można wywołać za pomocą ustawień Formatów listy.

Preliminarz płatności, kolumna Spodziewany termin płatności

Karta kontrahenta – oznaczenie aktywnej usługi

Na Karcie kontrahenta w zakładce [Handlowe] dodane zostało oznaczenie aktywnej usługi dla komponentu AI obliczającego spodziewany termin płatności.

Gdy komponent AI jest włączony (usługa uruchomiona), to w polu AI pojawia się oznaczenie ‘Aktywna’, a pole do ręcznego wskazywania spodziewanego terminu płatności staje się nieaktywne.

Gdy komponent AI jest wyłączony (usługa nie jest uruchomiona), to wówczas w polu AI pojawia się oznaczenie ‘Nieaktywna’, a w pole do ręcznego wskazywania spodziewanego terminu płatności staje się aktywne.

Karta kontrahenta, zakładka [Handlowe], nowe oznaczenie aktywnego komponentu AI

Optymalizacja zatowarowania z wykorzystaniem sztucznej inteligencji AI

W wersji 2023.2 Systemu w obszarze Sztucznej inteligencji AI dodana została funkcjonalność związana z optymalizacją zatowarowania.

Optymalizacja zatowarowania w obszarze Sztucznej inteligencji AI

Optymalizacja zatowarowania obejmuje mechanizmy pozwalające na wyliczenie prognozowanego popytu w oparciu o stworzone przez zespół AI algorytmy modelowania wykorzystujące uczenie maszynowe.

Wskazówka
Korzystanie z funkcjonalności optymalizacji zatowarowania wymaga dedykowanej licencji.

Włączenie obsługi optymalizacji zatowarowania w konfiguracji systemu

W celu skorzystania z nowej funkcjonalności w konfiguracji systemu w zakładce [Sprzedaż] należy przejść na zakładkę [AI] i zaznaczyć parametr Obsługa optymalizacji zatowarowania.

Włączenie obsługi optymalizacji zatowarowania w konfiguracji systemu

Ustalenie zakresu prognozy

Jeżeli włączona jest obsługa optymalizacji zatowarowania, to w konfiguracji w zakładce [Sprzedaż] na zakładce [AI] ustalić można zakres prognozy.

Ustalenie zakresu prognozy

Domyślnie zakres prognozy ustawiony jest na maksymalny okres: 4 tygodnie. Oznacza to, że po uruchomieniu wyliczenia prognozy system wyliczy prognozowany popyt na kolejne 24 dni.

Użytkownik może zmniejszyć zakres na 1, 2 lub 3 tygodnie.

Wskazówka

W konfiguracji systemu zakres prognozy ustalony został na 2 tygodnie.

W dniu 01.07.2023 uruchomione zostało wyliczenie prognozy – w jego wyniku skalkulowany zostanie popyt w dniach od 02.07.2023 do 15.07.2023.

Wyliczanie prognozy popytu z poziomu listy towarów

Wyliczenie prognozy popytu może zostać wywołane na żądanie użytkownika lub automatycznie.

Ręczne wyliczenie prognozy może zostać uruchomione z poziomu listy towarów.

Jeżeli w konfiguracji włączona jest obsługa optymalizacji zatowarowania, to pod listą towarów wyświetlony zostanie przycisk AI.

Wskazówka
Przycisk będzie aktywny, jeżeli dostępna jest licencja na optymalizacje zatowarowania AI.
Przycisk do wyliczenia prognozy popytu AI na liście towarów

W sytuacji, gdy w czasie obejmującym ustalony zakres prognozy nie została wyliczona prognoza popytu, na przycisku pojawia się pytajnik: . Dla użytkownika jest to sugestia, że powinien nacisnąć przycisk – uruchomić wyliczenie prognozy.

Do wyliczenia prognozy wymagany jest model, na podstawie którego kalkulowany będzie przyszły popyt – jeżeli nie ma modelu, to po naciśnięciu przycisku AI system uruchomi jego trening, o czym użytkownik zostanie poinformowany stosownym komunikatem.

Informacja o uruchomieniu treningu modelu

Podczas treningu z bazy pobierane są parametry towarów oraz analizowane są transakcje związane z towarami – jeżeli baza zawiera wiele towarów i transakcje z wielu lat, trening modelu może trwać nawet kilka godzin.

