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
Od wersji ERP XL 2024 nastąpiła zmiana sposobu instalacji komponentu AI służącego do obliczania limitów kredytowych. Dotychczasowy instalator został zastąpiony plikiem exe, który widoczny jest w kompilacji Systemu Comarch ERP XL.
Aby uruchomić komponent AI należy w zakładce [Konfiguracja/Sprzedaż/AI] w sekcji Limity kredytowe zaznaczyć parametr Automatyczne wyliczenie limitów kredytowych.
Podczas zaznaczania w/w parametru nastąpi sprawdzenie czy Operator posiada aktywną licencję.
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 limitów kredytowych oraz w jakim cyklu ma odbywać się obliczanie.
Zapisanie powyższych ustawień spowoduje uruchomienie obliczania limitów kredytowych we wskazanym harmonogramie.
Po obliczeniu limitów kredytowych zostają one zapisane w Tabeli AILimityKredytowe. Nie będą automatycznie dodawane/ nadpisywane na limity istniejące w Karcie kontrahenta. Użytkownik sam decyduje, dla którego kontrahenta chce pobrać obliczony przez AI limit kredytowy. Działanie jak dotychczas, poprzez kliknięcie w przycisk „piorunka” na Definicji limitu kredytowego w Karcie kontrahenta, zakładce [Limity kredytowe], następuje pobranie obliczonego limitu z Tabeli AILimityKredytowe.
W przypadku korzystania z komponentu AI do obliczania limitów kredytowych, instalowanego przy pomocy dotychczasowego Instalatora, zaleca się jego odinstalowanie i przejście na wersję komponentu AI znajdującego się w kompilacji Comarch ERP XL.
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.
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:
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.
Automatyzacje systemu
W oknie Automatyzacje systemu, na zakładce [Sztuczna Inteligencja] został dodany opis funkcjonalności automatycznych limitów kredytowych.
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.
Wersja z instalatorem została zastąpiona przez uruchamianie pliku exe plik z diagnostyki zapisywany jest 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.
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
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.
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.
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.
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.
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 obejmuje mechanizmy pozwalające na wyliczenie prognozowanego popytu w oparciu o stworzone przez zespół AI algorytmy modelowania wykorzystujące uczenie maszynowe.
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.
Ustalenie zakresu prognozy
Jeżeli włączona jest obsługa optymalizacji zatowarowania, to w konfiguracji w zakładce [Sprzedaż] na zakładce [AI] ustalić można zakres 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.
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.
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.
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.
Dla operatora korzystającego z wbudowanego w Systemie komunikatora po zakończeniu treningu modelu zostanie wyświetlony stosowny komunikat:
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.
Prezentacja prognozy
W oknie Stany na magazynach wywoływanym z poziomu listy towarów dodana została zakładka [Prognoza popytu].
Na zakładce [Prognoza popytu] wyświetlona jest lista, na której zaprezentowany jest prognozowany popyt na towar w odniesieniu do konkretnego magazynu wyliczony na dany dzień.
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
Jeżeli na towarze zdefiniowane są jednostki pomocnicze, to ilość prognozowaną można wyświetlić w wybranej jednostce.
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
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 (+).
Na liście towarów na dokumencie BST w sekcji Ilość dodana została kolumna prognozowana, w której prezentowane jest saldo ilości prognozowanej.
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.
Po zaznaczeniu parametru Automatyczne wyliczanie prognozy aktywuje się przycisk do konfiguracji usługi, która będzie realizowała akcję automatyczną.
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
- Użytkownik i Hasło – nazwa użytkownika domenowego, zalogowanego na komputerze, na którym uruchamiana jest usługa, a także hasło tego użytkownika
- Operator i Hasło – operator z systemu XL powiązany z usługą
- Harmonogram działania – data rozpoczęcia działania usługi oraz częstotliwość, z jaką usługa powinna być uruchamiana
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.
Po zaznaczeniu parametru Automatyczny trening modelu aktywuje się przycisk do konfiguracji usługi, która będzie realizowała akcję automatyczną.
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
- Użytkownik i Hasło – nazwa użytkownika domenowego, zalogowanego na komputerze, na którym uruchamiana jest usługa, a także hasło tego użytkownika
- Operator i Hasło – operator z systemu XL powiązany z usługą
- Harmonogram działania – data rozpoczęcia działania usługi oraz częstotliwość, z jaką usługa powinna być uruchamiana
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.
W oknie wyświetlonym po naciśnięciu przycisku można dodać aktywnych operatorów systemu Comarch ERP XL.
