Podsumowanie
Kluczowe efekty
84% precision score w automatycznej klasyfikacji dokumentów, wobec 50% przy pracy manualnej
96% precision score w rozpoznawaniu tagów urządzeń z dokumentów
Ręczne przepisywanie danych źródłem błędów i strat finansowych
Prometheus Group, oferując globalnie usługi zarządzania majątkiem przedsiębiorstw, musiał przetwarzać ogromne wolumeny dokumentów – od zdjęć tablic znamionowych i specyfikacji po protokoły odbioru. Dane były ręcznie przepisywane do systemów, co oznaczało: liczne błędy w zapisach, które przekładały się na nieprawidłowe stany magazynowe, opóźnienia w aktualizacji danych, powodujące brak dostępności części lub nadmierne zamówienia, większe koszty operacyjne, bo zespoły musiały powtarzać pracę i korygować pomyłki. Przy rosnącej skali działalności manualny proces stał się wąskim gardłem – ograniczał efektywność i utrudniał planowanie utrzymania majątku w sektorach krytycznych, takich jak energetyka, ropa i gaz czy farmacja. Aby ograniczyć koszty i poprawić precyzję działań, klient zdecydował się powierzyć projekt Sii Polska.
Automatyzacja przetwarzania dokumentów dzięki AI i chmurze AWS
Celem projektu było pełne zautomatyzowanie odczytu i klasyfikacji danych z dokumentów technicznych, tak aby ograniczyć błędy i przyspieszyć procesy operacyjne. Eksperci Sii z obszaru sztucznej inteligencji, data science i chmury zbudowali multidyscyplinarny 34-osobowy zespół, który pracował w metodyce Agile i ściśle współdziałał z klientem.
Zakres działań obejmował:
- zamiana skanów i dokumentów papierowych na dane cyfrowe poprzez Optical Character Recognition (OCR) – dane są gotowe do dalszej analizy i integracji z systemami klienta
- automatyczne wydobywanie kluczowych informacji dzięki Natural Language Processing (NLP) – system rozpoznaje nazwy urządzeń, ilości i parametry techniczne, co usprawnia aktualizację stanów magazynowych
- rozpoznawanie oznaczeń wizualnych przy użyciu Computer Vision – system identyfikuje tagi, kody i elementy graficzne oraz ich przypisuje je do właściwych rekordów
- trenowanie i rozwój modeli AI w chmurze AWS SageMaker – to skalowalna platforma pozwalająca obsługiwać nowe typy dokumentów bez zwiększania nakładów
- uzupełnianie baz wiedzy klienta o dane publicznie dostępne online (web sourcing) skąd brane są charakterystyki sprzętu
- tłumaczenia taksonomii sprzętu i charakterystyk do 17 języków
Sii umożliwiło skalowanie procesów bez zwiększania nakładów osobowych.
Większa dokładność danych i niższe koszty operacyjne
Nowe rozwiązanie AI poprawiło jakość i spójność danych, co przełożyło się na bardziej efektywne śledzenie majątku i planowanie działań utrzymaniowych. Klient zyskał możliwość obsługi większych wolumenów dokumentów bez wzrostu zatrudnienia, ograniczył ryzyko błędów oraz obniżył koszty operacyjne. System osiągnął dokładność na poziomie 84% (przy 50% osiąganych w pracy manualnej) oraz F1 score 96% – czyli połączenie wysokiej precyzji i czułości. W praktyce oznacza to, że system pomaga szybciej rozpoznawać i przypisywać tagi urządzeń, eliminując ryzyko pomyłek przy ręcznym wprowadzaniu. Wdrożenie zapewniło także solidne podstawy do dalszego rozwoju usług inventory management w skali globalnej.
„Dzięki wsparciu Sii udało nam się wyeliminować największe wąskie gardło w procesie inwentaryzacji. Automatyzacja nie tylko przyspieszyła pracę, ale też podniosła jakość danych, które są podstawą naszych decyzji” – przedstawiciel klienta.