Podczas treningu nie ma możliwości wyliczenia prognozy – próba uruchomienia jej wyliczenia powoduje wyświetlenie stosownego ostrzeżenia.

Ostrzeżenie o trwającym treningu modelu

Dla operatora korzystającego z wbudowanego w Systemie komunikatora po zakończeniu treningu modelu zostanie wyświetlony stosowny komunikat:

Informacja w komunikatorze o zakończeniu treningu modelu

Jeżeli istnieje wytrenowany model, to naciśnięcie przycisku AI spowoduje uruchomienie wyliczenia prognozy.

Podobnie jak w przypadku treningu modelu, proces wyliczania prognozy może trwać długo – użytkownik zostaje poinformowany o rozpoczęciu procesu, a w sytuacji, gdy korzysta z komunikatora, także o jego zakończeniu.

Informacja o uruchomieniu wyliczenia prognozy popytu
Informacja w komunikatorze o zakończeniu procesu wyliczania prognozy popytu

Prezentacja prognozy

W oknie Stany na magazynach wywoływanym z poziomu listy towarów dodana została zakładka [Prognoza popytu].

Zakładka Prognoza popytu w oknie Stany na magazynach

Na zakładce [Prognoza popytu] wyświetlona jest lista, na której zaprezentowany jest prognozowany popyt na towar w odniesieniu do konkretnego magazynu wyliczony na dany dzień.

Lista z prognozą popytu dla towaru

Pod listą znajdują się filtry ułatwiające analizowanie wyświetlonych danych:

  • Magazyn – pozwala na wyświetlenie prognozy dla wybranego magazynu
  • Okres – pozwala na zawężenie prognozy do wskazanego okresu
Filtry dostępne na zakładce Prognoza popytu

Jeżeli na towarze zdefiniowane są jednostki pomocnicze, to ilość prognozowaną można wyświetlić w wybranej jednostce.

Prezentacja prognozy w jednostce pomocniczej

Wykorzystanie prognozowanego popytu na dokumencie BST

Wyliczona przez sztuczną inteligencję prognoza popytu może zostać wykorzystana podczas sprawdzania bilansu stanu towarów na dokumencie BST.

Nowe definicje składników BST

Do listy standardowych definicji składników na dokumencie BST dodane zostały dwie nowe pozycje:

  • PP, Prognoza popytu
  • PP-R, Realizacja prognozy popytu – Realizacja prognozy koryguje prognozowaną ilość o ilości wynikające ze złożonych zamówień sprzedaży oraz zamówień wewnętrznych
Prognoza popytu oraz Realizacja prognozy popytu na liście definicji składników BST

Prezentacja prognozowanej ilości na BST

Jeżeli na dokument BST zostanie dodany składnik PP Prognoza popytu lub PP-R Realizacja prognozy popytu, to wyświetlona zostanie nowa sekcja: PROG Prognozowana, w której prognoza popytu ujmowana jest w kolumnie (-), a realizacja prognozy w kolumnie (+).

Prognoza popytu oraz Realizacja prognozy popytu na liście składników dokumentu BST

Na liście towarów na dokumencie BST w sekcji Ilość dodana została kolumna prognozowana, w której prezentowane jest saldo ilości prognozowanej.

Ilość prognozowana na liście towarów dokumentu BST

Automatyczne wyliczanie prognozy/trening modelu

Na bazach zawierających bardzo dużą liczbę danych trening modelu oraz wyliczenie prognozy popytu mogą być procesami długotrwałymi. Dlatego wskazane jest, aby procesy te uruchamiane były automatycznie, najlepiej w godzinach nocnych, tak, aby rozpoczynając pracę użytkownik mógł od razu skorzystać z efektów wyliczenia bez konieczności oczekiwania na zakończenie kalkulacji popytu czy treningu modelu.

Konfiguracja automatycznego wyliczania prognozy

W konfiguracji systemu w zakładce [Sprzedaż] na zakładce [AI] dodany został parametr Automatyczne wyliczanie prognozy.

Włączenie automatycznego wyliczania prognozy w konfiguracji systemu

Po zaznaczeniu parametru Automatyczne wyliczanie prognozy aktywuje się przycisk do konfiguracji usługi, która będzie realizowała akcję automatyczną.

