Инновационная ERP система Jimmy Neuron

Проект: Внедрение ERP-системы для логистической компании

1. Задачи проекта

Перед нашей командой стояла задача разработать и внедрить единую ERP-систему, которая полностью заменит устаревший разрозненный учёт (Excel, несколько CRM, мессенджеры) и закроет критические痛点 бизнеса заказчика — логистической компании с парком от 100 до 500 единиц техники.

Ключевые задачи:

· Автоматизировать планирование маршрутов и назначение водителей с учётом реальной ситуации на дорогах, режима труда/отдыха, технического состояния машин.

· Внедрить прогнозирование поломок и автоматическое формирование заявок на ТО.

· Обеспечить прозрачный учёт топлива, исключить хищения и нецелевое использование.

· Сократить время реакции диспетчерской службы на нештатные ситуации (пробка, поломка, отсутствие водителя).

· Снизить долю ручного труда при формировании отчётности для клиентов и госорганов.

· Интегрироваться с существующими системами: тахографы, трекеры, складские учётные системы, банк-клиент.

---

2. Решение и какие проблемы компании упростились или были полностью решены

Мы разработали ERP-систему на базе модульной архитектуры с элементами искусственного интеллекта (условное название — Neuron.Logistics). Решение включает:

· Централизованное облачное ядро + легковесные агенты на бортовых компьютерах (работают офлайн).

· Модуль интеллектуальной маршрутизации (нейросетевой планировщик).

· Модуль предиктивной аналитики для техники.

· Блокчейн-учёт топлива (защита от подделки данных).

· Единый дашборд диспетчера с автоматическими рекомендациями.

Какие проблемы были решены:

Проблема до внедрения Как упростилась или исчезла

Ручное построение маршрутов занимало 3–4 часа в день на диспетчера Нейромаршрутизатор строит оптимизированный маршрут за 10 секунд, учитывая пробки, график погрузки, ограничения по часам вождения

Частые поломки в рейсе (15% машин в простое) Предиктивная аналитика предупреждает о поломке за 50–200 км до её возникновения. Механик заранее выезжает в точку или перенаправляет машину на ближайший сервис

Хищения топлива (до 12% от закупленного объёма) Блокчейн-трекинг каждой заправки с привязкой к GPS и датчику уровня — любые манипуляции автоматически детектятся и блокируются

Диспетчер не успевал реагировать на форс-мажоры (среднее время реакции 25 минут) Система сама предлагает варианты перемаршрутизации, смены водителя или замены автомобиля. Диспетчер только подтверждает действие (время реакции снизилось до 90 секунд)

Разрозненные данные по заказам, транспорту и финансам — отчётность сводилась вручную Все данные стекаются в единую базу в реальном времени. Финансовый отчёт по рейсу формируется автоматически после закрытия путевого листа

Потеря связи в пути → водитель едет наугад, диспетчер не знает местоположение Edge-агент на бортовом компьютере продолжает локальную оптимизацию, а при возврате сети синхронизирует полный трек и события

Дополнительные упрощения:

· Водители перестали заполнять бумажные путевые листы — всё через мобильное приложение с голосовым вводом.

· Отпала необходимость в отдельном штате логистов-аналитиков — отчёты по эффективности рейсов генерируются автоматически.

· Клиенты получили личный кабинет с онлайн-трекингом груза и автоматическими актами сверки.

Этап 1. Аудит, проектирование и подготовка данных

Длительность: 4 недели.

Что сделано:

· Проведён аудит всех бизнес-процессов логистической компании: от приёма заявки до закрытия рейса.

· Выгружены и очищены исторические данные: 1,8 млн записей о маршрутах, телеметрия с 320 машин за 2 года, акты о поломках, путевые листы.

· Определены ключевые метрики: использование парка, среднее время простоя, расход топлива, точность ETA.

· Разработана архитектура будущей ERP: выбрана микросервисная схема с отдельным ML-ядром (PyTorch, Kafka, ScyllaDB).

· Создана спецификация на интеграцию с существующими системами (Wialon, 1С, банковские шлюзы).

Результат этапа:

Утверждённый план проекта, прототипы основных модулей, смоделирована экономическая эффективность (целевое снижение операционных затрат на 22%).

Этап 2. Разработка, обучение моделей и пилотное тестирование

Длительность: 12 недель.

Что сделано:

· Разработаны все модули ERP: маршрутизация, учёт топлива, склад, кадры, финансы.

· Обучены три нейросетевые модели на GPU-кластере:

  · Модель прогноза времени прибытия (точность 94%).

  · Модель предиктивной диагностики (LSTM по данным CAN-шины, обнаружение 8 типов неисправностей).

  · Модель оптимизации загрузки парка (решает задачу коммивояжёра с динамическими ограничениями).

· Интегрированы бортовые edge-агенты на 30 тестовых машинах (Android-планшеты + Bluetooth-адаптеры к ЭБУ).

· Проведён пилотный запуск на одном филиале (75 машин, 200 водителей, 8 диспетчеров) продолжительностью 6 недель.

· Собрана обратная связь, исправлены 47 багов, доработан интерфейс диспетчера.

Результат этапа:

Стабильная работа системы на пилотной группе, подтверждены метрики:

· Снижение ручного планирования на 85%.

· Уменьшение простоев по технике на 62%.

· Точность прогноза поломок 88% (превысило целевые 85%).

Этап 3. Полномасштабное внедрение, обучение и сдача в эксплуатацию

Длительность: 8 недель.

Что сделано:

· Развёрнута система на всём парке (430 машин, 12 хабов, 3 региональных офиса).

· Проведена миграция данных из устаревших систем: выгрузка заказов, контрагентов, номенклатуры.

· Настроены ролевые доступы: диспетчер, механик, водитель, бухгалтер, руководитель.

· Организовано обучение:

  · Для водителей — 4-часовой онлайн-курс + тестирование.

  · Для диспетчеров и механиков — 2 дня очных тренингов.

  · Для топ-менеджмента — дашборд с ключевыми KPI.

· Включено круглосуточное сопровождение в первую неделю промоушена (горячая линия + чат в системе).

· Подписан акт приёмки-сдачи после 14 дней безаварийной работы.

Результат этапа:

ERP полностью интегрирована в рабочий процесс. Старая система (Excel, мессенджеры) отключена.

Итоговые показатели через 3 месяца после завершения этапа:

· Операционные расходы снижены на 24% (против плана 18%).

· ROI проекта составил 312% за 9 месяцев.

· Клиентский NPS вырос с 41 до 79.

Заключение

Наша компания успешно реализовала проект создания ERP-системы для логистического оператора, решив ключевые задачи: автоматизация маршрутов, предиктивная аналитика поломок, блокчейн-учёт топлива и единое окно диспетчера. Работа была разбита на три логических этапа: аналитика и проектирование, разработка с пилотом, полномасштабный запуск. В результате заказчик получил прозрачный, управляемый и высокоэффективный логистический бизнес с минимальным ручным трудом.