Detailhandelketen Magnit is gestart met een proefproject waarbij neurale netwerken worden gebruikt die de indeling van producten in de rekken kunnen controleren volgens een opgegeven plan-schema (planogram).

"Voorheen vergeleken de werknemers zelf de schema's met de geproduceerde lay-outs, wat tijdrovend en onvoldoende nauwkeurig was. Het zelftrainingssysteem maakt het mogelijk om zelfs in complexe ruimtes de conformiteit van lay-outs vast te stellen, de menselijke factor uit te schakelen, het controleniveau aanzienlijk te verhogen, de inspectietijd te verkorten en 'virtuele' afvloeiingen te vermijden", aldus de persdienst van de detailhandelaar.

"De proef vindt plaats in 20 buurtwinkels. Het principe van de technologie is dat de beheerders van verkooppunten in een mobiele applicatie in een smartphone een foto nemen van de schappen en in een paar seconden een rapport ontvangen over de juistheid van het planogram. Er wordt opgemerkt dat de nauwkeurigheid van de herkenning door neurale netwerken tot 98% bedraagt. In de toekomst zal een dergelijke functionaliteit beschikbaar zijn in datacollectieterminals.

"Het systeem analyseert de beschikbaarheid van de nodige goederen en hun evenwicht in het magazijn van de winkel, de volgorde van de indelingen, de plaats van de artikelen op de eerste lijn en andere indicatoren. Als ze allemaal overeenkomen met de indeling, wordt de taak verwijderd, zo niet, dan geeft het hints en gaat de taak opnieuw aan het werk. In dit geval worden de fouten aangegeven in een duidelijk grafisch schema, "- uitgelegd in" Magnit.

Volgens Ruslan Ismailov, plaatsvervangend algemeen directeur van "Magnit" winkelketen, helpen dergelijke projecten om de beschikbaarheid van goederen op het schap te vergroten. Volgens voorlopige ramingen van de detailhandelsketen kan het systeem de beschikbaarheid van goederen voor klanten met maximaal 5% verbeteren, afhankelijk van de categorie van producten, en de verkoop verhogen. Indien de proef met succes wordt uitgevoerd, kan de technologie in meer dan 20.000 winkels van het bedrijf worden toegepast.

"Wij zien de technologie van fotoherkenning als een van de beste middelen om het personeel te ontlasten en tegelijkertijd de kwaliteit van de lay-outs niet te verminderen, maar aanzienlijk te verbeteren. Het testen zal drie maanden duren en in die periode zullen we de doeltreffendheid en de impact op de bedrijfsindicatoren evalueren. In een van de fasen zijn we ook van plan om herkenning te gebruiken om de juistheid van prijskaartjes te controleren, "- zei hij.

Made in Russia // Gemaakt in Rusland

Auteur: Karina Kamalova