Przycisk do konfiguracji usługi automatycznego wyliczania prognozy
Uwaga
Przycisk do konfiguracji usługi zadziała wyłącznie wtedy, gdy system Comarch ERP XL uruchomiony został w trybie administratora systemu.

Naciśnięcie przycisku Konfiguracja usługi powoduje wyświetlenie okna, w którym należy wprowadzić takie parametry, jak:

  • Nazwa usługi – nazwa nadana przez użytkownika, pod którą usługa jest prezentowana na liście usług w systemie Windows
Wskazówka
Aby było możliwe poprawne utworzenie usługi, to nazwa musi być wyrażeniem jednoczłonowym.
  • Użytkownik i Hasło – nazwa użytkownika domenowego, zalogowanego na komputerze, na którym uruchamiana jest usługa, a także hasło tego użytkownika
Wskazówka
Użytkownik ten w ustawieniach systemowych Windows powinien mieć uprawnienia do logowania w trybie usługi oraz w trybie wsadowym, aby było możliwe poprawne utworzenie usługi.
  • Operator i Hasło – operator z systemu XL powiązany z usługą
  • Harmonogram działania – data rozpoczęcia działania usługi oraz częstotliwość, z jaką usługa powinna być uruchamiana
Wskazówka
Częstotliwość wyliczania prognozy powinna zostać dostosowana do ustalonego zakresu prognozy.
Konfiguracja usługi automatycznego wyliczania prognozy popytu

Po zapisaniu zmian w systemie Windows uruchomiona zostanie usługa, która zgodnie z ustalonym harmonogramem uruchamiała będzie wyliczenie prognozy popytu.

Konfiguracja automatycznego treningu modelu

W konfiguracji systemu w zakładce [Sprzedaż] na zakładce [AI] dodany został parametr Automatyczny trening modelu.

Włączenie automatycznego treningu modelu w konfiguracji systemu

Po zaznaczeniu parametru Automatyczny trening modelu aktywuje się przycisk do konfiguracji usługi, która będzie realizowała akcję automatyczną.

Przycisk do konfiguracji usługi automatycznego treningu modelu
Uwaga
Przycisk do konfiguracji usługi zadziała wyłącznie wtedy, gdy system Comarch ERP XL uruchomiony został w trybie administratora systemu.

Naciśnięcie przycisku Konfiguracja usługi powoduje wyświetlenie okna, w którym należy wprowadzić takie parametry, jak:

  • Nazwa usługi – nazwa nadana przez użytkownika, pod którą usługa jest prezentowana na liście usług w systemie Windows
Wskazówka
Aby było możliwe poprawne utworzenie usługi, to nazwa musi być wyrażeniem jednoczłonowym.
  • Użytkownik i Hasło – nazwa użytkownika domenowego, zalogowanego na komputerze, na którym uruchamiana jest usługa, a także hasło tego użytkownika
Wskazówka
Użytkownik ten w ustawieniach systemowych Windows powinien mieć uprawnienia do logowania w trybie usługi oraz w trybie wsadowym, aby było możliwe poprawne utworzenie usługi.
  • Operator i Hasło – operator z systemu XL powiązany z usługą
  • Harmonogram działania – data rozpoczęcia działania usługi oraz częstotliwość, z jaką usługa powinna być uruchamiana
Wskazówka
Zalecane jest przeprowadzanie treningu modelu raz w miesiącu.
Konfiguracja usługi automatycznego treningu modelu

 

Po zapisaniu zmian w systemie Windows uruchomiona zostanie usługa, która zgodnie z ustalonym harmonogramem uruchamiała będzie trening modelu.

Wskazanie operatorów dla komunikatora

Jeżeli w konfiguracji systemu włączone jest automatyczne wyliczenie prognozy lub automatyczny trening modelu, to aktywuje się przycisk pozwalający na wskazanie operatorów, którym mają być wyświetlane komunikaty o wykonanych akcjach automatycznych.

Przycisk Operatorzy w konfiguracji optymalizacji zatowarowania

W oknie wyświetlonym po naciśnięciu przycisku można dodać aktywnych operatorów systemu Comarch ERP XL.

Operatorzy dla komunikatora
Uwaga
Informacje będą wyświetlane dodanemu w oknie operatorowi, jeżeli korzysta on z wbudowanego w system komunikatora.

Czy ten artykuł był pomocny?